Pular para o conteúdo

O que mudou antes do alerta

Incident Management · SLOs, incidentes e plantão

O alerta é ligado ao serviço e às mudanças recentes dele, a pessoa de plantão é chamada no canal que confirmou, o runbook certo é sugerido e a linha do tempo vira o rascunho do postmortem. A causa provável é tratada como hipótese com evidência, não como veredito.

O problema

O que este produto resolve

No meio de um incidente, a primeira pergunta é sempre "o que mudou?", e a resposta está espalhada em várias ferramentas.

Sem orçamento de erro, toda falha parece igual, e o time não sabe quando parar de entregar para estabilizar.

Depois do incidente, o postmortem depende de alguém reconstruir a história de memória, e o cliente fica sabendo pelo próprio erro.

atualizado em

Quem usa e para quê

Perfis típicos, sem nomes de clientes. Cada uso leva o status da funcionalidade que o atende.

  • Time de SREAcompanhar orçamento de erro e burn rate de cada serviço em mais de uma janela.SLOs & error budgets
  • Plantão de engenhariaSer chamado no canal que confirmou e conduzir o incidente pelo Slack do time, com papéis e escriba.Incident response
  • Time de suporte ao clientePublicar incidentes e manutenções numa página pública, sem expor nada interno.Status page

Funcionalidades

O que o produto faz

Contratação pela conta, em autoatendimento.

  • SLOs & error budgets

    SLI, orçamento de erro, burn rate em várias janelas e mudanças recentes do serviço.

  • Incidents

    Alertas do Alertmanager e do Sentry, deduplicação, linha do tempo e rascunho de postmortem sugerido por IA a partir dela, publicado só com aprovação de uma pessoa.

  • On-call & runbooks

    Escalas de plantão e escalonamento, com chamada por e-mail e WhatsApp (Voxentra Flow) nos canais que cada pessoa confirma, horário silencioso e reconhecimento que para o escalonamento; não chama por SMS nem por ligação. Runbooks versionados por serviço e tipo de alerta, sugeridos ao abrir o incidente, com execução passo a passo auditada; ação com efeito (automação n8n ou ferramenta MCP) só roda com aprovação humana na hora.

  • Incident response

    Abertura manual e exercício (inclusive pelo GameDay do caos, sem chamar o plantão e fora do DORA), papéis de comandante, escriba, comunicação e operações, comando /incidente no Slack do próprio time com assinatura conferida, escriba que registra as mensagens do canal do incidente e separa decisões e ações, e escalonamento para Jira, ServiceNow e PagerDuty com a credencial do cliente cifrada, e Prometheus do cliente como fonte de saúde dos SLOs.

  • Status page

    Página pública por organização, que só o owner publica: componentes do catálogo, estado derivado de incidentes abertos e SLOs, histórico de 90 dias, incidentes e manutenções escritos por pessoas (nada interno sai sozinho) e inscrição por e-mail com confirmação.

Como funciona

Do começo ao registro

  1. SLO

    O serviço tem indicador, objetivo e orçamento de erro, com burn rate em janela longa e curta.

  2. Alerta

    Alertas chegam por webhook assinado, são deduplicados e ligados ao serviço e às mudanças recentes.

  3. Plantão

    A pessoa da escala é chamada por e-mail ou WhatsApp; sem reconhecimento, o segundo nível é chamado.

  4. Runbook

    O runbook do serviço é sugerido; ação que altera algo só roda com aprovação de outra pessoa.

  5. Resposta

    Papéis, comandos no Slack do time, escriba no canal e chamado no Jira, ServiceNow ou PagerDuty.

  6. Comunicação

    Uma pessoa publica o incidente e as atualizações na página de status; os inscritos são avisados.

  7. Postmortem

    A linha do tempo vira rascunho, a IA sugere o texto, e quem administra o workspace aprova a versão final.

Funcionalidades

Funcionalidade por funcionalidade

O que cada uma faz, como funciona, um exemplo tirado da documentação e o que ela não faz. O selo de cada bloco vem do catálogo.

