Microsoft revela por qué Outlook estuvo caído casi 24 horas: las tres fallas que provocaron el colapso global

Microsoft identificó un error de software, un aumento inesperado del tráfico y una reducción en la capacidad de sus servidores como las tres causas de la caída global que afectó a Outlook, Teams y otros servicios de Microsoft 365 en más de 70 países. En el peor momento, más del 80% de los servidores de la infraestructura afectada dejó de responder.
En el momento más crítico de la caída, más del 80% de los servidores de la puerta de enlace de red dejó de responder.
En el momento más crítico de la caída, más del 80% de los servidores de la puerta de enlace de red dejó de responder.
Compartir nota:

Microsoft dio a conocer los detalles técnicos detrás de la caída masiva que afectó a Outlook, Teams y Copilot durante casi 24 horas y generó interrupciones en más de 70 países. La compañía identificó tres factores que, al combinarse, desencadenaron una serie de fallas en cascada en su infraestructura de red y dejaron fuera de servicio a varios de sus principales productos y servicios empresariales.

La explicación fue publicada por Charles Lamanna, vicepresidente ejecutivo de Copilot, Agentes y Plataformas de Microsoft, quien reconoció el impacto que tuvo el incidente sobre las organizaciones y los usuarios. Según detalló el directivo, el problema se originó en la puerta de enlace de red de Microsoft 365, una infraestructura fundamental que recibe las conexiones de los usuarios y las distribuye hacia los distintos servicios de la plataforma.

” Lamentamos profundamente el impacto en todos nuestros clientes y reconocemos el impacto que esto tiene en sus operaciones y negocios normales”, expresó Lamanna en una publicación en X. La compañía también anticipó que difundirá un informe post-incidente definitivo con información técnica adicional.

Las tres causas que provocaron la caída de Outlook y Microsoft 365

De acuerdo con el análisis preliminar de Microsoft, la interrupción no respondió a una única falla, sino a la coincidencia de tres problemas que, por separado, no necesariamente habrían generado un impacto de semejante magnitud.

1. Un defecto de software que permaneció oculto durante meses

El primer factor fue un error latente en una actualización de corrección destinada a los servidores de la puerta de enlace de red de Microsoft 365.

La actualización había atravesado los procesos de despliegue seguro de la compañía y comenzó a implementarse en julio. Durante más de tres meses, el software funcionó sin provocar inconvenientes, incluso después de extenderse a la infraestructura global.

Sin embargo, el jueves pasado, determinadas condiciones de carga hicieron que el defecto se manifestara. Como consecuencia, los servidores comenzaron a sobrecargarse y dejaron de responder correctamente.

Este comportamiento fue determinante para el desarrollo del incidente: un error que había permanecido inadvertido durante meses terminó convirtiéndose en el desencadenante de una interrupción de alcance mundial.

2. Un aumento repentino del tráfico de red

El segundo elemento fue un incremento de la carga sobre la infraestructura afectada. Según explicó Lamanna, Microsoft dispone de dos sistemas independientes de puertas de enlace de red, diseñados para alternar entre sí cuando se producen interrupciones o problemas operativos.

Quince horas antes de la caída masiva, Microsoft Teams realizó una conmutación por error (failover) desde la puerta de enlace alternativa hacia la principal. Esta última también proporciona infraestructura para Exchange Online, el servicio de correo electrónico empresarial de Microsoft.

El cambio, que forma parte de los mecanismos habituales de resiliencia de la compañía, modificó los patrones de tráfico y aumentó la cantidad de solicitudes que debía procesar la puerta de enlace principal.

De esta manera, una operación concebida para mantener la continuidad de los servicios terminó incrementando la presión sobre una infraestructura que ya contenía el defecto de software mencionado anteriormente.

3. Una reducción en la capacidad de los servidores

El tercer factor fue la pérdida de capacidad operativa de una parte de la infraestructura. Casi el 14% de los servidores de la puerta de enlace de red estaba fuera de servicio debido a otro inconveniente registrado el día anterior, que no estaba relacionado con la falla principal.

La combinación de una menor cantidad de servidores disponibles y un volumen de tráfico superior al habitual generó las condiciones necesarias para que el defecto de software se manifestara con mayor intensidad.

Además, el incidente ocurrió durante el horario de mayor actividad en Estados Unidos. En ese contexto, el mecanismo automático de Microsoft para redirigir el tráfico cuando detecta problemas de conectividad terminó concentrando todavía más solicitudes en los servidores que continuaban operativos.

El resultado fue un efecto dominó: los servidores comenzaron a acumular solicitudes hasta quedar sin capacidad de respuesta. En el momento más crítico, más del 80% de los servidores de la infraestructura afectada estaba inaccesible.

Por qué Outlook tardó casi 24 horas en recuperarse

Aunque la caída impactó sobre distintos productos de Microsoft 365, no todos los servicios tuvieron el mismo tiempo de recuperación.

Teams, OneDrive, SharePoint y las aplicaciones de Office lograron restablecerse en aproximadamente 11 horas y 50 minutos. Esto fue posible porque pudieron utilizar mecanismos alternativos para salir de la infraestructura de puerta de enlace de red afectada.

La situación fue diferente para Exchange Online, que no contaba con la posibilidad de realizar esa misma conmutación. Por este motivo, la recuperación del servicio de correo electrónico requirió más tiempo y no pudo completarse mediante los mecanismos habituales de reversión.

Según la cronología difundida por Microsoft, Exchange Online recuperó su funcionamiento a las 17:10 del 13 de noviembre, después de 23 horas y 50 minutos de interrupción. Sin embargo, el cierre oficial del incidente se registró recién a las 5:17 del sábado.

Cómo solucionó Microsoft la falla global

Para resolver el problema, los ingenieros de Microsoft desarrollaron una actualización destinada a corregir el defecto de software identificado en los servidores de la puerta de enlace de red.

Una vez confirmada la causa, la compañía pudo devolver el código afectado a un estado operativo correcto y comenzar a restablecer la infraestructura de manera progresiva. El procedimiento contempló la recuperación de grandes bloques de servidores, con el objetivo de normalizar el funcionamiento sin generar nuevas interrupciones.

La compañía publicará el informe post-incidente definitivo, en el que se espera que amplíe los detalles sobre las causas técnicas, las medidas correctivas y las acciones que implementará para evitar que una situación similar vuelva a repetirse.

El episodio vuelve a poner de manifiesto los desafíos que implica administrar servicios en la nube de alcance global. También evidencia que los mecanismos de redundancia y recuperación automática, aunque fundamentales para garantizar la disponibilidad, pueden amplificar una falla cuando coinciden con errores de software, picos de demanda y una capacidad operativa reducida.

Leer más

Compartir nota:

Publicaciones Relacionadas

Scroll to Top