Η πρώτη προτεραιότητα είναι να αποκαταστήσεις τη λειτουργία, μετά να βρεις την αιτία — η αντιμετώπιση προηγείται της διάγνωσης. Θα δήλωνα ένα incident, θα ανέθετα ξεκάθαρους ρόλους, και θα οδηγούσα προς την ταχύτερη ασφαλή αποκατάσταση, επικοινωνώντας σε όλη τη διαδρομή.
Η σιωπή γεννά πανικό. Στέλνω ενημερώσεις με σταθερό ρυθμό ακόμα και όταν δεν υπάρχουν νέα:
[14:05] Investigating — checkout is down, ~40% of users affected. Next update 14:20.
[14:20] Identified: bad deploy. Rolling back now. ETA 10 min.
[14:35] Service restored. Monitoring. Postmortem to follow.
Τα outages είναι αναπόφευκτα· το πώς τα διαχειρίζεσαι ορίζει την εμπιστοσύνη της ομάδας και τη βεβαιότητα του πελάτη. Ο ήρεμος, βασισμένος σε ρόλους συντονισμός μαζί με το blameless follow-up μετατρέπει μια κακή μέρα σε ισχυρότερο σύστημα — και σηματοδοτεί στους μηχανικούς σου ότι είναι ασφαλές να κινούνται γρήγορα επειδή η αποτυχία αντιμετωπίζεται ως διαδικασία, όχι ως κυνήγι μαγισσών.