SLOs & error budgets

Saber quanto de erro cabe antes de o usuário reclamar

Cada serviço do catálogo ganha indicador (SLI), objetivo e orçamento de erro. O SLI é a razão entre eventos bons e o total na janela, sem os intervalos em manutenção; o orçamento gasto e o burn rate saem de fórmulas que a tela mostra.

Ao lado do SLO aparecem as mudanças recentes do mesmo serviço, implantações e alterações de flag, para ligar o consumo do orçamento ao que mudou.

Como funciona

  • Orçamento de erro = 1 − objetivo; orçamento gasto = (1 − SLI) ÷ (1 − objetivo).
  • Alerta em várias janelas: só dispara quando a janela longa e a curta passam do limite, o que evita alarme por pico isolado.
  • Queima rápida: 1 hora e 5 minutos acima de 14,4. Queima lenta: 6 horas e 30 minutos acima de 6.
  • SLO composto com pesos, anotações por SLO e reinício auditado do orçamento de erro, com motivo obrigatório; o orçamento esgotado pode barrar a promoção de uma release pela política de entrega.
  • Alerta de burn rate deixa o componente do serviço como degradado na página de status.
  • Leitura pela API v1 e pelo servidor MCP, com SLI, orçamento e burn rates.
Pela API (só leitura) Chave com o escopo engineering:read, ligada a um workspace.
Base: https://aiuby.com/api/v1
GET /engineering/slos        # SLOs do workspace (objetivo em porcentagem)
GET /engineering/slos/{id}   # estado do SLO; só leitura: não grava alerta

O que não faz

  • A API e o MCP só leem: criar e alterar SLO é de quem administra o workspace, pela tela.
  • Coleta própria só do Prometheus, por consulta agendada com URL HTTPS pública; outras ferramentas enviam as amostras pela API.
  • Até 100 SLOs por workspace.

Incidents

Do alerta ao postmortem numa linha do tempo só

Alertas do Alertmanager, do Sentry ou de qualquer ferramenta que envie JSON chegam por webhook assinado. Alerta repetido é agregado, alerta novo do mesmo serviço em 60 minutos junta no incidente aberto, e o incidente nasce ligado ao serviço do catálogo com as mudanças das 6 horas anteriores marcadas como "mudança próxima no tempo".

A linha do tempo registra cada alerta, mudança de estado, nota, chamada de plantão e passo de runbook. Dela sai o rascunho de postmortem: a estrutura é montada sem modelo, e a IA, quando ligada, sugere o texto, sempre com a causa escrita como "Hipótese (não confirmada)".

Como funciona

  • Quatro estados (disparado, reconhecido, mitigado, resolvido) e quatro severidades, de sev1 a sev4.
  • Tetos contra tempestade de alertas: incidentes abertos por workspace e por fonte, e novos por hora; fora do teto, o alerta junta no incidente aberto mais recente.
  • O rascunho vai ao modelo pelo Gateway, com custo registrado, orçamento, política e mascaramento do workspace; pessoas aparecem só como [P#].
  • O que o modelo devolve é conferido: citação inexistente é descartada e causa sem evidência válida não entra.
  • Cada geração ou edição grava uma versão nova; nada é sobrescrito.
  • Só quem administra o workspace aprova, com o incidente resolvido e toda ação com responsável e prazo; a versão aprovada vira o postmortem publicado, que não muda mais.
Rascunho e aprovação do postmortem Gerar é de quem responde ao incidente; aprovar, só de quem administra o workspace.
POST /api/platform/incidents/{id}/postmortem/drafts
{ generate: true }

POST /api/platform/incidents/{id}/postmortem/drafts/{version}/approve

O que não faz

  • A IA não confirma causa: a hipótese fica marcada como não confirmada até uma pessoa decidir.
  • Alertmanager e Sentry não assinam no formato da AIUBY: entre eles e a plataforma vai um repassador que assina a entrega.
  • Título e texto do alerta ficam como chegam, sem mascaramento; só labels de uma lista fixa são guardadas.
  • São até 10 gerações por IA por incidente, e a API v1 não devolve linha do tempo nem postmortem.

