Continuidad de negocio, dependencias tecnológicas e IA: algunas reflexiones a raíz de la caída mundial de Microsoft

Los días 12 y 13 de noviembre de 2026, una incidencia global en los servicios de Microsoft complicó el trabajo diario de numerosas organizaciones. Outlook, algunas funciones de Teams, Copilot y otros servicios de Microsoft 365 se vieron afectados. En algunos casos, los problemas de acceso se prolongaron durante más de un día.

Empresas, entidades financieras, administraciones públicas y servicios sanitarios tuvieron que recurrir a procedimientos alternativos para mantener parte de su actividad. Algunas organizaciones volvieron a tirar del teléfono y otras recuperaron incluso canales tradicionales como el fax o el papel para determinadas comunicaciones críticas.

Según las explicaciones iniciales de Microsoft, la incidencia estuvo relacionada con cambios en su infraestructura de red. La compañía descartó un ciberataque o una actuación de agentes de IA como causa de la interrupción. Conviene distinguir estos hechos de los escenarios hipotéticos que analizaremos: una caída de Microsoft 365 no significa necesariamente que todos los modelos alojados en Azure hayan dejado de funcionar.

Al ver lo ocurrido, me acordé del apagón de abril de 2025. En ambos casos, fue difícil anticipar hasta dónde podía llegar la interrupción. Y es que, cuando preparamos planes de continuidad, solemos prever que falle el correo, que una aplicación deje de funcionar o que una oficina se quede sin suministro eléctrico. Sin embargo, solemos pasar por alto la posibilidad de que varios servicios caigan a la vez, incluidos algunos de los que usamos precisamente para seguir trabajando.

Por eso, más allá de la explicación técnica, hay una pregunta que me parece especialmente interesante: ¿cuántas organizaciones afectadas estaban realmente preparadas para seguir funcionando sin esos servicios?

Porque una cosa es que el proveedor tenga mecanismos de recuperación y otra muy distinta que nuestra empresa sepa operar mientras esos mecanismos entran en acción. Y esto importa todavía más ahora que estamos automatizando procesos y delegando en la IA actividades que hasta hace poco hacían solo personas.

Imagen de cabecera del artículo sobre la caída de servicios en la nube.

1. La disponibilidad de la tecnología no garantiza la continuidad del negocio

Durante años, muchas organizaciones han trasladado buena parte de sus sistemas y servicios a la nube. Los motivos son conocidos: escalabilidad, reducción de necesidades de infraestructura propia, facilidad de mantenimiento y acceso a soluciones tecnológicas que antes requerían inversiones considerables.

Esto ha supuesto avances evidentes, pero también ha aumentado considerablemente nuestra exposición a terceros.

Cuando utilizamos un servicio en la nube, parte de la responsabilidad sobre su operatividad y recuperación corresponde al proveedor. Podemos contar con acuerdos de nivel de servicio (SLA), compromisos de disponibilidad, infraestructuras redundantes y procedimientos técnicos de respaldo. Ninguna de esas medidas asegura por sí sola que nuestros procesos de negocio puedan continuar cuando el servicio deja de responder.

Pensemos en una organización que hoy apoya casi toda su operativa en Microsoft 365 para gestionar comunicaciones, compartir documentación, celebrar reuniones por Teams o coordinar tareas. Aunque esos servicios caigan, es posible que sus aplicaciones principales sigan en pie. Pero ¿pueden sus empleados trabajar con normalidad? ¿Se pueden autorizar operaciones? ¿Cómo hablan con clientes y proveedores? ¿Quién decide qué actividades deben mantenerse y cuáles pueden esperar?

Son preguntas que no se resuelven con una copia de seguridad ni esperando a que el proveedor restablezca el servicio cuanto antes.

De hecho, esa es una de las diferencias fundamentales entre recuperación tecnológica y continuidad de negocio. La primera se centra en restablecer los sistemas afectados. La segunda se ocupa de que la organización pueda seguir desarrollando sus actividades críticas dentro de unos niveles de servicio aceptables, incluso mientras esos sistemas siguen fuera de juego.

Esta distinción es uno de los pilares de la gestión de la continuidad de negocio y de la norma ISO 22301. Para llevarla a la práctica, el primer paso es saber en qué se apoya cada actividad, incluidos los servicios que la IA utiliza para acceder a datos o ejecutar una operación.

2. ¿Conocemos realmente todas las dependencias de nuestros procesos?

Una de las primeras dificultades que encontramos al analizar la continuidad de una organización es identificar qué necesita realmente cada proceso para ejecutarse. Normalmente pensamos en las aplicaciones principales, las bases de datos, los servidores o las comunicaciones, pero hay piezas menos evidentes que también resultan críticas y que suelen pasar desapercibidas.

Podemos caer en la tentación de pensar que, si una aplicación sigue activa, el proceso asociado también lo estará. Sin embargo, la realidad suele ser otra. Un proceso puede quedarse completamente bloqueado por una simple aprobación pendiente en un correo electrónico, aunque la plataforma funcione. Un equipo de atención al cliente puede ver el expediente y, aun así, no poder cerrar la solicitud si el documento que necesita para validarla está en un repositorio externo inaccesible. Además, existen vínculos invisibles entre procesos que parecen independientes: servicios de autenticación, plataformas de integración, sistemas de almacenamiento o componentes de conectividad que, cuando fallan, provocan un efecto dominó en múltiples áreas a la vez.

