Son las 3am. Un pod entra en crash loop, salta la alerta, y despiertan a una persona para hacer algo que un script habría hecho en segundos. La respuesta a incidentes en Kubernetes sigue siendo manual, no porque los fixes sean difíciles, sino porque nada conecta la detección con la resolución. Este artículo recorre los niveles de automatización y cómo subir por ellos sin perder el control.

Las alertas no son resolución

Un dashboard que se pone en rojo te dice que existe un síntoma. No reúne contexto, no decide qué hacer, ni actúa. La brecha entre “algo va mal” y “ya está arreglado” es donde se va el tiempo de guardia, y es la misma brecha, noche tras noche, para el mismo puñado de fallos.

El trabajo en esa brecha siempre es el mismo bucle: detectar, triar, diagnosticar, remediar, documentar. Automatizar la respuesta a incidentes es comprimir ese bucle, paso a paso.

Los niveles de automatización

Nivel 0: alertas. Te llega el page. Todo lo que viene después es humano. Aquí vive la mayoría de los equipos.

Nivel 1: runbooks y scripts. Escribes (o automatizas) el fix de los fallos conocidos. Mejor, pero frágil: los scripts se desfasan de la realidad, asumen un estado del cluster que quizá no se cumple, y aún necesitan a alguien que elija el correcto bajo presión.

Nivel 2: auto-remediación determinista. Un motor de reglas reconoce una firma conocida (un CrashLoopBackOff, un OOMKilled, un rollout atascado) y aplica un fix probado, sin modelo y sin adivinar. Rápido y predecible, pero solo cubre los patrones que hayas codificado.

Nivel 3: resolución asistida por IA. Un agente lee el cluster en vivo, razona sobre la causa raíz y propone el fix exacto. Una persona aprueba y se ejecuta. Esto cubre los casos enredados que una regla no puede enumerar, manteniendo a alguien en el loop.

Nivel 4: remediación autónoma. Para incidentes bien entendidos y de alta confianza, el agente actúa solo dentro de guardarraíles y escribe el postmortem. La persona revisa después, en vez de que la despierten.

La mayoría de los equipos no necesita elegir un solo nivel: un setup sano usa todos: fixes deterministas para lo común, IA para lo ambiguo, y autonomía solo donde se la ha ganado.

Hacerlo seguro: cuatro principios

Automatizar quién-puede-cambiar-tu-cluster es exactamente tan delicado como suena. Cuatro principios lo mantienen cuerdo:

Determinismo primero. Si un fallo tiene un único fix correcto, codifícalo como regla, no como prompt. Reserva el modelo para la ambigüedad real. Es más barato, más rápido y auditable.
RBAC en cada acción. La automatización debe actuar como un principal con permisos reales, nunca como una puerta trasera con modo dios. Nunca puede hacer más de lo que el cluster le concede.
Un audit trail en cada cambio. Quién (o qué) cambió qué, antes y después, y por qué. Sin esto, la autonomía no rinde cuentas, y el primer cambio malo termina el experimento.
Humano en el loop por defecto, autonomía por excepción. Empieza con proponer-y-aprobar. Gradúa tipos de incidente concretos y bien entendidos a autónomos solo cuando ya confías en ellos.

Cómo KubeBolt cierra el bucle

KubeBolt está construido justo sobre esta progresión:

Detectar: el Insights Engine evalúa 24 reglas deterministas de forma continua y convierte cada hallazgo en una recomendación en lenguaje claro. Sin PromQL, sin modelo necesario.
Resolver, asistido: Kobi, el copiloto de IA, lee tu cluster en vivo con 17 herramientas de diagnóstico, halla la causa raíz y propone el fix exacto. Tú pulsas para ejecutar, bajo RBAC, con un audit trail antes/después y un switch de governance para acotar qué puede tocar.
Resolver, autónomo: Autopilot despierta solo cuando algo importa, abre una sesión, decide, actúa dentro de guardarraíles y escribe el postmortem. En nuestro MVP ya resuelve incidentes reales de extremo a extremo en menos de 90 segundos.

El hilo conductor son los cuatro principios de arriba: determinista cuando se puede, IA cuando hace falta, RBAC y auditoría en todas partes, y tú al mando de hasta dónde llega.

Si quieres ver primero la capa determinista en acción, se instala en menos de dos minutos y empieza a mostrar fixes de inmediato.