mayo de 2026

The Monoculture Premium

Cuando estandarizar el panorama de TI hace más frágil a la empresa, y cuánto conviene estandarizar en su lugar.

Resumen

Consolidar los sistemas de una empresa en menos plataformas es un consejo ortodoxo, y con buena razón: menos plataformas cuestan menos de operar, dotar de personal e integrar. Sostenemos que el consejo es acertado solo hasta cierto punto, que puede calcularse. La estandarización cambia muchos fallos pequeños e independientes por pocos fallos grandes y correlacionados; siempre que el daño de una caída crece más deprisa que su alcance, la pérdida esperada aumenta a medida que se consolidan las plataformas, aunque ningún fallo individual se vuelva más probable. En Nashua formulamos un modelo mínimo de una empresa que elige cuántas plataformas operar, con un coste de operación que disminuye con la consolidación y una pérdida por caída que es convexa en la proporción de la empresa que queda fuera de servicio, y derivamos en forma cerrada el número de plataformas que minimiza su suma. El resultado no es monótono: la estandarización completa es óptima cuando las caídas son raras, baratas o lineales, y en los demás casos lo es un número interior de plataformas, siendo la diferencia la prima de monocultivo que los casos de negocio de consolidación pasan por alto. Mostramos que la diversidad nominal sobrestima la diversidad efectiva siempre que las plataformas comparten un componente, y sostenemos que las cadenas fuertemente acopladas deben estandarizarse mientras que las funciones débilmente acopladas no. Anclada en la situación neerlandesa y en las regulaciones DORA y NIS2, esta investigación teórica concluye con la forma en que podría medirse.

Palabras clave: estandarización; consolidación de TI; riesgo de concentración; fallo correlacionado; monocultivo; resiliencia; diversificación de cartera; DORA; NIS2; Países Bajos; riesgo operacional

1. Introducción

Por estandarización entendemos la reducción del número de plataformas, productos, proveedores o componentes distintos que una empresa opera para un fin determinado, de modo que una parte mayor de la empresa dependa de cada uno de los que quedan. Es una de las recomendaciones menos controvertidas de la tecnología de la información. Menos plataformas significan menos licencias, menos competencias que mantener, menos integraciones que construir y menos cosas que proteger; la literatura de arquitectura empresarial trata un núcleo estandarizado como un cimiento para la ejecución (Ross, Weill & Robertson, 2006), y los programas de consolidación son un elemento fijo de toda revisión de costes. En Nashua recomendamos a menudo la estandarización, y este artículo no sostiene que sea errónea. Sostiene que no es monótona: beneficiosa hasta cierto punto, perjudicial más allá de él, y que ese punto puede calcularse a partir de magnitudes que una empresa puede estimar.

El argumento se hizo por nosotros el 19 de julio de 2024, cuando una actualización de contenido defectuosa de un producto de seguridad de puntos finales ampliamente desplegado inutilizó en cuestión de horas unos 8.5 millones de ordenadores Windows (Weston, 2024; CrowdStrike, 2024). El producto había sido elegido por miles de organizaciones por las mejores razones: era capaz, era el estándar, y ejecutar un solo agente de seguridad en todas partes era más sencillo que ejecutar varios. La caída alcanzó aerolíneas, aeropuertos, hospitales, emisoras y ministerios en la misma mañana, en los Países Bajos como en todas partes, porque todos se habían estandarizado en el mismo componente. Ninguno de ellos, individualmente, había cometido un error. Juntos habían construido un monocultivo, y un monocultivo falla todo a la vez.

La analogía ecológica es antigua (Geer et al., 2003) y se ha planteado habitualmente a propósito de la seguridad del software: una población que ejecuta un solo sistema operativo es vulnerable a un solo exploit. Este artículo formula una afirmación distinta y más amplia. El daño del fallo correlacionado no depende de un atacante; depende únicamente de la forma de la función de pérdida, de si perder toda la empresa de una vez es peor que perder sus partes por separado. Sostenemos que casi siempre lo es, mostramos que esto por sí solo hace que la pérdida esperada por caídas aumente con la consolidación, y derivamos cuántas plataformas debería operar una empresa en función de su probabilidad de caída, su escala de pérdida, la convexidad de su pérdida y el coste de cada plataforma adicional.

El artículo pregunta: ¿en qué condiciones estandarizar el panorama de TI aumenta en lugar de reducir la pérdida esperada de la empresa, y cuánto debería estandarizar una empresa en su lugar? La sección 2 sitúa la pregunta entre las literaturas que la han respondido en otros campos. La sección 3 presenta el modelo y el óptimo en forma cerrada. La sección 5 argumenta de dónde procede la convexidad y dónde está ausente. La sección 7 muestra por qué la diversidad nominal sobrestima la diversidad real. La sección 9 lee la situación neerlandesa a través del modelo. La sección 10 sigue un banco construido. Las secciones 12 a 16 ofrecen reglas, límites y conclusiones.

El enfoque neerlandés es deliberado. Los Países Bajos operan una identidad digital nacional a través de la cual la mayoría de los ciudadanos acceden a la administración, las aseguradoras de salud y los fondos de pensiones, y es un punto único de fallo por diseño. Su sector financiero está sujeto, desde enero de 2025, a una regulación europea que exige a las instituciones evaluar la concentración de sus dependencias de TIC y notificar los incidentes graves; sus sectores críticos están quedando bajo la transposición neerlandesa de una segunda regulación que amplía ese deber. El riesgo de concentración se ha convertido, en los Países Bajos, en una magnitud supervisada. Este artículo es un intento de ponerle precio.

2. Antecedentes

2.1 Los argumentos a favor de la estandarización

Los beneficios de la consolidación son reales y están bien documentados. Ross, Weill y Robertson (2006) mostraron que las empresas con un núcleo estandarizado e integrado ejecutaban su estrategia con mayor fiabilidad; Weill y Ross (2004) hallaron que las empresas de mejor desempeño restringían la elección local de infraestructura. La literatura profesional sobre el coste total de propiedad descansa en la misma economía: cada plataforma distinta acarrea costes fijos en licencias, competencias, herramientas, integración y seguridad que son en gran medida independientes de qué parte de la empresa sirve, de modo que el coste por unidad de servicio disminuye a medida que se consolidan las plataformas. Damos todo esto por sentado. El modelo de la sección 3 incluye un coste de operación que disminuye con la consolidación, y la afirmación del artículo trata de lo que debe contraponerse a él.

2.2 El fallo correlacionado en otros campos

Otros campos aprendieron hace mucho que la concentración y la fragilidad viajan juntas. En finanzas, Markowitz (1952) mostró que el riesgo de una cartera no depende del riesgo de sus posiciones sino de cómo se mueven conjuntamente, y que la diversificación entre activos imperfectamente correlacionados reduce el riesgo sin coste alguno en rentabilidad esperada; esa intuición es el fundamento de la disciplina. En ecología, May (1972) mostró que los sistemas más grandes y más conectados son, en igualdad de condiciones, menos estables, y Tilman, Reich y Knops (2006) demostraron experimentalmente que los ecosistemas diversos son más estables en su productividad que los monocultivos. Haldane y May (2011) trasladaron el argumento ecológico a la banca, mostrando que un sistema de instituciones que mantienen activos similares y están conectadas por exposiciones similares es propenso al fallo simultáneo que 2008 exhibió. En la gestión de la cadena de suministro, Sheffi (2005) documentó cómo la redundancia y la flexibilidad, y no solo la eficiencia, deciden qué empresas sobreviven a una disrupción, y la literatura de ingeniería de la resiliencia (Hollnagel, Woods & Leveson, 2006) ha hecho el mismo argumento para los sistemas sociotécnicos en general. En ingeniería de la seguridad, Perrow (1984) sostuvo que los sistemas fuertemente acoplados y de complejidad interactiva producen accidentes que son normales y no excepcionales, y Leveson (2011) que la seguridad es una propiedad de la estructura del sistema y no de sus componentes. En seguridad informática, Geer et al. (2003) sostuvieron que un monocultivo de software es una vulnerabilidad nacional porque un solo exploit alcanza a todos.

Cada una de estas literaturas contiene la afirmación del presente artículo en un vocabulario distinto. Lo que falta en la literatura de TI empresarial es el paso que las finanzas dieron en 1952: un modelo en el que el beneficio de la concentración y el coste de la correlación aparezcan en la misma ecuación, de modo que la disyuntiva pueda calcularse en lugar de afirmarse. La sección 3 es un intento de dar ese paso.

