Microsoft ha revelado las causas de la caída masiva que el pasado jueves 13 de noviembre dejó sin servicio a Outlook, Teams y Copilot en más de 70 países durante casi 24 horas. Según explicó la compañía, el origen del fallo fue un defecto de software que permaneció oculto desde julio de este año y que, combinado con un aumento del tráfico de red y una reducción de la capacidad de los servidores, provocó un colapso en cascada de la puerta de enlace de red que da soporte a los servicios de Microsoft 365.

El vicepresidente ejecutivo de Copilot, Agentes y Plataformas de Microsoft, Charles Lamanna, detalló en una publicación en X que el incidente se debió a tres factores principales. El primero fue un defecto latente introducido por una actualización de corrección para los servidores de puerta de enlace de red, que comenzó a desplegarse en julio y que, durante más de tres meses, no causó ningún impacto pese a estar implementada a nivel mundial. El segundo factor fue un aumento repentino de la carga: quince horas antes del colapso, Teams realizó una conmutación por error desde la puerta de enlace alternativa a la principal, lo que incrementó el tráfico y modificó sus patrones. El tercer factor fue que, simultáneamente, casi el 14% de la capacidad de los servidores de la puerta de enlace estaba fuera de servicio debido a un problema no relacionado surgido el día anterior.

«Lamentamos profundamente el impacto en todos nuestros clientes y reconocemos el impacto que esto tiene en sus operaciones y negocios normales», señaló Lamanna. En el peor momento, más del 80% de los servidores dejaron de responder. El mecanismo automático de redirección de usuarios agravó la situación al concentrar el tráfico en los puntos de conexión restantes, provocando un fallo en cascada.

Teams, OneDrive, SharePoint y las aplicaciones de Office lograron restablecerse en 11 horas y 50 minutos al poder conmutar fuera de la infraestructura afectada. Sin embargo, Exchange Online, incapaz de realizar esa conmutación, tardó 23 horas y 50 minutos en recuperarse por completo, hasta las 17:10 (hora peninsular española) del 13 de noviembre, aunque el cierre oficial del incidente se produjo a las 5:17 del sábado 15 de noviembre.

La solución definitiva consistió en desarrollar una actualización que corrigiera el defecto, lo que permitió restaurar la ruta de código a su estado correcto y restablecer progresivamente grandes bloques de infraestructura. Microsoft ha anunciado que publicará a lo largo de esta semana el informe post incidente definitivo con más detalles.