On-call & runbooks

A pessoa certa é chamada, e o passo a passo fica registrado

Escala de plantão com rotação semanal, substituições por período e segundo nível, chamado em 15 minutos sem reconhecimento. A chamada sai por e-mail e por WhatsApp (pelo Voxentra Flow do workspace), nos canais que cada pessoa confirma com um código, respeitando o horário silencioso de cada um; sev1 sempre chega.

Runbooks versionados por serviço e tipo de alerta são sugeridos ao abrir o incidente, com o motivo. A execução é passo a passo: instrução se marca feita ou pulada, e ação que altera algo (automação n8n registrada ou ferramenta MCP de escrita) só roda depois que outra pessoa aprova, na hora.

Como funciona

  • Canal nasce pendente e recebe um código de 6 dígitos, que vale 15 minutos; só a própria pessoa confirma, e canal pendente nunca recebe chamada.
  • Cada chamada tenta os canais confirmados em ordem de prioridade, com até 3 tentativas por canal, e não duplica envio.
  • Reconhecer, mitigar ou resolver o incidente cancela o que falta enviar e para o escalonamento.
  • Editar um runbook cria a versão seguinte; a execução num incidente fica presa à versão que usou.
  • O pedido de ação é montado, congelado e validado antes; fica aguardando aprovação por 30 minutos e roda uma única vez, em nome de quem aprovou.
  • Cada envio, falha e passo de runbook entra na linha do tempo do incidente e na auditoria.
Cadastrar e confirmar um canal de plantão O código só é aceito da própria pessoa; qualquer outra recebe 403.
POST /api/platform/oncall/contacts
{ channel, address, priority?, userId? }

POST /api/platform/oncall/contacts/{id}
{ code }

PUT /api/platform/oncall/preferences
{ timezone, quietStart, quietEnd }

O que não faz

  • Não chama por SMS nem por ligação telefônica; o canal responde que não está configurado.
  • A sugestão de runbook é por regra (mesmo serviço, tipo de alerta), sem modelo de IA; runbook sem critério nunca é sugerido.
  • A API v1 e o MCP leem runbooks, mas não executam passos.
  • Com o kill switch de agentes da organização ligado, nenhuma ação de runbook roda.

Incident response

Conduzir o incidente pelo chat, com registro e papéis

O incidente pode nascer de uma pessoa, pela tela ou pelo comando /incidente no Slack do seu time. O canal onde ele foi aberto vira o canal do incidente: o escriba grava cada mensagem na linha do tempo e separa o que começa com "decisão:" e "ação:".

Exercícios usam o mesmo caminho, marcados como exercício: não chamam o plantão, não entram no DORA nem nos sinais de rollout, e mostram quantos minutos o time levou até reconhecer, mitigar e resolver. Começar um GameDay do caos abre o exercício sozinho.

Como funciona

  • Papéis de comandante, escriba, comunicação e operações, um titular por papel, cada troca na linha do tempo.
  • Comandos: abrir, ack, mitigar, resolver, nota, decisão, ação, papel, status e resumo.
  • Cada pessoa do Slack é ligada a uma pessoa do workspace; o comando roda com as permissões dela.
  • Assinatura do Slack conferida em toda requisição, com janela de 5 minutos; segredo guardado cifrado.
  • Escalonamento para Jira, ServiceNow e PagerDuty com a credencial do cliente cifrada: um chamado por incidente e integração, com número, severidade e link.
  • O rascunho de postmortem lê as decisões e ações registradas pelo escriba.

Exemplo de uso

O pagamento cai às 2h. Quem está de plantão digita /incidente abrir sev1 Pagamentos fora no canal do time, passa o comando para outra pessoa com /incidente papel commander, escreve "decisão: voltar a versão anterior" e escalona para o PagerDuty da operação. De manhã, o postmortem começa da linha do tempo com essa decisão.

O que não faz

  • O app do Slack é do seu time: a AIUBY recebe comandos e mensagens, não publica no canal.
  • Integrações só com endereço HTTPS público; nada vai para rede interna.
  • O escriba não resume com IA: guarda o que foi escrito e separa pelo prefixo combinado.
  • O chamado aberto no Jira, ServiceNow ou PagerDuty não tem o estado sincronizado de volta; Microsoft Teams não é suportado.

