A indisponibilidade de serviços de TI é um dos maiores riscos para empresas que dependem da tecnologia para operar. Imagine começar o expediente e descobrir que sua organização está sem acesso à internet, aos sistemas corporativos ou às aplicações essenciais para o funcionamento do negócio. Os colaboradores procuram respostas, os clientes entram em contato, os chamados aumentam e a equipe de TI precisa agir rapidamente.

Agora imagine que essa indisponibilidade dure 12 horas. Sua empresa estaria preparada?

Sua empresa estaria preparada? Essa é uma pergunta que, ao longo dos meus mais de 15 anos de experiência na área de tecnologia e, principalmente, na minha atuação como Coordenador de NOC na Pinpoint, considero cada vez mais importante. Vivemos em um cenário em que praticamente todas as operações dependem de tecnologia. Seja no varejo, na indústria, no setor financeiro ou em qualquer outro segmento, a conectividade deixou de ser apenas um recurso de apoio e passou a ser essencial para a continuidade dos negócios. Mesmo assim, muitas empresas ainda concentram seus investimentos em manter tudo funcionando, mas nem sempre se preparam adequadamente para o momento em que algo deixa de funcionar.

E é justamente sobre isso que precisamos conversar.

A operação perfeita existe?

Na minha experiência, não existe ambiente tecnológico totalmente imune a falhas. Podemos ter equipamentos modernos, múltiplos links de internet, soluções em nuvem, firewalls de última geração e uma infraestrutura muito bem planejada. Tudo isso contribui para aumentar a disponibilidade, mas não elimina completamente os riscos.

Uma falha elétrica, um rompimento de fibra óptica, um problema em uma operadora, uma alteração de configuração ou até mesmo um erro humano podem comprometer serviços importantes.

Quem trabalha diretamente com operações sabe que incidentes acontecem, muitas vezes nos momentos mais inesperados. Como coordenador, aprendi que não podemos avaliar a qualidade de uma operação apenas pela quantidade de incidentes que ela enfrenta, mas também pela forma como a equipe está preparada para lidar com eles.

Na Pinpoint, essa visão faz parte da responsabilidade de atuar na sustentação dos ambientes dos nossos clientes: identificar riscos, acompanhar o comportamento da infraestrutura e buscar respostas cada vez mais eficientes. Afinal, uma operação madura não é aquela que promete nunca falhar. É aquela que conhece seus riscos e sabe como agir quando uma falha acontece.

Quanto custa uma hora de indisponibilidade?

Essa é outra pergunta que considero fundamental. Quando um equipamento apresenta falha ou um link fica indisponível, nossa primeira preocupação técnica costuma ser identificar a causa e restabelecer o serviço. Mas precisamos olhar além do equipamento. Imagine uma loja que deixa de processar pagamentos ou de receber pedidos pelas plataformas digitais. Uma indústria que perde comunicação com seus sistemas de produção. Ou uma empresa cujos colaboradores não conseguem acessar suas ferramentas de trabalho. Em todos esses cenários, a indisponibilidade deixa de ser apenas um problema de TI e passa a ser um problema de negócio. Estamos falando de possíveis perdas financeiras, redução da produtividade, atrasos, insatisfação dos clientes e danos à reputação da empresa.

E existe algo que sempre procuro reforçar dentro de uma operação: nem todo incidente possui o mesmo impacto. Um serviço pode ficar indisponível por alguns minutos e provocar um prejuízo significativo. Enquanto outro, mesmo permanecendo fora por mais tempo, pode ter um impacto menor. Por isso, não basta olhar apenas para o tempo de indisponibilidade. Precisamos compreender a criticidade do serviço afetado e suas consequências para o cliente. Essa percepção é essencial para definir prioridades e direcionar corretamente os esforços das equipes.

O trabalho do NOC começa antes do incidente

Muitas pessoas enxergam um NOC (Network Operations Center) como uma central responsável por receber alarmes, abrir chamados e acompanhar problemas.

Mas a atuação de um NOC precisa ir muito além disso. Como coordenador, uma das minhas maiores preocupações é fazer com que a equipe não trabalhe apenas de forma reativa. Receber um alarme e atuar sobre ele é importante, mas identificar sinais de degradação antes que eles provoquem uma indisponibilidade é ainda mais valioso. Um link que começa a apresentar perda de pacotes, uma interface com utilização elevada ou um equipamento que registra falhas intermitentes podem estar demonstrando sinais de um problema maior.

Se essas informações forem acompanhadas corretamente, podemos antecipar ações e, em determinadas situações, evitar que um incidente aconteça. É nesse contexto que o monitoramento contínuo e a observabilidade ganham importância. Na Pinpoint, entendemos que acompanhar um ambiente não deve significar apenas saber se determinado equipamento está disponível ou indisponível. É necessário compreender seu comportamento, suas dependências e os possíveis impactos de uma degradação. Isso exige ferramentas, processos e, principalmente, profissionais preparados para interpretar as informações recebidas. Sempre reforço que uma equipe de NOC precisa desenvolver a capacidade de analisar cenários, questionar comportamentos anormais e compreender o ambiente que está sob sua responsabilidade.

Porque monitorar é importante, mas transformar informações em ações preventivas é o que realmente agrega valor à operação.

Ter redundância não significa estar preparado

Vamos imaginar uma situação bastante comum: Uma empresa possui dois links de internet e acredita que está protegida contra uma eventual falha de conectividade.

Mas será que essa redundância já foi testada?

