Las 15-20 horas a la semana que un equipo de 7 países perdía en mantenimiento manual

Un equipo de Application Managed Services distribuido en 7 países perdía entre 15 y 20 horas semanales en mantenimiento manual repetitivo — backups, tuning de bases de datos, redimensionamiento de recursos. Automatizar ese trabajo con runbooks, en lugar de pedirle al equipo que lo absorbiera, redujo esas horas a casi cero en dos meses, sin sumar una sola persona al headcount.

Casi medio FTE en tareas que nadie discutía

Casi la mitad de un FTE completo, cada semana, en tareas que nadie discutía porque siempre se habían hecho así: correr backups a mano, ajustar bases de datos, prender y apagar recursos de nube según el horario. Necesario, sí. Pero repetitivo, propenso a error a ese volumen, y silenciosamente caro en un equipo que además atendía casos de clientes todos los días.

¿Por qué automatizar mantenimiento y no solo pedir más disciplina?

La opción fácil hubiera sido documentar mejor el proceso manual y pedirle al equipo más rigor. La decisión real fue distinta: ese no era un trabajo que las personas debieran seguir haciendo a mano de forma indefinida. Construimos un set de runbooks que automatizaba de punta a punta backups, rutinas de tuning y programación de recursos, y validamos cada uno con cuidado antes de retirar el proceso manual que reemplazaba.

¿Qué tan rápido se recupera esa capacidad?

En aproximadamente dos meses, esas 15-20 horas semanales de trabajo manual quedaron reducidas a prácticamente cero, completamente validadas. Ese tiempo regresó directo a resolución de casos y trabajo de mayor valor, en un equipo que servía a siete países, sin agregar una sola persona.

Toil: el nombre que la industria le da a este trabajo

En la disciplina de SRE de Google existe un término preciso para este tipo de trabajo: toil — trabajo operativo, repetitivo, automatizable, que no aporta valor duradero. La recomendación de la industria es que ningún equipo de operaciones dedique más del 50% de su tiempo a toil; cuando lo hace, ese es exactamente el síntoma de que algo necesita automatizarse antes de necesitar más gente.

La lección que me llevo

Antes de pedir más headcount para sostener una carga operativa, la primera pregunta debería ser cuánta de esa carga es trabajo repetitivo que ya podría estar automatizado. Recuperar capacidad casi siempre es más barato — y más rápido — que contratar para cubrir el síntoma.

Fuentes de datos: Google SRE Book — definición de toil y el umbral recomendado del 50% del tiempo de un equipo de operaciones.

Preguntas frecuentes

¿Cómo se recupera capacidad operativa sin aumentar headcount? Identificando primero cuánta de la carga es trabajo repetitivo y automatizable (toil), y automatizándolo con runbooks validados antes de retirar el proceso manual. En este caso, 15-20 horas semanales bajaron a casi cero en dos meses.

¿Qué es el toil en SRE? Trabajo operativo, repetitivo, automatable y manual que escala linealmente con el crecimiento del servicio y no aporta valor duradero. Google SRE recomienda que no supere el 50% del tiempo de un equipo de operaciones.