La fiabilidad SRE cambia de cara con la inteligencia artificial, y no solo porque haya nuevos servicios que monitorizar. La IA llega por los dos lados a la vez: como dependencia de producción, con sus modelos y sus agentes, y como herramienta de explotación, con el análisis automático de incidentes y la remediación asistida. Los SRE acaban supervisando sistemas probabilistas con herramientas que también son probabilistas.
El diagnóstico del estudio State of SRE and Platform Engineering 2026 de Dynatrace es matizado: las prácticas SRE están ampliamente adoptadas, pero muchos equipos dedican más tiempo del que imaginaban a interpretar señales, a verificar lo que proponen las herramientas de IA y a recomponer datos dispersos.
Más que un estado de la cuestión, este artículo sigue el día a día de un equipo SRE y propone reflejos concretos para mantener el control: dónde ayuda de verdad la IA, dónde desplaza el trabajo y cómo darle progresivamente más autonomía.
Un día tipo: dónde se cuela la IA en la fiabilidad SRE
9 h, revisión de la guardia (on-call) de la noche. Dos alertas afectan al asistente de búsqueda del sitio de comercio electrónico: la latencia es normal, pero la tasa de clics sobre los resultados se ha desplomado. Ninguna herramienta ha lanzado un error; ha sido un indicador de negocio el que ha dado la alerta. La investigación muestra que se lanzó una actualización del índice vectorial con un modelo de embeddings equivocado.
11 h, la herramienta de análisis de incidentes propone una causa probable para una degradación de la API de pagos y sugiere reiniciar pods. Antes de aplicarlo, el ingeniero comprueba la topología, los despliegues recientes y los logs. La sugerencia es correcta, pero la verificación ha llevado veinte minutos.
15 h, revisión de los SLO. El panel tiene 140 indicadores, de los cuales una treintena no los mira nadie. La discusión gira en torno a cuáles eliminar.
Estas tres escenas resumen la evolución del oficio: nuevos modos de fallo silenciosos, un trabajo de supervisión de la automatización y una lucha permanente contra el ruido.
La IA, nueva dependencia de producción
El seguimiento de los modelos de IA es hoy uno de los usos más citados por los SRE, por delante de temas históricos como la gestión de incidentes o de SLO. No es casualidad: un modelo o un agente introduce riesgos que las métricas de infraestructura no ven. Deriva de las respuestas, datos de entrada de mala calidad, decisiones difíciles de explicar, exposición de datos sensibles.
Para estos sistemas, la disponibilidad ya no basta como definición de fiabilidad. Hay que seguir también la coherencia de las salidas, la precisión medida por evaluación, la latencia de inferencia y el coste. Detallamos estos indicadores en lo que las cargas de trabajo de IA cambian para los SRE, y la visión de conjunto en nuestra guía de observabilidad de la IA.
Por qué la automatización desplaza el trabajo en lugar de suprimirlo
Muchos equipos esperaban de la IA una caída clara del trabajo manual, una detección más rápida y menos costes. En los hechos, una parte del trabajo simplemente ha cambiado de naturaleza. Validar un análisis generado, controlar una remediación propuesta, comprobar que un agente no ha actuado fuera de su perímetro: todo eso lleva tiempo.
La razón principal es la falta de contexto. Una herramienta de IA que solo ve una parte de la pila (los logs sin la topología, las métricas sin los despliegues) produce conclusiones que un humano debe completar. Cuanto más rico y correlacionado es el contexto aportado, más rápida resulta la verificación. Ese es el interés de los enfoques que dan a los asistentes un acceso estructurado a la observabilidad, como el plugin de Dynatrace para Cursor o el servidor MCP de Dynatrace.
Menos señales, mejor elegidas
Cerca de nueve de cada diez organizaciones usan SLO en al menos una parte de sus sistemas, y las puertas de calidad automatizadas son casi universales. Sin embargo, la multiplicación de fuentes y de métricas sigue siendo el primer obstáculo citado. Con la IA aparece una trampa adicional: una puerta de calidad que se supera en preproducción no garantiza nada en un sistema probabilista. El control debe continuar en producción.