Status page

Seus clientes veem o estado do serviço, não os bastidores

Uma página pública por organização, sem login, com os componentes escolhidos do catálogo de engenharia, o estado de cada um e o histórico de 90 dias. Ela nasce desligada, e só o owner da organização liga ou desliga.

O estado de um componente automático segue os incidentes abertos e os SLOs do serviço, só o estado, nunca o texto. Incidentes públicos, atualizações e manutenções são escritos por uma pessoa: nada interno sai sozinho.

Como funciona

  • Quatro estados: operacional, degradado, indisponível e em manutenção; durante a manutenção, os sinais internos não mudam o estado.
  • Título, alertas, notas, linha do tempo, pessoas, postmortem e números internos nunca vão a público.
  • Texto público com segredo ou dado pessoal é recusado na gravação e redigido de novo na leitura.
  • Inscrição por e-mail com confirmação em duas etapas e descadastro em um clique, que apaga o e-mail.
  • A tela mostra só contagens de inscritos, nunca a lista de e-mails.
  • Cada publicação, atualização e manutenção fica na auditoria.
API pública da página Rotas sem sessão, com limite de leituras e de inscrições por IP.
GET /api/status/{endereço}                    # retrato público em JSON
POST /api/status/{endereço}/subscribe         # { email } → inscrição (202)
POST /api/status/confirm                      # { token } → confirma
POST /api/status/unsubscribe?token=           # descadastro

O que não faz

  • Uma página por organização, presa ao workspace onde vivem os serviços.
  • Os avisos por e-mail aos inscritos só saem com o envio configurado para a organização; sem isso, nenhum aviso sai.
  • Não publica nada sozinha: incidente interno muda só o estado do componente automático.
  • Página desligada ou inexistente responde 404 igual, sem revelar que existe.

IA e limites

O que a IA faz aqui, e o que nunca faz sozinha

Faz

  • Sugere o texto do rascunho de postmortem a partir da linha do tempo numerada do incidente.
  • Cita os itens da linha do tempo em que cada afirmação se apoia; citação inexistente é descartada.
  • Escreve a causa sempre como "Hipótese (não confirmada)", e só quando há evidência válida.

Não faz

  • Não publica postmortem: só quem administra o workspace aprova uma versão.
  • Não confirma causa nem muda o estado do incidente.
  • Não escolhe nem executa runbook: a sugestão é por regra, e a execução é de pessoas.
  • Não escreve na página de status.

Governança e segurança

Regras que o código impõe

  • Cada entrega de alerta é assinada com o segredo da fonte e aceita só dentro de uma janela de 5 minutos.
  • Do alerta, só labels de uma lista fixa são guardadas; título e texto ficam como chegam, sem mascaramento.
  • O texto livre de um incidente pode ser apagado a pedido, e o de incidente resolvido é apagado sozinho depois de 400 dias.
  • Canal de plantão só recebe chamada depois que a própria pessoa confirma o código; ninguém confirma por outra.
  • Ação de runbook que altera algo exige aprovação de outra pessoa na hora, vale por 30 minutos e roda uma única vez.
  • Postmortem só é publicado com aprovação de quem administra o workspace, e a versão aprovada não muda mais.
  • A página de status só é ligada pelo owner, e texto público com segredo ou dado pessoal é recusado.
  • Comando do Slack só roda com assinatura válida e nas permissões da pessoa do workspace ligada a quem digitou.
  • Exercício de incidente não chama o plantão e fica fora do DORA e dos sinais de rollout.

Integrações

Com o que se conecta

Só integrações que existem no código. Cada uma leva o status da funcionalidade que a usa.

