Logotipo de YuSMP Group
YuSMP Group Editorial Team Equipo editorial, YuSMP Group
Pasillo oscuro de un centro de datos con racks de servidores que forman un arco de gateway; la mayoría de los racks están congelados bajo una escarcha azul helada y unos pocos al fondo aún brillan en ámbar, con un montón de partículas de luz atascadas delante de los racks congelados

La versión corta

La caída de Microsoft 365 de casi 24 horas se debió a un defecto del gateway que pasó inadvertido en producción durante cuatro meses y que solo afloró cuando un failover rutinario y un déficit de capacidad coincidieron en el tiempo. Los equipos que gestionan operaciones cloud y DevOps pueden comprobar este trimestre si sus propios sistemas reúnen esas mismas tres condiciones.

¿Qué causó la caída de Microsoft 365?

Microsoft culpa a tres condiciones que, por separado, eran manejables. Juntas, dejaron fuera de servicio la mayor parte de la puerta de entrada de Microsoft 365.

  1. Un defecto latente. Una corrección creada en julio para los servidores de gateway de red de Microsoft 365 superó las pruebas de carga y funcionó sin problemas visibles. Con determinadas cargas, provocaba contención de bloqueos que agotaba la CPU y la memoria de los servidores. El informe de Microsoft señala que sus pruebas de carga «tendían a centrarse en hardware menos potente con menos núcleos», mientras que el fallo se agravaba en máquinas más nuevas con más núcleos.
  2. Un cambio de tráfico rutinario. Microsoft opera dos sistemas de gateway independientes. A las 01:07 UTC del 12 de noviembre, unas 15 horas antes de la caída, el tráfico de Teams pasó mediante failover del gateway alternativo al principal, que también da servicio a Exchange Online. La carga y la combinación de solicitudes en el principal cambiaron.
  3. Falta de margen. Casi el 14% de la flota de gateways ya estaba fuera de servicio por un problema no relacionado del día anterior. Por sí solo, según Microsoft, eso no era un problema: el servicio seguía teniendo margen de capacidad suficiente.

A medida que avanzaba el horario laboral de EE. UU., la carga adicional empujó a los servidores hacia el defecto. Ars Technica y The Register describen la misma cascada: las comprobaciones de estado desviaban el tráfico de los servidores bloqueados hacia los que estaban sanos, que a su vez también se bloqueaban. En unas dos horas, el problema se había extendido por toda la flota.

¿Por qué la recuperación tardó casi un día?

Las herramientas de recuperación habituales no funcionaron, porque el fallo llevaba en producción desde julio.

Reiniciar los servidores no sirvió de nada. Cada uno que volvía a estar operativo se encontraba con una gran cola de solicitudes y quedaba desbordado de nuevo casi de inmediato. Microsoft reconoce que sus «procesos de recuperación, normalmente automatizados, no estaban diseñados para restablecer el servicio desde este estado generalizado de falta de respuesta».

Tampoco era posible revertir: no había ningún despliegue reciente que deshacer. Así que los ingenieros escribieron una nueva actualización que devolvía la ruta de código «al estado anterior conocido como correcto en Windows» y la distribuyeron por grupos de servidores, un lote cada vez.

Algunos servicios se libraron antes. Teams, OneDrive, SharePoint y las aplicaciones de Office se desviaron de los gateways defectuosos. Exchange Online no pudo trasladarse «por motivos de escala», y por eso Outlook fue el que permaneció caído más tiempo.

Microsoft encontró la mitigación a las 07:20 UTC del 13 de noviembre y declaró los servicios en buen estado a las 16:10 UTC. Amplió los tiempos de espera de entrega del correo para que los mensajes retrasados no se devolvieran, y afirma que ha añadido capacidad y salvaguardas de distribución del tráfico. El informe final se publicará el 20 de noviembre y es posible que explique por qué el aislamiento regional no contuvo el fallo.

Qué significa para los equipos de software de EE. UU. y la UE

Si usted desarrolla u opera una plataforma SaaS, el informe de Microsoft apunta a cinco comprobaciones que conviene hacer ya. Pocos equipos trabajan a la escala de Microsoft, pero la mayoría se apoya en los mismos patrones: gateways activo/en espera, autoescalado con margen, enrutamiento basado en comprobaciones de estado y la reversión como principal botón de deshacer. Cada uno de ellos influyó en esta caída.

¿Se ejecutan sus pruebas de carga en hardware de producción?

Ejecute al menos una fase de rendimiento en el tipo de instancia más reciente que despliegue, no en el más barato de su cuenta de CI. Microsoft hizo las pruebas en máquinas con menos núcleos que parte de su flota de producción, y el fallo se agravaba en las más grandes. La contención de bloqueos, el dimensionamiento de los grupos de hilos y la recolección de basura cambian con el número de núcleos.

¿Tiene en cuenta el failover su plan de capacidad?