La regla práctica: partir de las cuatro señales de oro (latencia, tráfico, errores, saturación), añadir indicadores centrados en el usuario y, después, algunas señales de IA (deriva, coherencia, coste) que disparen una acción precisa.
En la práctica: dar autonomía a la IA por etapas
Paso 1: observar sin actuar
La IA analiza y propone, el humano decide y ejecuta. Se mide la tasa de propuestas acertadas durante varias semanas. Es la fase en la que se aprende a confiar, o no.
Paso 2: remediación supervisada
Para las acciones reversibles y bien comprendidas, la IA prepara la acción y un humano la valida con un clic. Cada acción queda trazada con el contexto que la justificó.
Paso 3: autonomía limitada y acotada
Solo pasan a automático las acciones de bajo riesgo, en un perímetro definido. Una política escrita y versionada fija las reglas, por ejemplo:
politique_autonomie:
service: api-catalogue
actions_autorisees:
- redemarrer_pod:
max_par_heure: 3
condition: "slo_latence en dépassement depuis 10 min"
- augmenter_replicas:
plafond: 12
actions_interdites:
- rollback_base_de_donnees
- modification_regles_reseau
escalade: astreinte-catalogue
journal: obligatoire
Paso 4: revisar con regularidad
Cada mes, examina las acciones automáticas: cuántas resolvieron el problema, cuántas se anularon, cuántas ocultaron una causa más profunda. Amplía o reduce el perímetro según esos resultados.
Paso 5: adaptar el post-mortem a los incidentes de IA
Añade a tu plantilla de post-mortem algunos apartados propios de la IA:
## Composant IA impliqué
- Modèle et version :
- Prompt ou configuration modifié récemment :
- Données ou index mis à jour :
## Détection
- Signal qui a alerté (technique / qualité / métier) :
- Délai entre dégradation et détection :
## Suite
- Nouvel exemple ajouté au jeu d'évaluation :
- Nouvelle règle de garde-fou :
Para relacionar rápidamente los logs de un incidente con consultas reutilizables, el método descrito en el análisis de patrones de logs se aplica también a los servicios de IA.
Buenas prácticas
- Definir la fiabilidad de un sistema de IA por su comportamiento, no solo por su disponibilidad.
- Alimentar las herramientas de remediación con un contexto completo: topología, despliegues, logs, eventos de negocio.
- Pasar a la autonomía solo con barreras de seguridad escritas, registro de actividad y un responsable identificado.
- Eliminar con regularidad los indicadores que no disparan ninguna decisión.
- Contar el tiempo dedicado a verificar la IA: es toil, y debe medirse.
Preguntas frecuentes
¿La IA va a sustituir a los SRE?
Nada lo indica. Desplaza el trabajo hacia la supervisión, la definición de barreras de seguridad y el análisis de sistemas más complejos. El juicio humano sigue siendo central en las decisiones de alto impacto.
¿Cómo saber si una remediación automática es fiable?
Midiéndola: tasa de éxito, tasa de anulación, incidentes ocultos. Una remediación solo es fiable si se ha observado en modo supervisado durante el tiempo suficiente sobre un perímetro estable.
¿Qué señales seguir en primer lugar en un servicio de IA?
Las cuatro señales de oro, un indicador de calidad obtenido de evaluaciones sobre el tráfico real, el consumo de tokens y un indicador de negocio ligado al servicio prestado.
Conclusión
La IA no simplifica la fiabilidad SRE; la vuelve más exigente y más interesante. Los equipos que mejor se desenvuelven tratan la observabilidad como una capa de contexto compartida, dan autonomía por etapas medidas y reducen el ruido en lugar de añadir señales. Los mismos reflejos que hicieron el éxito del SRE en los sistemas distribuidos siguen siendo la mejor brújula.
Para ir más lejos: AI is changing the reliability game for SREs (blog de Dynatrace, en inglés).
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba siempre los comandos y las opciones en su documentación oficial.