Esto cobra especial relevancia cuando abordamos proyectos de transformación y automatización. Cada nueva solución aporta capacidad y eficiencia, pero también introduce nuevos puntos de fallo y, por tanto, nuevos riesgos. Algunas herramientas reemplazan a las anteriores, mientras que otras se suman a una cadena de relaciones cada vez más extensa y difícil de visualizar. Como resultado, acabamos con entornos muy complejos en los que no siempre sabemos qué pasaría si cae una pieza intermedia.

Si mañana uno de nuestros proveedores críticos sufre una interrupción prolongada, ¿somos capaces de identificar de inmediato qué procesos se ven afectados, cuáles deben recuperarse primero y qué alternativas tenemos para mantenerlos vivos?

Desde la perspectiva de la gestión de procesos, esto exige ir más allá de los diagramas de actividades. Exige entender cómo se relacionan esos procesos con las personas, las aplicaciones, la información, los proveedores y las infraestructuras que los sostienen. Y, sobre todo, plantearnos qué ocurre cuando alguno de esos elementos deja de estar operativo.

No se trata de documentar todas las posibles incidencias técnicas, sino de conocer los puntos críticos que realmente pueden frenar nuestro negocio.

3. Cuando hablamos de IA, ¿qué es exactamente lo que puede fallar?

Cuando decimos que «se ha caído la IA», podemos estar hablando de cosas muy distintas. Puede haber fallado la aplicación con la que interactúa el usuario, el modelo que procesa las peticiones, los datos que consulta, las integraciones que conectan los sistemas o la infraestructura en la que todo ello se ejecuta. El fallo de cada una de estas capas tiene un impacto diferente.

Pensemos en ChatGPT. ChatGPT es una interfaz que nos permite interactuar con modelos de OpenAI alojados en infraestructura remota. Si ChatGPT no responde, no significa necesariamente que todas las API de OpenAI o todas las aplicaciones de terceros que usan sus modelos hayan dejado de funcionar. Dependerá de qué servicio haya fallado y de las piezas que comparta con los demás.

Otro caso: un agente de IA utiliza un modelo para consultar contratos almacenados en SharePoint. El modelo puede seguir generando texto, pero si falla el acceso a Microsoft 365 no podrá leer los documentos. Lo que se ha interrumpido no es el razonamiento del modelo, sino el acceso a la información imprescindible para trabajar.

Y hay algo más: la inteligencia artificial no tiene por qué depender exclusivamente de la nube pública. Existen modelos abiertos o descargables, como Llama, Gemma, Mistral, Qwen o DeepSeek, que pueden ejecutarse en equipos o servidores propios, siempre que se disponga de los recursos y las licencias necesarios. Esto no significa instalar ChatGPT en un portátil, sino utilizar otro modelo sin depender de forma permanente de un proveedor externo.

4. ¿Qué ocurre con los agentes de IA cuando falla un servicio?

Y es que la situación se vuelve especialmente delicada cuando dejamos de utilizar la IA únicamente como asistente y empezamos a desplegar agentes capaces de consultar sistemas, interpretar solicitudes y ejecutar operaciones. Para el empleado puede parecer una única herramienta, pero detrás intervienen el correo electrónico, los permisos de acceso, la documentación de la organización, los modelos de IA, las aplicaciones que utiliza la empresa y las conexiones que permiten que todo funcione de forma coordinada.

Imaginemos una empresa que utiliza un agente para recibir peticiones de clientes, consultar datos en sus aplicaciones y preparar respuestas o iniciar gestiones. Durante una caída de Microsoft 365, el agente podría seguir activo y el modelo operativo, pero quizá no pudiera leer correos, abrir documentos o autenticarse ante otro sistema. En la práctica, el proceso quedaría limitado o detenido.

Existe además una complicación que no siempre contemplamos: una operación puede quedarse a medias. El agente puede haber enviado una orden para actualizar un pedido o registrar una solicitud y perder la conexión antes de recibir la confirmación. Cuando vuelve el servicio, ¿debemos repetirla? Si ya se ejecutó, podríamos duplicarla.

Que el agente vuelva a estar operativo no significa que el proceso se haya recuperado por completo. Es necesario saber qué tareas llegaron a completarse, cuáles quedaron a medias y cuáles necesitan una revisión antes de continuar. También hay que asegurarse de que, al reanudar la actividad, no se repitan acciones ya ejecutadas ni se generen duplicidades. Estas precauciones deben contemplarse desde el diseño inicial de la solución, y no improvisarse cuando se produce una caída.

5. ¿Podemos mantener funcionando nuestra IA cuando cae un proveedor?

