O erro de transformar post-mortem em tribunal de RH

Quando a empresa trata incidente como falha moral de quem apertou o botão do deploy, acontece o efeito mais previsível da história: da próxima vez, quem vir um erro suspeito no log vai esconder, apagar rastro ou enrolar duas horas antes de escalar o alerta.

Engenharia confiável (como documenta o Google SRE Book) parte do princípio oposto: humanos cometem erros sob pressão, cansaço e ferramentas ruins. O post-mortem existe para blindar o sistema contra o erro humano inevitável.

Modelo pronto em Markdown (copie direto para o repositório)

Esqueça formulários de oito páginas em Word que ninguém lê depois. Cole a estrutura abaixo em `docs/postmortems/YYYY-MM-DD-incidente.md` e preencha em vinte minutos:

# Post-Mortem: [Título curto do incidente] — YYYY-MM-DD

- **Duração do impacto:** 17h59 BRT – 18h42 BRT (43 min)
- **Impacto real:** 18% dos checkouts retornando HTTP 500
- **Gatilho imediato:** Migration sem lock_timeout + chave Redis v1 antiga

## Linha do Tempo
- 17:59 — Merge do PR #842 e início do deploy automático.
- 18:02 — Alerta de latência > 5s e pool de conexões em 100%.
- 18:11 — Sessão bloqueadora encerrada via pg_terminate_backend.
- 18:42 — Cache limpo por prefixo v2 e taxa de erro zerada.

## Causa Raiz Sistêmica
1. CI não bloqueava ALTER TABLE sem lock_timeout.
2. Chaves de cache compartilhadas não incluíam versão de schema.

## Ações Corretivas (Com Dono)
- [ ] Adicionar linter SQL no CI bloqueando migrations sem lock_timeout (@engenharia)
- [ ] Incluir hash de schema no prefixo de chave Redis (@plataforma)

A pergunta final que valida qualquer post-mortem

Se ao terminar de escrever o documento sua única conclusão for "prestar mais atenção na próxima sexta", apague e comece de novo. Uma boa ação corretiva muda código, teste de CI, alerta de monitoramento ou permissão de deploy.

Post-Mortem Inútil (Teatro) vs. Post-Mortem que Protege Produção

AspectoTeatro BurocráticoPost-Mortem Real (Blameless)
Foco principal"Quem aprovou esse PR na sexta?""Por que o CI deixou essa migration passar?"
Tamanho7 páginas de desculpas genéricas1 página seca com horários, métricas e causas
Plano de ação"Time deve redobrar cuidados"2 tarefas técnicas reais com PR e prazo no backlog
Efeito culturalMedo de tocar em código críticoTransparência e detecção rápida de falhas

Perguntas Frequentes (FAQ)

Todo bug pequeno precisa de post-mortem formal?

Não. Reserve post-mortems para incidentes que causaram indisponibilidade relevante ao usuário, perda/corrupção de dados, violação de SLA ou quase-acidentes graves que exigiram intervenção manual fora de hora.

Quanto tempo depois do incidente o documento deve ser fechado?

Idealmente em até 48 horas úteis após a estabilização, enquanto os logs, dashboards e decisões tomadas no canal de incidente ainda estão acessíveis e claros.

Clientes externos devem receber o mesmo texto técnico interno?

O documento interno deve manter detalhes crus de arquitetura, comandos e falhas de processo. Para clientes, derive um resumo objetivo explicando impacto, correção aplicada e prevenção sem expor vulnerabilidades internas.

Referências e Fontes

Sobre a Autoria

Senior Dev Esgotado (SQL //sequela)

Staff Engineer & Sobrevivente de Produção

Engenheiro sênior movido a café frio e post-mortems das 23h. Documenta falhas reais de infraestrutura, rituais corporativos inúteis e a ergonomia duvidosa de quem mantém sistemas críticos no ar.

  • 12+ anos apagando incêndios em produção às sextas-feiras
  • Especialista em Sistemas Distribuídos, Post-Mortems e Sobrevivência a Dailies