2.3 El riesgo de concentración como magnitud supervisada

El Reglamento europeo sobre la resiliencia operativa digital (Reglamento (UE) 2022/2554), aplicable a las entidades financieras desde enero de 2025, exige a las instituciones identificar y evaluar el riesgo de concentración de TIC derivado de la dependencia de proveedores terceros, y notificar los incidentes graves relacionados con las TIC a su supervisor, en los Países Bajos el banco central. La segunda Directiva sobre seguridad de las redes y sistemas de información (Directiva (UE) 2022/2555) extiende los deberes de notificación de incidentes y de gestión de riesgos a las entidades esenciales e importantes de los sectores críticos, a través de la ley neerlandesa de transposición. Ambas tratan la concentración como un riesgo que debe medirse y gestionarse, y ninguna dice cuánta concentración es demasiada. El modelo que sigue se ofrece como una respuesta, y los datos de incidentes que los deberes de notificación irán acumulando son, como sostiene la sección 15, el medio por el que podría calibrarse.

3. Un modelo mínimo

3.1 Planteamiento

Una empresa tiene NN funciones de negocio, cada una de las cuales debe ejecutarse en una plataforma. Elige cuántas plataformas distintas operar, mm, con 1≤m≤N1 \le m \le N; m=1m = 1 es la estandarización completa y m=Nm = N es una plataforma por función. Por claridad, tomamos las funciones repartidas uniformemente, N/mN/m por plataforma; los repartos desiguales se tratan en la sección 7.

Operar plataformas cuesta dinero. Cada plataforma distinta acarrea un coste c1c_1 por periodo que es independiente de cuántas funciones sirve: licencias, las competencias para operarla, sus herramientas, su integración con el resto, su seguridad. El coste de operación es

R(m)=c0+c1 m,(1)R(m) = c_0 + c_1 \, m, \tag{1}

Ecuación 1. Coste de operación del parque: una parte fija más un coste por plataforma.

donde c0c_0 es el coste que no depende del número de plataformas. Este es el argumento a favor de la estandarización: RR disminuye en c1c_1 por cada plataforma eliminada.

Las plataformas fallan. En cada periodo, cada plataforma sufre una caída incapacitante con probabilidad pp, con independencia de las demás; cuando ocurre, todas las funciones alojadas en ella quedan fuera de servicio durante la duración de referencia de la caída. La pérdida de una caída depende de la proporción ff de las funciones de la empresa que quedan fuera de servicio a la vez:

L(f)=ℓ fγ,(2)L(f) = \ell \, f^{\gamma}, \tag{2}

Ecuación 2. Pérdida por una caída como función convexa de la proporción de funciones fuera de servicio a la vez.

donde ℓ\ell es la pérdida si toda la empresa está fuera de servicio y γ\gamma es la convexidad de la pérdida. Si γ=1\gamma = 1 la pérdida es proporcional a la proporción fuera de servicio: perder la mitad de la empresa cuesta la mitad que perderla entera. Si γ>1\gamma > 1 la pérdida es convexa: perderla entera cuesta más del doble que perder la mitad. La sección 5 argumenta que γ>1\gamma > 1 es el caso normal y dice dónde no lo es.

3.2 Pérdida esperada y total

Con mm plataformas, cada una con una proporción 1/m1/m de las funciones, la pérdida esperada por caídas por periodo es

E(m)=m⋅p⋅ℓ(1m)γ=p ℓ m 1−γ(3)E(m) = m \cdot p \cdot \ell \left(\tfrac{1}{m}\right)^{\gamma} = p \, \ell \, m^{\,1-\gamma} \tag{3}

Ecuación 3. Pérdida esperada por caídas por periodo para mm plataformas con carga igual.

La expresión contiene la afirmación del artículo. Cuando γ=1\gamma = 1, E(m)=p ℓE(m) = p\,\ell para todo mm: la pérdida esperada no depende de cuántas plataformas haya, y solo decide el coste de operación, de modo que la estandarización completa es óptima. Cuando γ>1\gamma > 1, E(m)E(m) disminuye a medida que mm aumenta: más plataformas, cada una con menos carga, significan menos pérdida esperada, porque la convexidad penaliza las caídas grandes que producen pocas plataformas. La consolidación eleva la pérdida esperada no porque los fallos se vuelvan más probables, pp no cambia, sino porque cada fallo se vuelve más grande, y los fallos grandes cuestan más que su tamaño.

La empresa minimiza el total

T(m)=c0+c1 m+p ℓ m 1−γ(4)T(m) = c_0 + c_1 \, m + p \, \ell \, m^{\,1-\gamma} \tag{4}

Ecuación 4. Coste total: coste de operación más pérdida esperada por caídas, la cantidad que la empresa minimiza.

Tratando mm como continuo e igualando la derivada a cero se obtiene el óptimo en forma cerrada:

m∗=(p ℓ (γ−1)c1)1/γ(5)m^{*} = \left( \frac{p \, \ell \, (\gamma - 1)}{c_1} \right)^{1/\gamma} \tag{5}

Ecuación 5. El número óptimo de plataformas, en forma cerrada.

El número óptimo de plataformas aumenta con la probabilidad de caída pp, la escala de pérdida ℓ\ell y la convexidad γ\gamma, y disminuye con el coste de una plataforma c1c_1. Cuando la expresión es inferior a uno, la estandarización completa es óptima; el consejo ortodoxo se cumple. Cuando es superior a uno, un número interior de plataformas minimiza el coste total, y la diferencia T(1)−T(m∗)T(1) - T(m^{*}) es lo que llamamos la prima de monocultivo: la cantidad en que la estandarización completa cuesta más que el óptimo, por periodo, una vez contabilizada la pérdida por caídas.

3.3 Dos regímenes

La ecuación (5) divide a las empresas en dos regímenes, y el contenido práctico del artículo consiste en distinguirlos. La tabla 1 muestra ambos con parámetros ilustrativos, y la figura 1 dibuja el segundo.

Tabla 1. Dos regímenes del modelo, con parámetros ilustrativos. Costes y pérdidas en EUR millones por año; se omite c0c_0 porque no afecta al óptimo.

Baja exposición Alta exposición
Probabilidad de caída pp (por plataforma-año) 0.02 0.10
Pérdida si todo está fuera de servicio ℓ\ell 20 60
Coste por plataforma c1c_1 1.0 1.0
Convexidad γ\gamma 2 2
p ℓp\,\ell 0.4 6.0
m∗m^{*} según (5) 0.63 →\to 1 2.45 →\to 2–3
T(1)T(1): una plataforma 1.4 7.0
T(2)T(2): dos plataformas 2.2 5.0
T(3)T(3): tres plataformas 3.1 5.0
Prima de monocultivo T(1)−T(m∗)T(1) - T(m^{*}) 0 2.0

En el régimen de baja exposición, las caídas son raras y baratas, p ℓp\,\ell es pequeño en relación con el coste de una plataforma, y m∗m^{*} es inferior a uno: estandarizar por completo, como dice la ortodoxia. En el régimen de alta exposición, una caída incapacitante por plataforma y década y una pérdida de EUR 60 millones por una caída total, lo que no es exótico para un banco, una aerolínea o un grupo hospitalario, m∗m^{*} es de unas dos y media, operar una plataforma cuesta EUR 2 millones al año más que operar dos o tres, y el caso de negocio de consolidación ortodoxo, que solo cuenta c1c_1, está equivocado de signo.

Figura 1. El régimen de alta exposición de la tabla 1 (p = 0.10, ℓ = 60, c₁ = 1). El coste de operación aumenta con las plataformas; la pérdida esperada por caídas disminuye cuando la pérdida es convexa; su suma tiene un mínimo interior. Con γ = 2 el óptimo está entre dos y tres plataformas y una sola plataforma cuesta EUR 2 millones al año más; con γ = 1.5 el óptimo es dos y la prima es menor. Con γ = 1 la línea de pérdida sería plana y una sola plataforma sería óptima.
Figura 1. El régimen de alta exposición de la tabla 1 (p = 0.10, ℓ = 60, c₁ = 1). El coste de operación aumenta con las plataformas; la pérdida esperada por caídas disminuye cuando la pérdida es convexa; su suma tiene un mínimo interior. Con γ = 2 el óptimo está entre dos y tres plataformas y una sola plataforma cuesta EUR 2 millones al año más; con γ = 1.5 el óptimo es dos y la prima es menor. Con γ = 1 la línea de pérdida sería plana y una sola plataforma sería óptima.

3.4 La esperanza no es toda la historia

La ecuación (5) trata de la pérdida esperada, y la pérdida esperada subestima el argumento contra el monocultivo. Considérese el régimen de alta exposición con γ=1\gamma = 1, donde la pérdida esperada es de EUR 6 millones al año sea cual sea mm. Con una plataforma, la empresa no pierde nada en nueve años de cada diez y pierde EUR 60 millones en el décimo. Con tres plataformas, pierde EUR 20 millones en aproximadamente una cuarta parte de los años, EUR 40 millones en unos tres años de cada cien y EUR 60 millones en un año de cada mil. Las esperanzas son iguales; las distribuciones no. La empresa de una plataforma tiene cada año una probabilidad de una entre diez de sufrir una pérdida que puede superar un umbral de notificación regulatoria, un colchón de capital o una tolerancia reputacional; la empresa de tres plataformas tiene una probabilidad de una entre mil. Un consejo de administración que no sea indiferente al tamaño de su peor año, es decir, todos los consejos, debería preferir la distribución de tres plataformas incluso cuando las esperanzas son iguales, y esa preferencia se suma al argumento de la convexidad en lugar de depender de él. El apéndice A ofrece las cifras de cola.

