Propósito
El Ingeniero de Site Reliability (SRE) tiene como propósito garantizar la disponibilidad, confiabilidad, escalabilidad y eficiencia operativa de los sistemas y servicios críticos de la organización, combinando prácticas de ingeniería de software con operaciones.
El SRE trabaja en estrecha colaboración con los equipos de desarrollo, operaciones y producto para implementar y fortalecer prácticas de observabilidad, gestión de incidentes, respuesta ante fallos, automatización y mejora continua, asegurando que los servicios cumplan con los acuerdos de nivel de servicio (SLA/SLO) establecidos y mantengan una experiencia de usuario óptima.
Asimismo, se encarga de detectar fallas en tiempo real, liderar la respuesta técnica inicial, automatizar tareas repetitivas, reducir el MTTR y proporcionar análisis basados en datos para prevenir incidentes futuros y mejorar continuamente la confiabilidad del entorno productivo.
Disponibilidad y confiabilidad de servicios
- Diseñar, implementar y mantener sistemas resilientes que cumplan con SLO/SLA.
- Asegurar la operación 7x24 y la continuidad del servicio respetando error budgets.
Observabilidad y análisis (end‑to‑end)
- Implementar y mantener observabilidad (métricas, logs, trazas) y alertas accionables.
- Administrar dashboards y reglas de alerta en la plataforma de monitoreo utilizada.
- Definir, medir y monitorear SLI/SLO por servicio.
- Analizar tendencias y degradaciones con datos (queries de métricas, logs y trazas).
Gestión de incidentes y postmortems
- Actuar como primer nivel técnico especializado: detección y diagnóstico inicial.
Coordinar la escalación y apoyar la resolución durante incidentes P1/P2.
- Documentar y dar seguimiento a postmortems/RCA y planes de acción.
- Reducir MTTR y prevenir reincidentes.
Confiabilidad, automatización y mejora continua
- Aplicar prácticas SRE (toil reduction, automatización, release readiness, error budgets).
Automatizar tareas operativas (scripts, pipelines CI/CD, remedios).
- Identificar y ejecutar optimización de arquitectura, rendimiento y costos.
Gestión de capacidad y escalabilidad
- Analizar tendencias de uso y crecimiento para anticipar necesidades de infraestructura.
- Planificar y validar escalabilidad y performance de los servicios.
Colaboración transversal
- Colaborar con Desarrollo, QA, Seguridad, Infraestructura y Producto desde el diseño.
- Asegurar que los nuevos servicios cumplan estándares de observabilidad, mantenibilidad y confiabilidad antes del go‑live.
Seguridad y cumplimiento
- Asegurar cumplimiento de políticas de seguridad, privacidad y normativas aplicables.
- Colaborar en controles, evidencias y auditorías conforme a marcos internos.
Documentación técnica y cultura SRE
- Mantener documentación clara y actualizada (arquitectura, procesos, runbooks, SLI/SLO, RCA).
- Promover principios SRE y buenas prácticas dentro de los equipos relacionados.
(incluir al gerente secundario si es pertinente)
- Sub Director Service Reliability Engineering (SRE)