Será que os serviços realmente continuarão funcionando caso o link principal apresente uma falha?

Existe alguma dependência que possa impedir a utilização do circuito secundário?

Essas perguntas precisam ser respondidas antes que o incidente aconteça.

Ao longo da minha trajetória, aprendi que não podemos tratar a existência de uma contingência como garantia de continuidade. É necessário testar, validar e revisar periodicamente os mecanismos de recuperação. E não estou falando apenas de infraestrutura. Uma operação também precisa ter processos claros e pessoas que saibam exatamente quais responsabilidades assumir durante uma situação crítica. Quem realiza o primeiro atendimento? Quem deve ser acionado? Quando é necessário escalar o incidente? Como será feita a comunicação com o cliente? Quais serviços precisam ser priorizados? 

Dentro de um NOC, essas definições fazem toda a diferença. Na Pinpoint, a organização dos fluxos operacionais, a definição de responsabilidades e o acompanhamento dos incidentes são elementos importantes para uma atuação estruturada. Como coordenador, também considero indispensável investir no desenvolvimento técnico dos analistas. Afinal, podemos ter excelentes ferramentas, mas são as pessoas que interpretam os cenários, executam os procedimentos e tomam decisões. Uma contingência que nunca foi testada é uma expectativa, não uma garantia.

Resiliência também depende de pessoas

Existe um ponto que considero especialmente importante e que, muitas vezes, recebe menos atenção do que deveria: o fator humano. Quando enfrentamos um incidente crítico, não são apenas os equipamentos e sistemas que entram em ação. Existem profissionais analisando informações, realizando testes, acionando fornecedores, comunicando clientes e buscando alternativas para restabelecer os serviços. E, nesses momentos, a preparação da equipe faz uma enorme diferença.

Como coordenador, entendo que minha responsabilidade não está apenas em acompanhar indicadores ou cobrar resultados. Também preciso garantir que os profissionais tenham orientação, conhecimento, processos claros e condições para executar suas atividades. Uma equipe bem preparada consegue identificar problemas com mais agilidade, realizar escalonamentos corretos e reduzir o tempo necessário para a recuperação de um serviço. Mas existe outro fator igualmente importante: a comunicação. Durante uma indisponibilidade, o cliente precisa saber que seu problema está sendo acompanhado, quais ações estão sendo realizadas e quando receberá novas atualizações.

Nem sempre teremos uma solução imediata. Entretanto, podemos oferecer transparência, organização e responsabilidade na condução do incidente. E isso contribui diretamente para a confiança que o cliente deposita na empresa. Na minha visão, a resiliência operacional é construída pela combinação de três pilares: tecnologia, processos e pessoas. Quando esses elementos trabalham de forma integrada, a organização aumenta sua capacidade de enfrentar situações adversas.

A importância de medir para melhorar

Outro aspecto essencial para a evolução de uma operação é a utilização dos indicadores corretos. No dia a dia de um NOC, acompanhamos informações que ajudam a compreender a eficiência do atendimento e da recuperação dos serviços. Indicadores como MTTA, que mede o tempo médio até o primeiro atendimento, e MTTR, relacionado ao tempo médio de resolução, são importantes para avaliar a capacidade de resposta.

Mas precisamos ir além. Também é necessário analisar a reincidência dos incidentes, identificar os principais ofensores, compreender os horários de maior ocorrência e avaliar quantos problemas poderiam ter sido evitados por meio de ações preventivas. Essas informações ajudam a transformar a operação. Em vez de apenas resolver os mesmos problemas repetidamente, conseguimos identificar oportunidades de melhoria e trabalhar na redução das causas que provocam as interrupções. É uma mudança de mentalidade que considero fundamental.

Resolver um incidente rapidamente demonstra capacidade de resposta. Evitar sua reincidência demonstra maturidade operacional.

E é essa evolução que precisamos buscar continuamente. Afinal, sua empresa sobreviveria a 12 horas de indisponibilidade? Retomando a pergunta inicial, acredito que a resposta não depende exclusivamente do tamanho da infraestrutura ou do volume de investimentos realizados em tecnologia. Depende também da capacidade da empresa de compreender seus riscos, antecipar problemas, executar contingências e mobilizar as pessoas certas quando necessário. Na Pinpoint, nosso trabalho está diretamente relacionado a esse desafio: contribuir para que os ambientes dos nossos clientes sejam acompanhados com responsabilidade, conhecimento técnico e foco na continuidade dos serviços. E, como Coordenador de NOC, acredito que precisamos enxergar nossa atuação de maneira cada vez mais estratégica. Não estamos apenas acompanhando links, equipamentos ou alarmes. Estamos acompanhando serviços que sustentam operações, movimentam negócios e impactam diretamente a experiência de milhares de pessoas. Essa responsabilidade exige atenção constante, evolução dos processos e desenvolvimento das equipes.

Por isso, deixo uma reflexão para os profissionais de tecnologia, gestores e empresários: Se sua empresa enfrentasse uma indisponibilidade crítica agora, sua equipe saberia exatamente o que fazer?

Se essa resposta ainda não estiver clara, talvez seja o momento de revisar seus processos, testar suas contingências e reavaliar sua estratégia de continuidade. Porque a diferença entre uma empresa vulnerável e uma empresa resiliente não está na ausência de falhas. Está na capacidade de continuar operando quando elas acontecem. E, para mim, esse é um dos maiores propósitos de um NOC: não apenas responder aos incidentes, mas contribuir para proteger a continuidade dos negócios.