4. Extensiones del modelo

El modelo mínimo hace cuatro simplificaciones que un profesional querrá relajar antes de fiarse de su número: las plataformas fallan de forma independiente, las funciones se reparten uniformemente, la pérdida de una caída no depende de su duración y la consolidación en sí es gratuita. Cada una puede relajarse sin perder la lección de la forma cerrada, y cada relajación desplaza el óptimo en una dirección que conviene conocer.

4.1 Choques comunes

Supóngase que, además del fallo independiente de cada plataforma, con probabilidad qq por periodo un choque común inutiliza todas las plataformas a la vez: falla un componente compartido, se propaga un ciberincidente, cae la región de un proveedor. La pérdida esperada pasa a ser

E(m)=q ℓ+(1−q) p ℓ m 1−γ(6)E(m) = q\,\ell + (1-q)\,p\,\ell\,m^{\,1-\gamma} \tag{6}

Ecuación 6. Pérdida esperada con un choque común que inutiliza todas las plataformas a la vez con probabilidad qq.

El choque común añade un suelo, q ℓq\,\ell, que ningún número de plataformas elimina, y reduce el beneficio de la diversificación en un factor (1−q)(1-q). El óptimo es el de la ecuación (5) con pp sustituido por (1−q) p(1-q)\,p: merece la pena operar menos plataformas cuando dominan los choques comunes, porque la diversificación no puede tocarlos. La lectura práctica es la que desarrolla la sección 7: el primer dinero debe ir a reducir qq, eliminando componentes compartidos, y solo después a aumentar mm, porque una plataforma añadida bajo un componente compartido no compra nada frente al choque que más importa.

4.2 Repartos desiguales y el diseño de núcleo y satélites

Las funciones rara vez se reparten uniformemente. El diseño habitual es una plataforma central que soporta la mayor parte de la empresa y satélites que soportan el resto, y la pregunta es si los satélites valen lo que cuestan. Con proporciones s1,…,sms_1, \dots, s_m que suman uno, la pérdida esperada es p ℓ∑jsjγp\,\ell \sum_j s_j^{\gamma}, que para un mm dado se minimiza con proporciones iguales, porque sγs^{\gamma} es convexa; cualquier desigualdad eleva la pérdida esperada por encima del caso uniforme. Un núcleo que soporta nueve décimas partes con dos satélites de una vigésima parte cada uno tiene, con γ=2\gamma = 2, una pérdida esperada de p ℓ (0.81+0.0025+0.0025)=0.815 p ℓp\,\ell\,(0.81 + 0.0025 + 0.0025) = 0.815\,p\,\ell, apenas por debajo del p ℓp\,\ell de la plataforma única, mientras paga por tres plataformas. Los satélites cuestan casi tanto como la diversificación real y no aportan casi nada de ella. El diseño que compensa es el que reparte la carga, y por eso el banco de la sección 10 separa la banca minorista de la banca de empresas en lugar de desgajar un pequeño satélite de un núcleo dominante.

4.3 Duración

La pérdida de una caída crece con su duración, y la duración depende del número de plataformas de dos maneras opuestas. La capacidad de recuperación es finita, de modo que una caída mayor tarda más en recuperarse si los mismos equipos deben restaurar todo en serie; esta es una de las fuentes de convexidad de la sección 5 y ya está incluida en γ\gamma. Frente a ello, un panorama con más plataformas tiene más cosas distintas que pueden romperse y más procedimientos de recuperación distintos que mantener, de modo que cualquier recuperación concreta puede ser más lenta por falta de práctica. El segundo efecto aboga por mantener mm moderado y por ensayar la recuperación en cada plataforma que se conserve, y es una de las razones por las que las reglas de la sección 12 prefieren la consolidación menor a la diversificación mayor.

4.4 El coste de consolidar

Una consolidación es una migración, y las migraciones son en sí mismas una fuente de caídas: datos trasladados, interfaces reconstruidas, personal reentrenado y un periodo de funcionamiento dual en el que la empresa depende tanto de lo antiguo como de lo nuevo. Un caso de negocio de consolidación debería incluir un término de riesgo único, la pérdida esperada por incidentes de migración, junto al ahorro recurrente, y debería reconocer que ese término crece con el número de plataformas eliminadas. El modelo no le pone precio, porque es un coste único y el modelo es por periodo, pero desplaza la decisión en la misma dirección que la prima: hacia la consolidación menor.

4.5 Sensibilidad del óptimo

La figura 2 dibuja el óptimo de la ecuación (5) frente al ratio p ℓ/c1p\,\ell / c_1, la exposición en relación con el coste de una plataforma, para tres valores de γ\gamma. Por debajo de un ratio de aproximadamente uno el óptimo es una plataforma sea cual sea la convexidad, y el consejo ortodoxo es seguro. Por encima, el óptimo aumenta, lentamente, con la exposición: un ratio de seis, el caso del banco, da de dos a tres plataformas; un ratio de veinte, un grupo hospitalario o una bolsa, da de tres a cinco. Las curvas son lo bastante planas como para que los parámetros exactos importen menos que el régimen: una empresa solo necesita saber aproximadamente si su ratio está por debajo de uno o claramente por encima para saber si está en el régimen ortodoxo o en el de la prima, y el apéndice ofrece la cuadrícula completa.

Figura 2. El número óptimo de plataformas frente al ratio de exposición p ℓ/c₁, para tres convexidades. Por debajo de un ratio de aproximadamente uno, la estandarización completa es óptima; por encima, el óptimo aumenta lentamente con la exposición. Las curvas se cruzan porque una mayor convexidad eleva la pérdida de las caídas grandes, pero también el beneficio de la primera división más que el de las posteriores.
Figura 2. El número óptimo de plataformas frente al ratio de exposición p ℓ/c₁, para tres convexidades. Por debajo de un ratio de aproximadamente uno, la estandarización completa es óptima; por encima, el óptimo aumenta lentamente con la exposición. Las curvas se cruzan porque una mayor convexidad eleva la pérdida de las caídas grandes, pero también el beneficio de la primera división más que el de las posteriores.

5. De dónde procede la convexidad

El resultado del modelo descansa en γ>1\gamma > 1: en la afirmación de que perder toda la empresa de una vez cuesta más que la suma de perder sus partes por separado. La afirmación debe argumentarse, no asumirse, y debe decirse dónde falla, porque donde falla el consejo ortodoxo es correcto.

5.1 Cinco fuentes de convexidad

Cobertura mutua. Cuando una función está fuera de servicio, otras la cubren: una sucursal atiende una llamada que la aplicación no puede atender, un almacén envía lo que el portal no puede vender, el personal trabaja en papel. La cobertura solo es posible si la función que cubre está operativa. Una caída parcial es absorbida por la cobertura; una caída total no tiene a nadie que cubra. La pérdida de la última función caída es por tanto mayor que la de la primera, y eso es convexidad.

Capacidad finita de soluciones alternativas. Una empresa tiene un número finito de personas que pueden ejecutar soluciones alternativas manuales, un número finito de líneas telefónicas y una tolerancia finita en sus clientes. Una caída pequeña cabe dentro de esa capacidad; una grande la excede, y el exceso se pierde por completo.

Umbrales. La notificación regulatoria, los créditos de servicio contractuales, la atención reputacional y la cobertura mediática tienen todos umbrales. Una caída por debajo del umbral cuesta su pérdida directa; una por encima cuesta su pérdida directa más las consecuencias del umbral. Los umbrales hacen que la función de pérdida dé saltos hacia arriba con el tamaño, lo que en conjunto es convexidad.

Paralelismo de la recuperación. La recuperación la realizan equipos de capacidad finita. Dos caídas independientes en plataformas distintas pueden recuperarse en paralelo por equipos distintos; una caída que abarca todo la recuperan en serie las mismas personas, de modo que su duración, y su pérdida, crece con su tamaño.

Contagio por dependencias. Las funciones dependen unas de otras. Una función que está operativa pero depende de una que está caída queda degradada; a medida que crece la proporción caída, la proporción degradada crece más deprisa, porque cada caída adicional elimina una dependencia de varias funciones supervivientes.

Cada fuente resulta familiar a cualquiera que haya gestionado un incidente, y juntas hacen de γ>1\gamma > 1 el caso normal para una empresa de funciones débilmente acopladas. El valor de γ\gamma es una cuestión empírica; usamos 1.5 y 2 como ilustraciones, y la sección 15 dice cómo podría medirse.

