Por que o Outlook caiu? O que se sabe sobre a falha da Microsoft

O Outlook segue instável nesta sexta-feira, 13, um dia depois de sair do ar. A falha na Microsoft, que começou na quinta-feira, 12, impediu usuários de abrir suas caixas de entrada e afetou funções de outros serviços do Microsoft 365, como Teams e Copilot.

Parte dos servidores que a empresa colocou de volta em operação voltou a travar assim que começou a receber tráfego. Nesta manhã, a Microsoft relatava sinais de estabilização após testar uma correção, mas a recuperação ainda estava em andamento.

A Microsoft identificou sobrecarga em parte da infraestrutura e começou a reverter uma mudança recente na configuração da rede que coincidiu com o início da falha. A empresa afirmou que não havia indícios de atividade maliciosa. A origem da sobrecarga seguia em investigação.

Para Fabro Steibel, diretor-executivo do Instituto de Tecnologia e Sociedade do Rio de Janeiro (ITS Rio), uma hipótese é que uma mudança feita pela própria Microsoft tenha provocado a falha. “São sistemas complexos. Mas tem que esperar a investigação para acontecer”, diz, em entrevista à EXAME.

Como uma mudança na rede pode derrubar o Outlook?

O Outlook é o aplicativo que o usuário abre para ler o e-mail. Nas contas corporativas do Microsoft 365, quem armazena as mensagens e atende os pedidos de acesso à caixa de entrada é o Exchange Online.

Entre o aplicativo e a caixa postal, há sistemas que validam a identidade do usuário e encaminham cada solicitação ao servidor que pode atendê-la. Se esse caminho falha, trocar o aplicativo pelo navegador pode levar ao mesmo erro, porque os dois precisam chegar à mesma caixa de entrada.

Nos avisos sobre o incidente no Outlook, a Microsoft informou que parte dos servidores falhou nas verificações automáticas que indicam se uma máquina está em condições de receber tráfego.

Quando um servidor é retirado de operação, as solicitações passam para os que continuam funcionando. Se muitas máquinas saem ao mesmo tempo, as restantes precisam absorver uma parcela maior do trabalho. A infraestrutura pode ficar sobrecarregada mesmo com o número habitual de pessoas tentando acessar o e-mail.

Steibel aponta outro mecanismo que pode agravar uma falha desse tipo. Quando uma tentativa de conexão dá errado, o próprio sistema pode tentar de novo.

Com muitas solicitações falhando ao mesmo tempo, cada nova tentativa aumenta o volume que os servidores precisam processar e pode atrasar as demais.

Durante a recuperação, a Microsoft registrou um aumento nas chamadas internas entre o sistema que encaminha o tráfego e os servidores que processam as solicitações.

A empresa também observou que o próprio redirecionamento de conexões durante o reparo contribuiu para manter esse volume elevado.

As duas observações ajudam a explicar a pressão sobre a rede durante o incidente. O que disparou a falha inicial e se houve um ciclo de novas tentativas, como o descrito por Steibel, continuava em aberto.

Por que reiniciar os servidores não resolveu?

A Microsoft suspendeu implantações, reiniciou servidores e redirecionou conexões. Algumas máquinas voltaram a responder depois do reinício, mas falharam novamente quando começaram a receber solicitações.

É a diferença entre conseguir ligar um servidor e conseguir mantê-lo em operação enquanto ele atende usuários, recebe mensagens e troca informações com outros sistemas.

Na manhã de sexta-feira, a empresa relatou melhora depois de aplicar uma correção no processo responsável por estabelecer conexões seguras com os servidores.

A equipe passou a devolver o tráfego aos servidores em etapas, acompanhando se eles continuavam estáveis à medida que a carga aumentava.

Às 8h01, no horário de Brasília, a Microsoft informou que já havia concluído ações de recuperação em parte da infraestrutura da Ásia-Pacífico e trabalhava para estendê-las a outras regiões. Ainda havia possibilidade de falhas intermitentes.

Recuperar o acesso às caixas de entrada também deixava uma segunda tarefa.

Os servidores precisavam processar os e-mails que haviam se acumulado enquanto o serviço estava instável, ao mesmo tempo que recebiam mensagens novas.

A Microsoft ampliou para 48 horas o prazo de espera para entregas pendentes, dando mais tempo para que as mensagens em atraso fossem processadas.

O prazo dizia respeito à fila de e-mails. A empresa ainda trabalhava para normalizar o serviço e informou que detalharia a causa em um relatório após a recuperação.

Por que a falha chegou ao Teams, ao ChatGPT e ao Claude?

E-mail, agenda e reuniões aparecem em aplicativos diferentes, mas algumas dessas funções consultam os mesmos dados.

Quando alguém abre o calendário pelo Teams, por exemplo, o aplicativo pode depender do Exchange Online para buscar os compromissos.

A Microsoft informou que recursos do Teams, do Copilot e de outros produtos que dependem do Exchange Online ou dos serviços de e-mail foram afetados pela interrupção no Microsoft 365. Funções que operam sem essa conexão podiam continuar disponíveis.

A dependência também aparece fora da Microsoft. A OpenAI registrou erros no conector que liga o ChatGPT ao Microsoft 365.

A Anthropic informou que ferramentas de e-mail, calendário e busca do seu conector falhavam na maior parte das solicitações e que o Claude para Outlook também foi afetado.

O usuário podia conseguir conversar com o assistente e ainda assim receber um erro ao pedir que ele procurasse uma mensagem ou consultasse um compromisso. Para executar esse pedido, a IA precisava que o serviço da Microsoft entregasse os dados.

Na tarde de quinta-feira, o DownDetector registrou cerca de 130 mil relatos de problemas com o Outlook. O número indica a dimensão da onda de reclamações.

Como os avisos são espontâneos, o volume depende de quantas pessoas resolvem procurar a plataforma para registrar o problema. A Microsoft não divulgou um total de contas atingidas nos avisos consultados.

O custo de ter um plano B para a nuvem

Para Steibel, reunir e-mail, arquivos e reuniões em um só fornecedor pode ser a escolha mais eficiente no dia a dia.

Uma empresa consegue administrar permissões em um único ambiente, e os funcionários passam de um documento para uma reunião usando a mesma conta.

A dependência aparece quando várias ferramentas precisam da mesma infraestrutura e a empresa descobre, durante uma falha, que o caminho de reserva também passa por ela.

“O problema está na resiliência, está no fato de você não conseguir voltar ao ar rapidamente ou evitar cair por causa daquela dependência”, afirma. “Se você só usa o Teams e você não tem um outro serviço, você fica sem reunião”, diz.

Ter uma segunda plataforma de videoconferência resolve parte do problema. A equipe ainda precisa de um canal para avisar os participantes e distribuir o novo link se o e-mail e a agenda estiverem indisponíveis.

Para arquivos, Steibel cita a possibilidade de manter uma cópia em outro serviço ou em armazenamento próprio. A utilidade dessa cópia depende de ela estar atualizada e de poder ser acessada durante a interrupção.

“Isso aumenta o custo”, diz Steibel. Além de pagar por armazenamento ou licenças adicionais, a empresa precisa manter as cópias em dia, administrar acessos e testar se consegue recuperar os arquivos. Também precisa decidir quais atividades justificam esse gasto.

Uma equipe pode adiar uma reunião interna, por exemplo, enquanto uma central de atendimento precisa continuar recebendo solicitações de clientes e ter acesso aos registros necessários para respondê-las.

“Tudo aquilo que é muito, muito crítico precisa ter uma camada a mais”, diz Steibel.

---