Sí, si la arquitectura y el diseño de dependencias lo permiten. No todas las estrategias ofrecen la misma protección ni resuelven los mismos problemas:

  • Tener una alternativa en otra región geográfica (Multiregión). Si una zona concreta del proveedor sufre una incidencia, los servicios pueden seguir funcionando desde otra ubicación.
  • Repartir la solución entre varios proveedores de nube (Multicloud). De este modo, una caída en una plataforma no tiene por qué afectar a toda la solución.
  • Combinar la nube con infraestructura propia (Híbrida): Mantener determinados modelos o aplicaciones en servidores propios puede permitir seguir operando incluso cuando algunos servicios externos no están disponibles.
  • Contar con sistemas de respaldo preparados para entrar en funcionamiento (Redundancia activo-activo o activo-pasivo): Algunas organizaciones mantienen entornos alternativos en espera o funcionando en paralelo para asumir la carga si falla el principal.

Imaginemos una organización que utiliza habitualmente un modelo de IA en Azure y dispone de otro en sus propios servidores como respaldo. Si el primero deja de estar disponible, algunas peticiones podrían dirigirse automáticamente al segundo. Pero tener una alternativa preparada no garantiza que todo vaya a funcionar sin más. Es necesario haber comprobado previamente que el cambio se realiza correctamente, que las instrucciones siguen siendo válidas, que las conexiones continúan funcionando y que el entorno de respaldo tiene capacidad real para asumir la carga cuando sea necesario.

Aunque el cambio funcione, ambos modelos podrían depender del mismo servicio de acceso o repositorio documental que acaba de fallar. Tener dos modelos disponibles no garantiza que el proceso pueda continuar.

Tampoco hace falta replicar el cien por cien de las capacidades. Un modelo local más ligero quizá pueda seguir clasificando solicitudes y preparando borradores, mientras que las decisiones que exigen información completa o una autorización especial pasan temporalmente a una persona. La arquitectura adecuada depende de los requisitos de continuidad del negocio, no de la tecnología que esté más de moda.

6. La degradación controlada: ¿qué puede seguir funcionando?

Si la nube falla, el modelo deja de responder o empezamos a dudar de la fiabilidad de los resultados, lo más importante es no actuar como si nada hubiera pasado. La pregunta inmediata debería ser qué podemos seguir haciendo con seguridad, qué tareas deben volver temporalmente a las personas y cuáles conviene dejar en espera hasta recuperar la normalidad. Eso es, en esencia, una degradación controlada: reducir capacidades de forma ordenada en lugar de detener toda la actividad.

En muchas organizaciones, es posible seguir registrando y clasificando solicitudes aunque el agente no pueda acceder a la documentación necesaria para resolverlas. Sin embargo, tomar una decisión que afecte a un cliente o autorizar una operación importante ya requiere más cautela. Si ni siquiera una persona dispone de información fiable y actualizada para validar esa decisión, lo más prudente es esperar.

Además, recurrir al trabajo manual no siempre es tan sencillo como parece. Hace falta contar con personas disponibles, acceso a la información necesaria, los permisos adecuados y algún medio para coordinarse y dejar constancia de lo que se hace. Si todo eso depende de los mismos servicios que han dejado de funcionar, el plan de contingencia puede quedarse en una buena intención sobre el papel.

Y no siempre nos enfrentamos a una caída total. A veces la IA sigue respondiendo, pero lo hace con información incompleta o con resultados cuya fiabilidad ya no está garantizada. En esas situaciones el riesgo puede ser incluso más difícil de detectar. Por eso, cuando existen dudas razonables sobre la calidad de la información o de las respuestas, también conviene detener las decisiones automáticas hasta recuperar la confianza en el sistema.

7. No basta con tener un respaldo: hay que demostrar que funciona

Antes de dar por bueno un plan, probaría qué sucede cuando cortamos el acceso al modelo principal, al repositorio documental, al servicio de identidad o al proveedor. No comprobaría únicamente que el entorno alternativo arranca. Comprobaría que el proceso completo puede sacar adelante los casos prioritarios con la calidad, los permisos y los tiempos acordados.

El simulacro debería incluir también la vuelta a la normalidad: cómo detectar las operaciones que quedaron a medias, cómo evitar duplicidades y quién autoriza el retorno a la operativa habitual. Cuando trabajamos con agentes capaces de actuar sobre sistemas reales, esta fase merece tanta atención como el tiempo de recuperación del propio modelo.

¿Cómo integrar todo esto desde el inicio de un proyecto de implementación de soluciones IA? Lo desarrollaré en un segundo artículo sobre continuidad en proyectos de IA aplicando CPMAI (la metodología de gestión de proyectos de IA), donde abordaré sus seis fases, los entornos de contingencia y los escenarios que pondría a prueba antes de dar un sistema por listo.

8. ¿Qué nos deja la caída de Microsoft?

Me quedo con una idea. Cada vez que llevamos una actividad a la nube o metemos IA en un proceso, cambia lo que necesitamos para seguir trabajando si algo se rompe. El proveedor puede levantar sus sistemas en cuestión de horas y, sin embargo, nuestra organización puede necesitar todavía días para reconstruir el trabajo interrumpido.

Si mañana cae un proveedor del que depende vuestra IA, ¿qué parte de vuestros procesos podríais seguir prestando? ¿Lo habéis probado con ese proveedor realmente fuera de juego?

Referencias

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.