5.2 Donde la convexidad está ausente: el acoplamiento fuerte

El argumento se invierte donde las funciones están tan fuertemente acopladas que perder cualquiera de ellas es tan malo como perderlas todas. Una cadena de pagos en la que la autorización, la compensación y la liquidación deben funcionar todas para que cualquier pago se complete es un caso así: la caída de un paso detiene la cadena, y la pérdida por un paso caído es la pérdida por la cadena caída. Dentro de una cadena así γ≤1\gamma \le 1, la diversificación entre plataformas no compra nada, porque el fallo de cualquier plataforma lo detiene todo, y la estandarización es correcta: una plataforma, un modo de fallo, una recuperación. El acoplamiento fuerte de Perrow (1984) es la condición, y da al artículo su primera regla: estandarizar dentro de las cadenas fuertemente acopladas, diversificar entre las funciones débilmente acopladas. La unidad de diversificación no es la función sino la cadena, y una empresa debería cartografiar sus cadenas antes de contar sus plataformas.

La misma lógica responde a una objeción. Operar varias plataformas no ayuda si un fallo en una se propaga a las demás; la propagación es acoplamiento, y las plataformas acopladas son una sola plataforma a efectos del modelo. La diversidad solo cuenta donde las plataformas fallan de forma independiente, que es el tema de la sección siguiente.

6. Medir la convexidad

Todo en el modelo descansa en γ\gamma, y γ\gamma es una magnitud que ninguna empresa registra. Puede medirse, y esta sección muestra cómo con un ejemplo construido, de modo que una función de riesgos pueda hacer lo mismo con su propio registro de incidentes.

6.1 Los datos

Para cada caída del registro se necesitan dos números: la proporción de las funciones de la empresa que alcanzó, ff, y la pérdida que causó, LL, en las mismas unidades que ℓ\ell. La proporción suele poder recuperarse del registro del incidente, que nombra los sistemas afectados; la pérdida es más difícil, porque las empresas registran el coste directo de un incidente y rara vez su negocio perdido, sus compensaciones o sus consecuencias reputacionales, y la convexidad vive en gran parte en ellos. Un registro que solo recoge el coste directo subestimará γ\gamma. La medición comienza por tanto con un ejercicio único: para las diez o veinte caídas mayores del registro, reconstruir la pérdida completa junto con el negocio, incluyendo lo que se recuperó mediante cobertura y soluciones alternativas y lo que no.

6.2 El ajuste

Con la función de pérdida L=ℓfγL = \ell f^{\gamma}, tomar logaritmos da log⁡L=log⁡ℓ+γlog⁡f\log L = \log \ell + \gamma \log f, una recta cuya pendiente es γ\gamma. La tabla 2 presenta un registro construido de ocho caídas para una empresa con doce funciones, y el ajuste. Las caídas que alcanzaron una función costaron aproximadamente una vigésima parte de la cifra de la caída total, no una doceava parte; las que alcanzaron la mitad de la empresa costaron aproximadamente un tercio, no la mitad; la pendiente es de aproximadamente 1.8. El número es ilustrativo, pero su magnitud es lo que importa: una empresa cuyas caídas pequeñas son absorbidas por la cobertura y cuyas caídas grandes no lo son encontrará un γ\gamma claramente superior a uno, y el ajuste convierte ese hallazgo en un número en lugar de una impresión.

Tabla 2. Un registro de incidentes construido para una empresa de doce funciones, y la convexidad ajustada a él. Pérdida en EUR millones, reconstruida para incluir el negocio perdido y las compensaciones. La pendiente ajustada de log⁡L\log L sobre log⁡f\log f es γ≈1.8\gamma \approx 1.8; la ordenada en el origen da ℓ≈58\ell \approx 58.

Caída Funciones Proporción ff Pérdida LL L/ℓL/\ell
A 1 0.08 0.7 0.012
B 1 0.08 1.1 0.019
C 2 0.17 2.4 0.041
D 3 0.25 4.9 0.084
E 4 0.33 8.0 0.138
F 6 0.50 17.0 0.293
G 9 0.75 36.0 0.621
H 12 1.00 58.0 1.000

6.3 Leer los residuos

Los residuos del ajuste son tan informativos como su pendiente. Las caídas que costaron más de lo que la recta predice para su tamaño son aquellas en las que la cobertura falló, las soluciones alternativas se agotaron o se cruzó un umbral; sus registros dicen cuál, y al decirlo identifican las fuentes de la sección 5 que están activas en esta empresa. Las caídas que costaron menos de lo predicho son aquellas en las que la cobertura funcionó, e identifican las capacidades manuales y mutuas de la sección 7 que merece la pena conservar. Una empresa que ajusta la recta y lee los residuos aprende tanto su γ\gamma como las razones de él, lo que es más de lo que el modelo pide y exactamente lo que la decisión de consolidación necesita.

6.4 Elicitar γ\gamma sin datos

Donde el registro es escaso, γ\gamma puede acotarse por elicitación. Pregúntese al negocio, para una caída pequeña y para una grande, cuánto tiempo aguanta la cobertura y qué fracción del valor sostiene; pregúntese dónde están los umbrales de notificación, contractuales y reputacionales y qué cuesta cruzar cada uno; pregúntese cómo escala la recuperación con el número de sistemas caídos. Cada respuesta da un punto de la curva de pérdida, y tres o cuatro puntos dan una pendiente. La elicitación es gruesa, pero lo es en el lugar adecuado: la decisión entre una plataforma y dos depende de si γ\gamma está cerca de uno o cerca de dos, y una elicitación normalmente puede distinguirlos.

7. Monocultivos ocultos

7.1 Diversidad nominal y efectiva

El modelo cuenta plataformas que fallan de forma independiente. Una empresa que opera tres plataformas de aplicaciones sobre un único sistema operativo, autentica las tres a través de un único proveedor de identidad, parchea las tres mediante un único agente y aloja las tres en una única región de nube tiene tres plataformas a efectos de su factura de licencias y una a efectos de un fallo en cualquiera de esos componentes compartidos. Su diversidad nominal es tres; su diversidad efectiva, frente a un fallo de un componente compartido, es uno. La caída de julio de 2024 fue precisamente esto: organizaciones con panoramas de aplicaciones diversos descubrieron que compartían un único agente de seguridad, y el agente fue la plataforma que falló.

Dos medidas hacen operativa la distinción. Para repartos desiguales, donde la plataforma jj soporta una proporción sjs_j de las funciones, el número efectivo de plataformas es el inverso de la suma de las proporciones al cuadrado,

meff=1∑jsj2,(7)m_{\text{eff}} = \frac{1}{\sum_j s_j^{2}}, \tag{7}

Ecuación 7. Número efectivo de plataformas para repartos desiguales: el inverso de la suma de las proporciones al cuadrado.

el índice de Simpson inverso (Simpson, 1949), conocido en economía como el índice de Herfindahl inverso (Hirschman, 1964). Tres plataformas que soportan la mitad, tres décimas partes y una quinta parte de la empresa tienen meff=2.6m_{\text{eff}} = 2.6, no tres; una que soporta nueve décimas partes con otras dos pequeñas tiene meff≈1.2m_{\text{eff}} \approx 1.2. La pérdida esperada de la empresa está gobernada por meffm_{\text{eff}}, y la ecuación (5) debe leerse como un objetivo para ella.

Para componentes compartidos, donde los fallos de las plataformas están correlacionados con una correlación por pares ρ\rho, el número efectivo es

meff=m1+(m−1) ρ,(8)m_{\text{eff}} = \frac{m}{1 + (m-1)\,\rho}, \tag{8}

Ecuación 8. Número efectivo de plataformas cuando los fallos están correlacionados con una correlación por pares ρ\rho.

que desciende desde mm en ρ=0\rho = 0 hasta uno en ρ=1\rho = 1. Tres plataformas con una correlación de un medio son efectivamente una y media; con una correlación de nueve décimas son efectivamente una. Un componente compartido del que dependen todas las plataformas fija ρ=1\rho = 1 para los fallos de ese componente, por diversas que sean las plataformas en lo demás.

7.2 Un inventario de componentes compartidos

La tabla 3 enumera los componentes a través de los cuales las empresas comparten con mayor frecuencia un modo de fallo sin advertirlo, porque ninguno de ellos aparece como plataforma en el inventario de aplicaciones. La propiedad común es que cada uno se elige una sola vez, para toda la empresa, por una función que no cuenta plataformas: seguridad elige el agente, infraestructura elige el hipervisor y la región, identidad elige el proveedor, redes elige el DNS. Cada elección es localmente sensata y cada una añade una dependencia con ρ=1\rho = 1.

Tabla 3. Componentes a través de los cuales plataformas nominalmente diversas comparten un modo de fallo, y la función que normalmente los elige sin contar plataformas.

Componente compartido Quién lo elige, y por qué es invisible
Agente de seguridad de puntos finales Seguridad; desplegado en todos los dispositivos por política
Sistema operativo y canal de parches Infraestructura; «la configuración estándar»
Proveedor de identidad, inicio de sesión único Identidad; todas las aplicaciones se autentican a través de él
Hipervisor, proveedor de nube, región Infraestructura; la decisión de alojamiento
DNS, certificados, distribución de contenidos Redes; nadie más los ve
Bus de integración, pasarela de API Arquitectura; toda integración pasa por ellos
Un único proveedor SaaS para varios productos Compras; un contrato, un gestor de proveedor
Un único integrador o proveedor de servicios gestionados Aprovisionamiento; un único responsable al que exigir cuentas
Núcleo de red, cortafuegos Redes; una sola arquitectura

El inventario da al artículo su segunda regla: contar la diversidad efectiva, no la nominal. Un caso de negocio de consolidación debería indicar meffm_{\text{eff}} antes y después, calculado sobre los componentes compartidos además de sobre las plataformas de aplicaciones, y una decisión de diversificación debería comprobar que las plataformas que se mantienen separadas no comparten un componente que las convierta en una sola.

7.3 La diversidad de último recurso

Hay una plataforma que siempre está disponible y casi nunca se cuenta: el proceso manual. Una sucursal que puede tomar un pago en papel, un almacén que puede preparar pedidos a partir de una lista impresa, una planta hospitalaria que puede llevar las historias a mano, es una segunda plataforma con un coste de operación por transacción alto, una correlación casi nula con cualquier cosa digital y una capacidad que es finita y que decae si no se ejercita. En el modelo es una plataforma con un c1c_1 grande y ρ=0\rho = 0, es decir, la clase más cara y la más valiosa. Las empresas que se han consolidado en una única plataforma digital y han dejado decaer la capacidad manual tienen meff=1m_{\text{eff}} = 1 en el sentido más estricto, y las organizaciones a las que mejor les fue en julio de 2024 fueron, según la mayoría de los relatos, las que aún podían trabajar sin sus pantallas.

8. Diversidad que cuesta poco

Operar una segunda plataforma es la forma cara de comprar diversidad, y el modelo la valora en c1c_1. Varios diseños compran parte de la misma protección por mucho menos, y el modelo muestra por qué funcionan: cada uno reduce la proporción ff que un único fallo puede alcanzar, o reduce la correlación ρ\rho entre las cosas que pueden fallar, sin añadir una plataforma.

8.1 Diversidad en el tiempo: anillos y canarios

Un cambio desplegado en todas las instancias a la vez alcanza f=1f = 1 si es defectuoso. El mismo cambio desplegado en RR anillos, cada anillo retenido hasta que el anterior ha funcionado sin incidencias durante un periodo, alcanza como máximo f=1/Rf = 1/R antes de ser detenido, de modo que la pérdida por un cambio defectuoso cae de ℓ\ell a ℓ (1/R)γ\ell\,(1/R)^{\gamma}: con cuatro anillos y γ=2\gamma = 2, a una dieciseisava parte. El despliegue por anillos es diversidad en el tiempo y no en plataforma, cuesta demora y no dinero, y está disponible para cada componente compartido de la tabla 3. Es también lo que el proveedor situado en el centro de la caída de julio de 2024 adoptó después para las actualizaciones de contenido que la causaron (CrowdStrike, 2024): el primer anillo es el canario, y el canario es la plataforma más barata que una empresa puede operar. La salvedad del modelo es que los anillos solo protegen contra los fallos que se manifiestan dentro del periodo de retención; un defecto que permanece latente alcanza todos los anillos, y los defectos latentes son un choque común.

8.2 Diversidad en el espacio: regiones y sedes

Alojar la misma plataforma en dos regiones o dos sedes no añade una plataforma, pero reduce ρ\rho para los fallos que son locales a una región: energía, red, un incidente regional de un proveedor. No hace nada por los fallos en el propio software de la plataforma, que alcanzan ambas regiones, y una empresa que cuenta una segunda región como una segunda plataforma ha confundido las dos cosas. La lectura del modelo es que la diversidad regional reduce qq para una clase de choque común y debe valorarse como tal, no como m=2m = 2.

8.3 Modos degradados

Una plataforma que puede replegarse a un modo reducido, de solo lectura, en caché, de encolar y reenviar, cuando falla una dependencia convierte una caída total en una parcial: la proporción ff que una caída alcanza pasa a ser la proporción de función que el modo degradado no puede sostener. Los modos degradados son baratos donde se diseñan desde el principio e imposibles donde no, y el modelo los contabiliza reduciendo ff para el fallo de la dependencia. El proceso manual de la sección 7 es el caso límite, el modo degradado que no necesita software.

8.4 Diversidad en proveedores, no en productos

Dos productos de un mismo proveedor comparten los modos de fallo del proveedor: su proceso de actualización, su servicio de identidad, su salud financiera. Una empresa que quiere diversidad de proveedores en una capa donde un segundo producto es demasiado caro a veces puede obtenerla en las dependencias de esa capa, un segundo proveedor de identidad como respaldo, un segundo DNS, una segunda autoridad de certificación, por una fracción del coste de una plataforma. Estos reducen ρ\rho para el fallo de la dependencia y dejan el número de plataformas sin cambios.

8.5 Lo que tienen en común

Cada uno de estos diseños es barato porque no añade una cosa que operar; cambia la forma en que falla una cosa existente. Al modelo le es indiferente un ff menor, un ρ\rho menor o un mm mayor, porque los tres reducen la pérdida esperada, y una empresa debería comprarlos en orden de coste por unidad de reducción. Los anillos y los modos degradados suelen ir primero, la diversidad regional y de dependencias después, y una segunda plataforma en último lugar, que es el orden inverso al que siguen las revisiones de consolidación al considerarlos.

9. La situación neerlandesa

9.1 Una mañana de julio

La caída del 19 de julio de 2024 alcanzó a los Países Bajos como alcanzó a todas partes. Los vuelos del aeropuerto nacional sufrieron retrasos y cancelaciones al fallar los sistemas de las aerolíneas y de tierra; los hospitales notificaron trastornos en los sistemas de las estaciones de trabajo afectadas y aplazaron la atención; los servicios públicos y privados se vieron interrumpidos. Las organizaciones afectadas no habían elegido las mismas plataformas de aplicaciones; habían elegido el mismo agente de seguridad, que se ejecutaba con privilegios en todos los ordenadores Windows que poseían. En los términos del modelo, su diversidad de aplicaciones era irrelevante: el agente era un componente compartido con ρ=1\rho = 1, la caída alcanzó una proporción ff cercana a uno en todas las organizaciones afectadas, y la convexidad hizo el resto. El coste lo soportaron organizaciones que, individualmente, no habían hecho nada imprudente, que es la firma de un monocultivo.

9.2 Un punto único de fallo por diseño

La identidad digital nacional, DigiD, operada por la agencia de servicios digitales de la administración, es el medio por el que la mayoría de los residentes acceden en línea a la agencia tributaria, los municipios, las aseguradoras de salud, las administradoras de pensiones y los hospitales. Es un punto único de fallo por diseño, elegido por la coherencia y la comodidad que aporta una identidad única, y la elección es defendible exactamente con la economía de la estandarización que este artículo da por sentada. El modelo dice lo que cuesta la elección: para cada servicio que depende de ella, la capa de identidad es un componente compartido con ρ=1\rho = 1, y una caída, de las que los ataques de denegación de servicio han causado varias, elimina el acceso a todos ellos a la vez. Las mitigaciones que existen, un esquema de identidad separado para las empresas, la futura cartera europea de identidad digital y los canales de respaldo propios de los servicios, son diversificación en el sentido del modelo, y su valor puede expresarse en sus términos: cada una reduce ρ\rho para alguna proporción de los servicios dependientes. No sostenemos que la identidad nacional deba duplicarse; sostenemos que las empresas que dependen de ella deberían contarla en meffm_{\text{eff}} y mantener ejercitado un canal de respaldo.

9.3 Una regulación que cuenta la concentración

DORA exige a las entidades financieras neerlandesas evaluar su riesgo de concentración de TIC y notificar los incidentes graves al banco central; la transposición neerlandesa de NIS2 extiende los deberes de notificación y gestión de riesgos a los sectores críticos. Ambas convierten la concentración en una magnitud que debe conocerse. El modelo ofrece al supervisor y al supervisado el mismo vocabulario: meffm_{\text{eff}} es la concentración, la ecuación (5) es el nivel en el que deja de ser prudente, y la prima de monocultivo es el coste de excederlo. Los informes de incidentes que ambas regulaciones exigen ahora son, como sostiene la sección 15, los datos a partir de los cuales pp, ℓ\ell y sobre todo γ\gamma podrían por fin medirse en lugar de asumirse.

