01
La trayectoria de SRE más inusual que leerás este año
La medicina de urgencias y la ingeniería de confiabilidad son el mismo trabajo con pacientes distintos. No aprendí respuesta a incidentes en el libro de SRE de Google — lo viví durante 20 años y solo después descubrí que tenía un nombre.
Quirófano de urgencias · 2005–2020
Monitoreo de signos vitales — FC, SpO₂, presión, desviación de la línea base
Diagnóstico sin que el paciente hable — información incompleta, inferencia rápida
Protocolos quirúrgicos (POE) — sin improvisación bajo presión
Triaje — crítico vs. estable, asignación de recursos en segundos
Revisión de fallecimiento sin culpa — qué falló en el sistema, no quién falló
Sistemas en producción · 2021–hoy
Observabilidad — baselines Prometheus, alertas de burn-rate, detección de drift
Depuración de incidentes en vivo — logs parciales, RCA rápido
Runbooks — ejecutables, probados, versionados
Priorización de alertas — P0 vs. ruido, políticas de escalado
Post-mortems sin culpa — RCA, action items, memoria de patrones
03
Zenthrus AIOps — la plataforma que construí y en la que aposté mi negocio
La mayoría de los ingenieros usa Datadog. Yo construí la plataforma de loop cerrado sobre la que corren mis propios productos: detección, diagnóstico, remediación aprobada por humano, verificación y aprendizaje — con modelos locales por defecto: telemetría, métricas y diagnóstico quedan en la red; cuando se necesita un modelo externo, la llamada pasa por una puerta única, auditada, y sin dato identificable de cliente.
# El loop se cierra en menos de 5 minutos
Alerta disparada → Aurien diagnostica (RAG + razonamiento estructurado, con evidencia citada)
→ Humano aprueba (web / Slack Block Kit + HMAC / WhatsApp)
→ SSH ejecuta runbook (allowlist de 35+ comandos, todo auditado)
→ Health check verifica → Alerta resuelta
→ Thompson Sampling actualiza reputación del agente (reward 4D)
→ EpisodicMemory almacena el patrón → el próximo incidente se resuelve más rápido
DetecciónPredictiva, no reactiva
Prophet con detección de concept drift multiseñal (MAPE + KS Test + Page-Hinkley). Burn rates multiventana del libro de SRE de Google. Guardas deterministas donde los LLM no pertenecen — regla arquitectónica absoluta.
OfensivaRed team War Mode
Contenedor Kali autónomo (gVisor, cap-drop ALL, egress lockdown, TTL 300s) con 17 herramientas ofensivas en loop OODA, auto-mapeado a MITRE ATT&CK. Safety kernel fail-closed con 7 comprobaciones.
ResilienciaChaos engineering nativo
SRE Duel: el red team inyecta 15+ tipos de fallo, la IA blue-team debe detectar en un SLA de 30s. Los gaps de detección retroalimentan las prioridades de escaneo — la defensa evoluciona.
SeguridadDigital Twin shadow testing
Cada acción propuesta por la IA se simula en un gemelo digital antes de tocar producción. Un Safety Confidence Score habilita la ejecución. 21 capas de seguridad, 1.471 pruebas dedicadas.
SoberaníaIA local-first, air-gap capable
Modelos servidos vía Ollama con memoria pgvector y re-ranking cross-encoder. Ningún log, métrica o prompt sale de la red — requisito que diseñé, no un flag de feature.
SistemasAgente eBPF en Rust
Recolección a nivel de kernel (19 métricas) vía agente Rust/Aya — más SSH, Prometheus remote_write y API ingest. Aislamiento multi-tenant vía FK + PostgreSQL RLS + embeddings con tenant salt.
Conocer la plataforma →