Un failover cambia el volumen y la forma del tráfico. Planifique la capacidad para la peor coincidencia realista: un gateway en failover, parte de la flota ya fuera de servicio y la demanda de la hora punta. Si un solo evento de mantenimiento puede agotar su margen, el margen es demasiado pequeño.

¿Puede una comprobación de estado propagar el fallo?

Sí, cuando la causa depende de la carga. El enrutamiento basado en comprobaciones de estado que traslada la carga de un nodo enfermo a uno sano presupone que el problema es local; de lo contrario, propaga el fallo. Limite cuánto tráfico puede asumir un único nodo durante el reequilibrio y deje de redirigir cuando una gran parte de la flota falle a la vez.

¿Qué ocurre cuando no es posible revertir?

Pregúntese si su equipo es capaz de corregir hacia delante bajo presión: crear un parche específico, desplegarlo en un pequeño grupo de servidores y ampliarlo por fases. Para ello hace falta una vía de publicación rápida y fiable incluso cuando está vigente la congelación de cambios. También hace falta control de admisión o descarte de carga, para que los servidores restaurados no queden aplastados por la cola acumulada mientras estaban caídos.

¿Hasta qué punto están expuestas sus aplicaciones a la caída de un proveedor?

Muchas aplicaciones empresariales envían correo a través de Exchange Online o leen calendarios mediante Microsoft Graph. Esas llamadas fallaron durante casi un día. Ponga en cola los mensajes salientes con reintentos, espera exponencial (exponential backoff) y claves de idempotencia, y muestre a los usuarios un estado degradado claro en lugar de errores. CNBC informó de retrasos en la publicación de resultados empresariales y de interrupciones en servicios del NHS; ese es el tipo de dependencias que debería recoger un plan de continuidad. Qué significa para el mercado español: las empresas en España que trabajan con la suite ofimática de Microsoft en la nube deberían revisar sus planes de continuidad de negocio y contemplar de forma explícita la indisponibilidad prolongada del correo y de las herramientas de colaboración. Los proveedores del sector público sujetos al Esquema Nacional de Seguridad (ENS) deben, además, tener documentadas la gestión de incidentes y la continuidad de los servicios que prestan, también cuando dependen de terceros. Conviene, asimismo, comprobar qué obligaciones de registro y notificación derivan del RGPD cuando una caída afecta a la disponibilidad de datos personales.

¿Qué simulacros deberían hacer los equipos de ingeniería este mes?

  1. Organice un game day combinado. Simule un failover con el 15% de la capacidad fuera de servicio y observe la latencia, los tiempos de espera de bloqueos y las tasas de error.
  2. Ensaye una corrección hacia delante. Mida cuánto tiempo se tarda en crear, probar y desplegar un parche específico en un grupo de servidores.
  3. Mapee las dependencias SaaS. Enumere todas las llamadas a Microsoft 365, al correo y a la identidad de su producto y confirme que cada una tiene reintentos y una alternativa.

Preguntas frecuentes

¿Cuánto duró la caída de Microsoft 365?

El informe preliminar posterior al incidente de Microsoft la sitúa entre las 16:20 UTC del 12 de noviembre de 2026 y las 16:10 UTC del 13 de noviembre, algo menos de 24 horas. Exchange Online y Outlook fueron los servicios afectados durante más tiempo.

¿Fue la caída de Microsoft 365 un ciberataque?

No. Microsoft la clasifica como un problema técnico no relacionado con actividad cibernética ni con agentes de IA, y declaró a CNBC que no había detectado actividad maliciosa.

¿Cuál fue la causa raíz de la caída?

Un cambio desplegado en julio de 2026 en los servidores de gateway de red de Microsoft 365 provocó contención de bloqueos en un proceso de Windows que agotaba la CPU y la memoria con determinadas cargas. Un failover de Teams y el hecho de que aproximadamente el 14% de la capacidad de gateway ya estuviera fuera de servicio llevaron a los servidores a ese estado.

¿Por qué Microsoft no pudo simplemente revertir el cambio?

El defecto llevaba en producción desde julio, así que no había ningún despliegue reciente que deshacer. Los ingenieros crearon una nueva actualización que restauraba la ruta de código anterior y la aplicaron por grupos de servidores.

¿Cuándo publicará Microsoft el informe final del incidente?

Microsoft indica que el informe final posterior al incidente se publicará el 20 de noviembre de 2026. Es posible que explique por qué el aislamiento regional no contuvo el fallo.

Fuentes

Ars Technica: Three small failures combined to take down Microsoft 365 (en inglés) (16 de noviembre de 2026)
Bloomberg: Microsoft Bug Undetected Since July Triggered Worldwide Outage (en inglés) (16 de noviembre de 2026)
CNBC: Microsoft apologizes for massive outage that took down Outlook and other 365 services (en inglés) (13 de noviembre de 2026)
The Register: Microsoft blames monster email outage on software defect introduced in July fix (en inglés) (16 de noviembre de 2026)