Çfarë bëni për të parandaluar të njëjtin lloj incident-i të ndodhë për herë të dytë?

Question

Accepted Answer

Bëj një **postmortem blameless** që gjen shkakun sistemik, pastaj kthe atë në action items **konkrete, të zotëruara dhe të gjurmuara** — dhe verifiko që ato vërtet realizohen. Qëllimi nuk është të gjesh kë të fajësosh; është të ndryshosh sistemin që e njëjta klasë dështimi të bëhet e pamundur ose vetë-zbuluese.

## Loop-i kryesor

1. **Postmortem blameless.** Ndërto një timeline të ndershëm: çfarë ndodhi, kur e zbuluam, si reaguam, cili ishte ndikimi. Faji vret të vërtetën që të duhet.
2. **Gërmo te shkaku sistemik**, jo te trigger-i. "Një inxhinier shtyu një config të keq" është një trigger; "nuk kishte validim ose staged rollout për config-et" është shkaku. Përdor **Five Whys** por ndalo te sistemi, kurrë te një person.
3. **Gjenero shtresa parandalimi**, jo një rregullim të vetëm:
   - **Parandalo** — bëje dështimin të pamundur (validim, types, guardrails).
   - **Zbulo** — kape më herët (alerte, SLO-të, synthetic checks).
   - **Zbut** — kufizo blast radius (rollback, flags, circuit breakers).
4. **Cakto pronarë dhe afate.** Një action item pa pronar është një dëshirë. Gjurmoji si punë reale në backlog.
5. **Verifiko dhe mbylle loop-in.** A u realizua rregullimi? A do ta kishte kapur origjinalin? A u përmirësuan vërtet MTTR dhe zbulimi?

## Trade-off-e dhe kurthe

- **Postmortem-e që prodhojnë dokumente, jo ndryshime** — dështimi më i zakonshëm. Asnjë follow-through do të thotë që do ta takosh të njëjtin incident përsëri.
- **Mbi-rregullimi i simptomës specifike** ndërsa klasa e bug-ut mbetet e hapur. Rregullo kategorinë, jo vetëm këtë instancë.
- **Alert fatigue** nga grumbullimi i zbulimit pa rregulluar; alertet e zhurmshme injorohen dhe incident-i tjetër kalon.
- **Kultura e fajit** e shtyn raportimin nën tokë; humbet near-misses që janë mësimet tuaja më të lira.
- Trajtoji **incident-et e përsëritura si sinjal i dështimit të procesit**, jo fat i keq — gjurmo përsëritjen si metrikë.

## Pse ka rëndësi

Incident-et janë tarifë shkollimi që e ke paguar tashmë; e vetmja humbje është të mos mësosh prej tyre. Një ekip që sistematikisht parandalon përsëritjen bëhet më i besueshëm çdo tremujor, ndërsa një ekip që vetëm fik zjarre i rijeton të njëjtat outage-e përgjithmonë. Ndërtimi i këtij learning loop — dhe sigurisë për të qenë i ndershëm në të — është një nga gjërat më të qëndrueshme që mund të lërë pas një Tech Lead.