9.4 La mañana de los hospitales

Los hospitales son el sector en el que la convexidad de la sección 5 resulta más visible, porque los umbrales son clínicos. Una planta que pierde su historia clínica electrónica se repliega al papel y se las arregla; un hospital que pierde la historia de todas las plantas a la vez, junto con el laboratorio, la farmacia y los sistemas de imagen que dependen de las mismas estaciones de trabajo, no puede arreglárselas, y aplaza la atención. Varios hospitales neerlandeses notificaron exactamente esto el 19 de julio de 2024, y los que se recuperaron más rápido fueron, según sus propios relatos, los que tenían procedimientos en papel ejercitados, lo que es la diversidad de último recurso en los términos del modelo. La consolidación del sector en un pequeño número de plataformas de historia clínica electrónica, defendible por todos los motivos de estandarización, es también un monocultivo entre hospitales: un defecto en una plataforma alcanza a todos los hospitales que la ejecutan, lo que es un choque común a nivel sectorial que la diversificación de ningún hospital individual puede abordar, y que la ley de transposición de NIS2, al calificar el sector de esencial, obliga ahora al sector a considerar.

9.5 Lo que piden las regulaciones, en los términos del modelo

Los requisitos de DORA se traducen directamente a las magnitudes del modelo. El registro de acuerdos con terceros proveedores de TIC que exige mantener a cada entidad financiera es el inventario de componentes compartidos de la tabla 3 en forma regulatoria, y meffm_{\text{eff}} puede calcularse a partir de él. La evaluación del riesgo de concentración que exige es la pregunta de si meffm_{\text{eff}} es prudente, a la que la ecuación (5) es una respuesta. Y su clasificación de incidentes graves, que usa umbrales de clientes afectados, duración, extensión geográfica e impacto económico, es una fuente de convexidad por derecho propio: una caída que cruza los umbrales acarrea consecuencias de notificación, supervisoras y reputacionales que una por debajo de ellos no acarrea, de modo que la propia regulación hace más empinada la curva de pérdida por encima del umbral. Una institución que estime su γ\gamma debería incluir los umbrales de la regulación entre las fuentes, lo que significa que DORA a la vez mide la concentración y eleva su coste.

9.6 La cuestión de la soberanía

El debate público neerlandés sobre la dependencia de un pequeño número de proveedores de nube no europeos es, en los términos del modelo, un debate sobre qq: un choque común, legal, político o comercial, que alcanzaría a la vez a todas las cargas de trabajo alojadas con un proveedor. El modelo no resuelve el debate, que depende de la probabilidad de un choque así, pero sí enuncia sus términos: un segundo proveedor es una plataforma con coste c1c_1 que reduce qq para una clase de choque, y si merece la pena operarla depende de qq, ℓ\ell y γ\gamma de la manera habitual. Las empresas de ambos lados del debate argumentarían con más provecho con esos tres números que sin ellos.

10. Un caso construido

El caso es construido, no observado. No es un informe sobre ningún banco y sus cifras son ilustrativas; existe para aplicar el modelo a una decisión del tipo que producen las revisiones de consolidación.

10.1 La propuesta

Bank K es un banco neerlandés de tamaño medio que, tras dos fusiones, opera cuatro plataformas de banca central, una por cada entidad anterior, cada una con aproximadamente una cuarta parte de sus funciones. Una revisión de costes propone la consolidación en una sola, con un ahorro de EUR 3 millones al año en licencias, competencias, herramientas e integración: la eliminación de tres plataformas a c1=c_1 = EUR 1 millón cada una. El caso de negocio cuenta el ahorro y el coste de migración y nada más, y se aprueba en principio.

10.2 La lectura del modelo

La función de riesgos del banco estima, a partir de su propio historial de incidentes y del de sus pares, que una caída incapacitante de una plataforma central ocurre aproximadamente una vez por década por plataforma, p=0.10p = 0.10; que una caída total de la duración de referencia costaría unos EUR 60 millones en compensaciones, negocio perdido, consecuencias regulatorias y reputación; y, a partir de la forma de sus caídas parciales pasadas, que costaron mucho menos que su parte proporcional, que γ≈2\gamma \approx 2. Estos son los parámetros de alta exposición de la tabla 1, y la lectura que el modelo hace de la propuesta está en la tabla 4.

Tabla 4. Bank K: coste de operación, pérdida esperada por caídas y total para el parque actual, la propuesta y el óptimo del modelo. EUR millones por año; se omite c0c_0. Cifras de cola del apéndice A.

4 (actual) 1 (propuesta) 2 3
Coste de operación c1mc_1 m 4.0 1.0 2.0 3.0
Pérdida esperada E(m)E(m) 1.5 6.0 3.0 2.0
Total T(m)T(m) 5.5 7.0 5.0 5.0
Peor año de 20 (VaR 95%) ≈\approx30 60 30 20

La propuesta ahorra EUR 3 millones en coste de operación y añade EUR 4.5 millones en pérdida esperada por caídas. Su total es EUR 1.5 millones al año peor que el parque que sustituye, y su peor año de cada veinte se duplica de unos EUR 30 millones a EUR 60 millones. Consolidar en dos plataformas, en cambio, ahorra EUR 2 millones en coste de operación, añade EUR 1.5 millones en pérdida esperada y reduce el total en medio millón con el peor año sin cambios; consolidar en tres reduce el total en la misma cantidad y reduce a la mitad el peor año. El movimiento ortodoxo está equivocado de signo; el movimiento correcto es una consolidación menor que la que proponía la revisión.

10.3 El diseño

El banco se consolida en dos plataformas y aplica las reglas del artículo a la división. Primero cartografía sus cadenas fuertemente acopladas: la cadena de pagos, de la autorización a la liquidación, se coloca entera en una plataforma, porque dentro de ella γ≤1\gamma \le 1 y la diversidad no compraría nada. Las funciones restantes se dividen por el acoplamiento más débil que tiene el banco, la banca minorista en una plataforma y la banca de empresas en la otra, de modo que una caída de cualquiera de ellas deja a la otra atendiendo a sus clientes y en condiciones de cubrir, que es de donde procede la convexidad. El banco comprueba después la diversidad efectiva: a las dos plataformas se les asignan canales de parches distintos y agentes de puntos finales distintos, se alojan en regiones de nube distintas y se autentican a través de una capa de identidad cuyo respaldo se ejercita trimestralmente, de modo que la correlación por componentes compartidos sea baja y no uno. La capacidad manual de la red de sucursales minoristas se conserva y se ensaya. El mm del banco es dos; su meffm_{\text{eff}}, calculado sobre los componentes compartidos, es cercano a dos; y su caso de negocio de consolidación incluye ahora una línea de pérdida por caídas que el de la revisión no tenía.

11. Un segundo caso construido: un grupo hospitalario

El caso del banco trata de plataformas. El segundo trata de componentes compartidos, donde el modelo dice que suele estar el riesgo mayor. Es construido, no observado, y no es un informe sobre ningún hospital.

11.1 El parque

El grupo hospitalario G opera tres hospitales con una única historia clínica electrónica, un único sistema de laboratorio, un único sistema de imagen y un único sistema de farmacia: cuatro plataformas, cada una un estándar del sector, cada una bien elegida. Todas las estaciones de trabajo de los tres hospitales ejecutan la misma configuración de sistema operativo, el mismo agente de seguridad de puntos finales y el mismo canal de parches; todos los clínicos se autentican a través de un único proveedor de identidad; las cuatro plataformas se alojan en un único centro de datos con una reserva activa en un segundo. Nominalmente m=4m = 4. El registro del grupo, elaborado para la ley de transposición de NIS2, muestra que las cuatro plataformas dependen de la configuración de las estaciones de trabajo, del agente, del proveedor de identidad y de la red del centro de datos, y que la reserva comparte el agente y el proveedor de identidad con el centro primario.

11.2 Diversidad efectiva

Para los fallos del software propio de las plataformas, meffm_{\text{eff}} es aproximadamente cuatro, y el grupo está bien diversificado: un defecto en el sistema de farmacia deja funcionando la historia clínica, el laboratorio y la imagen, y la pérdida clínica está acotada. Para los fallos de la configuración de las estaciones de trabajo, del agente, del proveedor de identidad o de la red, ρ=1\rho = 1 en las cuatro plataformas y meff=1m_{\text{eff}} = 1: un defecto en cualquiera de ellos alcanza a todos los clínicos de todos los hospitales a la vez, y la reserva, que comparte dos de ellos, no ayuda. La diversidad real del grupo es una plataforma para los modos de fallo que, según la historia, tienen más probabilidades de estar correlacionados, y julio de 2024 fue un fallo exactamente de esa clase.

