La caída de Microsoft 365 del 12 y 13 de noviembre no se explica solo por un defecto de software. El informe preliminar que Microsoft ha enviado a sus clientes, fechado el 15 de noviembre, describe cómo fallaron casi a la vez varias de las salvaguardas pensadas para evitar que un problema así llegara a los usuarios: las pruebas de carga, el aislamiento entre particiones, la recuperación automática y las herramientas para deshacer cambios. El resultado fueron unas 24 horas sin correo para la mayoría de los usuarios de Exchange Online.
Las claves de los fallos de seguridad operativa de Microsoft 365 en 30 segundos
- Las pruebas de carga se hicieron en hardware con menos núcleos que el de producción y no detectaron el defecto.
- Las barreras entre particiones no contuvieron el fallo: en menos de dos horas cayó más del 80 % de los servidores de pasarela.
- La recuperación automática trasladaba la carga a servidores sanos y los hacía caer.
- La reversión y los interruptores de funcionalidades no servían para un cambio de julio; hubo que preparar una actualización.
En opensecurity.es ya repasamos el origen de la caída en un parche de julio. El documento completo, correspondiente a los incidentes EX1550543 y MO1550821, permite ir un paso más allá y ver qué defensas no funcionaron, algo útil para cualquier equipo que gestione cambios en infraestructura crítica. Microsoft insiste en que no hubo ataque ni hace falta ninguna acción en los inquilinos o dispositivos de los clientes.
Un defecto latente que las pruebas no vieron
El origen fue una corrección de Windows hecha específicamente para los servidores de pasarela de red de Microsoft 365. Según el informe, introdujo un problema de contención de cerrojos en un proceso interno que, bajo ciertas condiciones de tráfico, agotaba el procesador y la memoria. Microsoft empezó a desplegarla en julio y funcionó más de tres meses sin impacto.
La primera defensa que falló fueron las pruebas. Las de carga se hicieron en máquinas menos potentes y con menos núcleos que las de producción, y el defecto se manifestaba con más fuerza precisamente en el hardware reciente. Es un caso de manual de entorno de pruebas que no representa a producción. Tampoco ayudó que el problema necesitara una combinación concreta de carga para aparecer: casi un 14 % de capacidad fuera de servicio desde el día anterior por otra causa, y el traslado del tráfico de Teams a la pasarela principal que compartía con Exchange Online a las 01:07 UTC del 12 de noviembre.
Aislamiento y recuperación automática que propagaron el fallo
Las grandes plataformas en la nube se dividen en particiones con barreras, los llamados mamparos, para que un fallo en una zona no arrastre al resto. El informe reconoce que esas barreras no aguantaron. El impacto empezó a las 16:20 UTC y en menos de dos horas más del 80 % de los servidores de pasarela había dejado de responder en el peor momento.
La recuperación automática empeoró la situación. Al detectar servidores caídos, los sistemas movían sus conexiones a los que seguían sanos, que con la carga extra activaban el mismo defecto y caían a su vez. Exchange Online, por su escala, no podía sacar su tráfico de esas pasarelas como sí hicieron parcialmente otros servicios. Es un patrón conocido en ingeniería de fiabilidad: un mecanismo pensado para fallos aislados se convierte en amplificador cuando el fallo es sistémico.
La última defensa también llegó tarde. La reversión de despliegues, el despliegue escalonado (flighting) y los interruptores de funcionalidades sirven para cambios recientes, pero no para uno aplicado meses atrás y ya asentado. Los ingenieros tuvieron que crear una actualización que devolvía el código a su estado anterior, y su aplicación empezó a las 07:20 UTC del 13 de noviembre. Europa estaba recuperada a las 11:35 UTC y Microsoft dio el incidente por resuelto a las 16:10 UTC.
Lecciones para la gestión de cambios propia
Microsoft da por completadas varias medidas: revertir la actualización, ampliar el plazo de entrega del correo, añadir capacidad y monitorización, y poner salvaguardas en la distribución del tráfico. Los cambios de fondo en pruebas y aislamiento quedan para el informe final, previsto para el 20 de noviembre de 2026.
Mientras tanto, el documento deja varias preguntas que cualquier equipo de sistemas o seguridad puede hacerse sobre su propia infraestructura: si los entornos de prueba reproducen el hardware y la carga de producción, si hay un plan para revertir cambios antiguos y no solo el último despliegue, si la recuperación automática tiene límites para no propagar un fallo general, y si los servicios críticos dependen de un mismo componente compartido. También refuerza algo que ya comentamos al hablar de cómo reclamar el SLA tras la caída: la continuidad del negocio no puede depender solo de un proveedor, por grande que sea.
El informe preliminar original, en inglés, está disponible aquí: informe preliminar de Microsoft sobre la caída de Microsoft 365 de noviembre de 2026 (PDF, 121 KB).
Preguntas frecuentes
¿Fue un ciberataque la caída de Microsoft 365?
No. El informe la atribuye a un defecto en una corrección de Windows para las pasarelas de red de Microsoft 365, unido a otros factores de carga.
¿Por qué las pruebas no detectaron el fallo?
Porque las pruebas de carga se hicieron en hardware con menos núcleos que el de producción, donde el defecto era más grave.
¿Por qué no se pudo revertir el cambio enseguida?
La reversión, el flighting y los interruptores de funcionalidades no servían para un cambio desplegado meses antes, así que hubo que preparar una actualización nueva.
Fuentes:

