En agosto migré nueve nombres de dominio a un nuevo registrador: el sitio de NES Studio y los ocho dominios de sus medios. Una operación rutinaria que, sin embargo, provocó una avería de una semana en algunos dominios y, sobre todo, dejó una lección más amplia.
La avería
Durante la transferencia, varios dominios mostraron una página de aparcamiento en lugar de su sitio. Se descubrió por casualidad, menos de 24 horas después. En otro dominio, una clave de seguridad DNS que había quedado incoherente lo dejó inaccesible: la única acción correctora estaba en manos del registrador saliente. No se produjo ninguna de las dos salidas previstas; la avería se resolvió cuando la transferencia se llevó la clave consigo.
El error evitado
Para no volver a descubrir este tipo de avería por casualidad, escribí una herramienta que declara el estado deseado de cada zona DNS y lo compara cada día con la realidad. Primera versión: la herramienta leía el DNS existente y lo tomaba como estado deseado.
Era correcto el 5 de agosto, cuando todo funcionaba. El 6, algunos dominios ya habían pasado al nuevo registrador: su DNS existente era la página de aparcamiento. La herramienta habría copiado la avería, la habría declarado como objetivo, y el detector de desviaciones habría confirmado después, cada día, que todo era conforme.
Una herramienta que deduce su objetivo de lo existente solo es fiable mientras lo existente esté sano.
Dos principios que se derivan
El estado deseado se escribe, nunca se deduce. Lo que debe ser cierto lo declara una persona, se versiona, y es la realidad la que se compara con él, no al revés.
Se compara la cosa, no su forma. Dos claves de firma de correo tenían exactamente la misma longitud y una huella completamente distinta. Una clave se compara por su huella; una dirección, como una dirección. La mayoría de las falsas alertas proceden de una comparación superficial, y una herramienta que da falsas alarmas deja de leerse.
Más allá del DNS
El mismo error acecha a todos los proyectos de IA que «aprenden de lo existente»: un agente que deduce la buena práctica de sus datos actuales aprenderá también sus anomalías. Antes de automatizar, escriba lo que debe ser cierto.