  • Prometheus AlertmanagerWebhook de alertas.Incidents
  • SentryWebhook de integração de issues.Incidents
  • Webhook genéricoQualquer ferramenta que envie JSON.Incidents
  • E-mailChamada de plantão no endereço que a pessoa confirmou.On-call & runbooks
  • WhatsApp (Voxentra Flow)Chamada de plantão pelo Flow cadastrado no workspace, com entrega assinada.On-call & runbooks
  • n8nPasso de runbook que dispara um workflow registrado no workspace.On-call & runbooks
  • Ferramentas MCPPasso de runbook que chama uma ferramenta revisada; escrita só com aprovação.On-call & runbooks
  • Slack (app do seu time)Comando /incidente e escriba do canal do incidente, com assinatura conferida.Incident response
  • Jira, ServiceNow e PagerDutyChamado aberto pelo incidente, com a credencial do cliente cifrada.Incident response
  • PrometheusFonte de saúde do SLO: consulta agendada da série de bons e de total.SLOs & error budgets
  • Webhooks de eventosAbertura, atualização e resolução de incidente e chamada de plantão como eventos assinados.Connectors & webhooks
  • API v1 e servidor MCPLeitura de SLOs, incidentes e runbooks por chave de API.API, CLI & keys

Perguntas frequentes

Respostas diretas

O que já dá para usar hoje?

Disponível: SLOs & error budgets, Incidents, On-call & runbooks, Incident response, Status page. Contratação pela conta, em autoatendimento.

Substitui a minha ferramenta de plantão?

Disponível: On-call & runbooks, Incident response. Depende do canal. On-call & runbooks tem escala com rotação semanal, substituições, segundo nível, horário silencioso e chamada por e-mail e por WhatsApp, pelo Voxentra Flow do workspace. Não chama por SMS nem por ligação, e não há aplicativo de celular. Se o seu time usa o PagerDuty, o incidente pode ser escalonado para lá.

Dá para conduzir o incidente pelo Slack?

Disponível: Incident response. Sim, pelo app do Slack do seu próprio time: o comando /incidente abre, reconhece, mitiga, resolve e distribui papéis, com a assinatura do Slack conferida em toda requisição e cada pessoa do Slack ligada a uma pessoa do workspace. O escriba grava as mensagens do canal do incidente e separa decisões e ações pelo prefixo, sem IA. A AIUBY não tem app próprio no Slack, e Microsoft Teams não é suportado.

Integra com Jira, ServiceNow ou PagerDuty?

Disponível: Incident response. Sim, na saída: o incidente pode abrir um chamado no Jira, no ServiceNow ou no PagerDuty, um por incidente e integração, com a credencial do cliente guardada cifrada e só para endereço HTTPS público. O estado do chamado externo não volta sincronizado.

A IA diz qual foi a causa do incidente?

Disponível: Incidents. Não como veredito. A mudança recente ligada ao alerta aparece como hipótese, com a evidência, e no rascunho de postmortem a causa sugerida vem marcada como hipótese não confirmada. Só uma pessoa que administra o workspace aprova o postmortem.

O runbook executa ações sozinho?

Disponível: On-call & runbooks. Não. Instruções são marcadas como feitas ou puladas por quem responde. Ação que altera algo, como uma automação n8n ou uma ferramenta MCP de escrita, fica aguardando e só roda depois que outra pessoa que responde ao incidente aprova, na hora; cada passo entra na linha do tempo e na auditoria.

A página de status publica os meus incidentes internos?

Disponível: Status page. Não. Incidentes públicos, atualizações e manutenções são escritos por uma pessoa. Do incidente interno, o componente automático herda só o estado, nunca título, alertas, notas, pessoas ou postmortem. A página nasce desligada, e só o owner da organização liga.

Quanto custa?

Disponível: SLOs & error budgets, Incidents, On-call & runbooks, Status page. Não há preço próprio publicado para este produto. As funcionalidades dependem do contrato Cortex, o mesmo do Engineering Intelligence, e são liberadas por organização pela equipe AIUBY. O rascunho de postmortem com IA consome o saldo pré-pago da organização, como qualquer chamada de modelo.

Funciona junto com

  • Software DeliveryImplantações do serviço aparecem como mudança próxima no tempo do incidente e ao lado do SLO.
  • Developer PortalOs serviços do catálogo são os mesmos dos SLOs, dos runbooks e dos componentes da página de status.
  • AI EngineeringO rascunho de postmortem passa pelo mesmo Gateway, com o orçamento e a política do workspace.

Incident Management

Contratação pela conta, em autoatendimento.