11.3 Los números

La función de riesgos del grupo estima un fallo incapacitante de un componente compartido en p=0.08p = 0.08 al año para el conjunto, una pérdida por caída total de unos EUR 40 millones para la duración de referencia, en atención aplazada, derivaciones, horas extraordinarias y consecuencias regulatorias, y, a partir de las caídas parciales de los propios hospitales, un γ\gamma de aproximadamente 2.2, empinado porque una caída parcial la absorbe el papel y una total no. Para el modo de fallo de componente compartido, p ℓ/c1p\,\ell / c_1 con c1c_1 en torno a EUR 0.8 millones da un ratio de cuatro, y la ecuación (5) da m∗≈2m^{*} \approx 2: el grupo debería operar sus componentes compartidos en dos conjuntos independientes, no en uno.

11.4 El diseño

Operar dos historias clínicas electrónicas sería ruinoso, y el modelo no lo pide; pide dos conjuntos independientes de los componentes compartidos que actualmente convierten las cuatro plataformas en una. El grupo divide sus estaciones de trabajo en dos configuraciones con dos agentes de proveedores distintos y dos canales de parches, asigna cada servicio hospitalario a una configuración de modo que toda planta tenga colegas en la otra, añade una segunda vía de identidad como respaldo que se ejercita mensualmente y traslada el centro de datos de reserva a una red y un agente que el primario no comparte. Las plataformas siguen siendo cuatro. La diversidad efectiva para los fallos de componentes compartidos sube de uno a aproximadamente dos, que es lo que el modelo pedía, a un coste muy inferior al de una segunda plataforma: la segunda configuración y el segundo agente cuestan una fracción de c1c_1, la segunda vía de identidad es una dependencia y no una plataforma, y el despliegue por anillos de la sección 8 se aplica a ambas configuraciones de modo que una actualización defectuosa alcance como máximo a una cuarta parte del parque. El respaldo en papel se conserva, se financia y se ensaya trimestralmente, porque para el grupo es la única plataforma con una correlación de cero con todo lo demás.

11.5 Lo que muestra el caso

El caso del banco mostró que la consolidación ortodoxa puede estar equivocada de signo. El del hospital muestra algo más común: una empresa diversificada en sus plataformas y monocultivo en sus componentes, donde la prima se está pagando sin que se haya propuesto nunca una consolidación, y donde el remedio cuesta poco porque es diversidad en componentes, tiempo y dependencias y no en plataformas. La mayoría de las empresas están más cerca del hospital que del banco, y el registro que DORA y NIS2 exigen ahora es el instrumento que se lo muestra.

12. Reglas

Estandarizar dentro de las cadenas, diversificar entre las funciones. Cartografiar las cadenas de procesos fuertemente acopladas; dentro de cada una, una plataforma. Entre las funciones débilmente acopladas se aplica el óptimo del modelo. La unidad de diversificación es la cadena.

Contar la diversidad efectiva. Calcular meffm_{\text{eff}} sobre los componentes compartidos además de sobre las plataformas de aplicaciones, antes y después de cualquier consolidación. Tres plataformas sobre un mismo agente son una plataforma.

Poner precio a la prima. Añadir a todo caso de negocio de consolidación una línea de pérdida esperada por caídas, p ℓ m1−γp\,\ell\,m^{1-\gamma} antes y después, usando las estimaciones propias de la empresa. Un caso que no puede indicar pp, ℓ\ell y γ\gamma no es un caso sobre riesgo, y la consolidación es una decisión sobre riesgo.

Comprobar la cola. Indicar el peor año de cada veinte antes y después, y compararlo con los umbrales de notificación, los colchones de capital y las exposiciones contractuales de la empresa. Esperanzas iguales con colas distintas son decisiones distintas.

Conservar la diversidad de último recurso. Tratar la capacidad manual como una plataforma: financiarla, ensayarla y contarla. Es la única plataforma con una correlación de cero.

Preferir la consolidación menor. Donde el modelo da un óptimo interior, la pérdida por quedarse una plataforma antes de él es pequeña y la pérdida por pasarse una plataforma más allá es grande, porque la curva de pérdida esperada es empinada cerca de uno. En caso de duda, conservar una plataforma.

13. Poner precio a la prima en un caso de negocio

Las reglas de la sección 12 piden que se ponga precio a la prima. Esta sección muestra qué aspecto tiene esa línea en el documento donde realmente se decide la consolidación, porque un riesgo que no está en la página del caso de negocio no está en la decisión. La tabla 5 presenta un caso de consolidación en la forma que usan la mayoría de las funciones financieras, con las líneas que el modelo añade marcadas, para el banco de la sección 10.

Tabla 5. Un caso de negocio de consolidación para Bank K con las líneas del modelo añadidas (marcadas con ⋆\star). Cifras anuales en EUR millones salvo las líneas únicas de migración. El caso ortodoxo muestra que la propuesta ahorra 3.0 al año; el caso completo muestra que cuesta 1.5 al año más que hoy y 2.0 más que la alternativa de dos plataformas, con un peor año duplicado.

Línea Hoy (m=4m=4) Propuesta (m=1m=1) Alternativa (m=2m=2) Fuente
Coste de operación de las plataformas, c1mc_1 m 4.0 1.0 2.0 Licencias, competencias, herramientas, integración
Coste de operación, otros (c0c_0) 12.0 12.0 12.0 No cambia con mm
Total anual ortodoxo 16.0 13.0 14.0
⋆\star Pérdida esperada por caídas, p ℓ m1−γp\,\ell\,m^{1-\gamma} 1.5 6.0 3.0 p=0.10p=0.10, ℓ=60\ell=60, γ=2\gamma=2
⋆\star De la cual atribuible a componentes compartidos (q ℓq\,\ell) 0.6 0.6 0.6 q=0.01q=0.01; sin cambios salvo que se diversifiquen los componentes
Total anual completo 17.5 19.0 17.0
⋆\star Peor año de cada veinte (VaR 95%) ≈\approx30 60 30 Apéndice A
⋆\star Cruza los umbrales de incidente grave de DORA en el peor año probable seguro probable Clientes afectados, duración
Coste único de migración – 18.0 9.0 Estimación del programa
⋆\star Riesgo único de caída por migración – 2.4 1.0 Pérdida esperada por incidentes de migración
⋆\star Diversidad efectiva meffm_{\text{eff}} tras los componentes compartidos 3.6 1.0 1.9 Del registro

Tres rasgos del caso completo merecen destacarse. Primero, el caso ortodoxo y el caso completo no discrepan sobre el tamaño del ahorro sino sobre su signo: el ahorro de EUR 3 millones en coste de operación de la propuesta es real, y es menor que los EUR 4.5 millones de pérdida por caídas que añade. Una función financiera que solo ve el bloque superior aprueba la propuesta; una que ve la página entera prefiere la alternativa, y ambas están leyendo los mismos números. Segundo, la línea de componentes compartidos no cambia entre columnas, que es la manera que tiene el modelo de decir que la decisión de consolidación no toca el mayor riesgo correlacionado de la empresa; ese riesgo se aborda con el diseño de la sección 8, no con el número de plataformas, y un caso que muestra la línea sin cambios invita a preguntar qué la cambiaría. Tercero, las líneas de cola no son aditivas con el resto y no deben netearse contra el ahorro; se muestran para que el consejo pueda ver lo que está aceptando, y son las líneas por las que un supervisor que lea el caso bajo DORA preguntará primero.

La plantilla se generaliza. Cualquier caso de consolidación puede llevar las cuatro líneas anuales marcadas, las dos líneas únicas marcadas y la línea de diversidad efectiva, y una empresa que no pueda rellenarlas aún no ha estimado pp, ℓ\ell y γ\gamma, lo que el apéndice B muestra cómo hacer. El ejercicio suele llevar a una función de riesgos unas pocas semanas, lo que es poco frente a los años que lleva una consolidación y la década durante la que se paga su prima.

14. Implicaciones para los supervisores

Las regulaciones que ahora exigen a las empresas neerlandesas evaluar el riesgo de concentración no dicen cuánta concentración es demasiada, y un supervisor que evalúe la evaluación de una institución necesita un patrón. El modelo ofrece tres preguntas que un supervisor puede plantear a cualquier decisión de consolidación o evaluación de concentración de una institución, cada una de las cuales tiene un número como respuesta.

La primera es la diversidad efectiva del parque, calculada a partir del registro sobre los componentes compartidos además de sobre las plataformas, y si se ha calculado siquiera. Una institución que informa de su número de plataformas sin sus componentes compartidos ha informado de la diversidad nominal, y julio de 2024 es la demostración permanente de que la diversidad nominal no es la magnitud que falla. La segunda es la estimación propia de la institución de la convexidad de su pérdida, con los datos de incidentes o la elicitación que la sustentan, porque una institución que no ha estimado γ\gamma no puede haber puesto precio a su concentración, y una institución cuyo γ\gamma está cerca de uno tiene, según su propio relato, poco que ganar diversificando y debería poder decir por qué. La tercera es si las decisiones de consolidación de los últimos años incluyeron las líneas de la tabla 5 y, si no lo hicieron, cuál habría sido la prima de cada una. Ninguna de estas preguntas exige que el supervisor prescriba un número de plataformas, cosa que el modelo tampoco hace; exigen que la institución demuestre que conoce la disyuntiva que ha asumido, que es para lo que sirve una evaluación del riesgo de concentración.

