SRE with AIOps

Manual especializado elaborado por Sunny Behl y Giridhar Kanikarapu, líderes en resiliencia digital y operaciones corporativas, enfocado en fusionar las disciplinas de Site Reliability Engineering (SRE) e Inteligencia Artificial para Operaciones de TI (AIOps). Su meta principal es evolucionar la administración de sistemas en la nube desde una postura reactiva y saturada de alertas hacia una gestión proactiva, predictiva y autorreparable (self-healing). Está dirigido a ingenieros de confiabilidad de sitios, arquitectos de operaciones DevOps, administradores de sistemas cloud y responsables de TI con experiencia previa en microservicios, métricas de telemetría y resolución de incidentes en entornos distribuidos.

El temario armoniza los preceptos clásicos de SRE —gestión de SLOs, SLIs, presupuestos de error y eliminación sistemática de trabajo rutinario (toil)— con técnicas avanzadas de machine learning y automatización. Enseña a diseñar modelos unificados de observabilidad integrando trazas distribuidas, logs y métricas; implementar algoritmos de detección no supervisada de anomalías (como Isolation Forests y autoencoders); automatizar la correlación de eventos para combatir la fatiga de alertas; y ejecutar análisis predictivo de causa raíz (RCA). Asimismo, introduce la experimentación con ingeniería del caos asistida por IA y la adopción de Large Language Models y agentes autónomos para la asistencia y orquestación en la sala de crisis.

El libro traslada estos conceptos a la práctica mediante el diseño de escenarios operativos reales inspirados en la banca y servicios críticos, donde se configuran asistentes conversacionales inteligentes y pipelines de monitoreo anticipatorio. Su mayor aporte radica en modernizar el marco de trabajo de Google SRE con la inteligencia artificial generativa y agéntica de última hornada. Deja de lado la configuración particular de productos propietarios específicos para concentrarse en patrones y arquitecturas reproducibles, por lo que el lector deberá traducir las soluciones a su propia infraestructura de monitoreo.