Kaj počnete, da preprečite, da bi se ista vrsta incidenta zgodila drugič?

Question

Accepted Answer

Izvedi **blameless postmortem**, ki najde sistemski vzrok, nato ga pretvori v **konkretne, olastninjene in sledene** akcijske elemente — in preveri, da dejansko pridejo v produkcijo. Cilj ni najti, koga obtožiti; je spremeniti sistem, da ta razred odpovedi postane nemogoč ali samozaznaven.

## Jedrna zanka

1. **Blameless postmortem.** Zgradi iskreno časovnico: kaj se je zgodilo, kdaj smo zaznali, kako smo se odzvali, kakšen je bil vpliv. Obtoževanje ubije resnico, ki jo potrebuješ.
2. **Kopaj do sistemskega vzroka**, ne sprožilca. "Inženir je potisnil slab config" je sprožilec; "ni bilo validacije ali postopnega rolloutsa za configje" je vzrok. Uporabi **Pet zakajev**, a se ustavi pri sistemu, nikoli pri osebi.
3. **Generiraj plasti preprečevanja**, ne enega popravka:
   - **Prepreči** — naredi odpoved nemogočo (validacija, tipi, varovala).
   - **Zaznaj** — ujemi jo prej (alarmi, SLO-ji, sintetične preverbe).
   - **Ublaži** — omeji polmer eksplozije (rollback, flagi, prekinjevalniki tokokroga).
4. **Dodeli lastnike in roke.** Akcijski element brez lastnika je želja. Sledi jim kot resničnemu delu v backlogu.
5. **Preveri in zapri zanko.** Ali je popravek prišel v produkcijo? Bi ujel izvirnega? Sta se MTTR in zaznava dejansko izboljšala?

## Kompromisi in pasti

- **Postmortmi, ki ustvarijo dokumente, ne sprememb** — najpogostejša odpoved. Brez izpeljave boš znova srečal isti incident.
- **Pretirano popravljanje specifičnega simptoma**, medtem ko razred buga ostaja odprt. Popravi kategorijo, ne le tega primera.
- **Utrujenost od alarmov** zaradi kopičenja zaznave brez uglaševanja; hrupni alarmi se ignorirajo in naslednji incident zdrsne skozi.
- **Kultura obtoževanja** žene poročanje v podzemlje; izgubiš skoraj-zgrešitve, ki so tvoje najcenejše lekcije.
- Obravnavaj **ponavljajoče se incidente kot signal odpovedi procesa**, ne smolo — sledi ponavljanju kot metriki.

## Zakaj je to pomembno

Incidenti so šolnina, ki si jo že plačal; edina potrata je, da se iz njih ne učiš. Ekipa, ki sistematično preprečuje ponovitve, postaja vsak kvartal zanesljivejša, medtem ko ekipa, ki samo gasi požare, znova in znova doživlja iste izpade. Gradnja te učne zanke — in varnosti za iskrenost v njej — je ena najtrajnejših stvari, ki jih Tech Lead lahko zapusti.