Un supervisor también puede usar el modelo a nivel sectorial, donde se aplica su forma de choque común. Un sector en el que la mayoría de las instituciones operan la misma plataforma, el mismo agente o el mismo proveedor tiene un qq que la diversificación de ninguna institución reduce, y la resiliencia del sector es entonces una propiedad del proveedor y no de los supervisados. El modelo da al supervisor el vocabulario para decirlo, y los datos del registro le dan los medios para verlo antes de la mañana en que se demuestre.

15. Limitaciones y agenda de investigación

Se trata de una investigación teórica. De ella se derivan cuatro limitaciones, cada una con una prueba.

Primera, γ\gamma no está medido. Es el parámetro decisivo del modelo y el que ninguna empresa registra actualmente. Podría estimarse a partir de los historiales de incidentes haciendo una regresión de la pérdida de cada caída sobre la proporción de la empresa que alcanzó, dentro de una empresa o en todo un sector; la notificación de incidentes que DORA y NIS2 exigen ahora producirá, por primera vez, la muestra. Predecimos que γ\gamma es superior a uno para la mayoría de las empresas y sectores, claramente superior a uno donde los umbrales son prominentes, e igual o inferior a uno dentro de las cadenas fuertemente acopladas. Un hallazgo de γ≤1\gamma \le 1 de forma generalizada refutaría la afirmación práctica del artículo y dejaría solo su argumento de cola.

Segunda, el modelo toma los fallos de las plataformas como independientes y trata la correlación a través de meffm_{\text{eff}}. Un modelo más completo daría la distribución conjunta de los fallos sobre un grafo de dependencias, y el inventario de componentes compartidos de la sección 7 es el primer paso hacia él. La prueba es si el meffm_{\text{eff}} calculado a partir de un inventario predice la correlación de las caídas observadas.

Tercera, el coste de operación es lineal en las plataformas y la pérdida es una potencia de la proporción fuera de servicio. Ambas son simplificaciones; los costes fijos por plataforma pueden disminuir con la escala y las pérdidas pueden dar saltos en lugar de curvarse. El resultado cualitativo, un óptimo interior siempre que la pérdida es convexa y p ℓp\,\ell es grande en relación con c1c_1, sobrevive a cualquier función de coste que aumente con las plataformas y a cualquier función de pérdida que sea convexa; la forma cerrada no.

Cuarta, el caso es construido y la lectura neerlandesa es interpretativa. Los acontecimientos de julio de 2024 y el diseño de la identidad nacional son públicos; la afirmación de que las empresas que dependen de ellos deberían contarlos en meffm_{\text{eff}} es nuestra. Un estudio de campo que calculara meffm_{\text{eff}} para una muestra de entidades financieras neerlandesas a partir de sus evaluaciones de concentración bajo DORA, y lo comparara con la ecuación (5) usando sus propias estimaciones de pérdida, mostraría a qué distancia está el sector del óptimo del modelo y en qué dirección.

16. Conclusión

Estandarizar el panorama de TI reduce su coste de operación y aumenta su fragilidad, y las dos cosas no se cancelan. Menos plataformas significan caídas mayores, y cuando el daño de una caída crece más deprisa que su tamaño, como ocurre siempre que las funciones pueden cubrirse unas a otras, las soluciones alternativas son finitas y existen umbrales, la pérdida esperada por caídas aumenta a medida que se consolidan las plataformas aunque ningún fallo se vuelva más probable. El número de plataformas que minimiza la suma del coste de operación y la pérdida por caídas tiene una forma cerrada: aumenta con la probabilidad y la escala de las caídas y con la convexidad de la pérdida, y disminuye con el coste de una plataforma. Por debajo de uno, el consejo ortodoxo se cumple; por encima de uno, la empresa que estandariza por completo paga una prima de monocultivo que su caso de negocio de consolidación no muestra.

En Nashua hemos sostenido que la prima es real, que es mayor donde las empresas menos la esperan, en panoramas nominalmente diversos que comparten un componente, y que debería incorporarse al precio de toda decisión de consolidación junto a los ahorros. Las reglas son pocas: estandarizar dentro de las cadenas fuertemente acopladas y diversificar entre las funciones débilmente acopladas; contar la diversidad efectiva, no la nominal; poner precio a la prima; comprobar la cola; y conservar la capacidad manual como la única plataforma que falla sin que falle nada más. La convexidad sobre la que descansa el argumento es la magnitud que más merece la pena medir, y las regulaciones que ahora obligan a las empresas neerlandesas a notificar sus incidentes la harán, por primera vez, medible. Preferimos que se mida a que se crea.

Apéndice A. Cifras de cola

Para mm plataformas con carga igual, cada una fallando de forma independiente con probabilidad pp al año y cada una con una proporción 1/m1/m, el número de plataformas caídas en un año es binomial con parámetros mm y pp, y la pérdida es ℓ (j/m)γ\ell\,(j/m)^{\gamma} cuando hay jj caídas. Las cifras siguientes usan p=0.10p = 0.10 y ℓ=60\ell = 60; el valor en riesgo (VaR) al 95% es la menor pérdida cuya probabilidad de ser superada está por debajo del 5%.

Tabla 6.

m=1m=1 m=2m=2 m=3m=3 m=4m=4
P(sin caída) 0.900 0.810 0.729 0.656
P(una plataforma caída) 0.100 0.180 0.243 0.292
P(dos caídas) – 0.010 0.027 0.049
P(tres o más caídas) – – 0.001 0.004
Pérdida, una caída (γ=1\gamma=1) 60 30 20 15
Pérdida esperada (γ=1\gamma=1) 6.0 6.0 6.0 6.0
Pérdida esperada (γ=2\gamma=2) 6.0 3.0 2.0 1.5
VaR 95% (γ=1\gamma=1) 60 30 20 ≈\approx30

El valor en riesgo para m=4m = 4 es aproximadamente 30 porque la probabilidad de que dos o más plataformas fallen en el mismo año, alrededor del 5.2%, está justo por encima del nivel del 5%; con un pp ligeramente menor sería 15. Lo importante de la tabla son la primera y la última fila: la pérdida esperada con γ=1\gamma = 1 es idéntica en todas las columnas, y el peor año de cada veinte no lo es.

Apéndice B. Estimación de los parámetros

Probabilidad de caída pp. A partir del registro de incidentes de la empresa: caídas incapacitantes por plataforma-año en la ventana más larga disponible, agrupadas con datos de pares o del sector donde el historial propio de la empresa sea corto. Cuéntense las caídas que inutilizaron la plataforma durante la duración de referencia o más; las caídas más cortas pertenecen a otra escala de pérdida.

Escala de pérdida ℓ\ell. La pérdida por tener toda la empresa fuera de servicio durante la duración de referencia: ingresos o servicio perdidos, compensaciones y créditos de servicio, consecuencias regulatorias, coste de recuperación y una estimación reputacional. La mayoría de las empresas tienen esta cifra en su planificación de continuidad de negocio bajo otro nombre.

Convexidad γ\gamma. A partir del registro de incidentes: para cada caída, la proporción de funciones alcanzada y la pérdida incurrida; ajústese log⁡(loss)=log⁡ℓ+γlog⁡(share)\log(\text{loss}) = \log \ell + \gamma \log(\text{share}). Donde el registro sea escaso, elicítese γ\gamma a partir de las fuentes de la sección 5: pregúntese cuánto aguantan la cobertura y las soluciones alternativas, dónde están los umbrales y cómo escala la recuperación, y acótese γ\gamma a partir de las respuestas.

Coste de plataforma c1c_1. A partir del propio caso de negocio de consolidación: el ahorro reclamado por plataforma eliminada es, por construcción, c1c_1.

Diversidad efectiva meffm_{\text{eff}}. A partir del inventario de aplicaciones y del inventario de componentes compartidos de la tabla 3: calcúlese la medida basada en proporciones sobre las plataformas y, después, para cada componente compartido, regístrese qué plataformas dependen de él y fíjese su correlación por pares en uno para el modo de fallo de ese componente.

Apéndice C. Cuadrícula de sensibilidad

La tabla 7 da m∗m^{*} según la ecuación (5) para una cuadrícula del ratio de exposición p ℓ/c1p\,\ell / c_1 y la convexidad γ\gamma. Los valores inferiores a uno significan estandarización completa.

Tabla 7. Número óptimo de plataformas m∗m^{*} por ratio de exposición y convexidad.

p ℓ/c1p\,\ell / c_1 0.5 1 2 4 8 16
γ=1.25\gamma = 1.25 0.19 0.33 0.57 1.00 1.74 3.03
γ=1.5\gamma = 1.5 0.40 0.63 1.00 1.59 2.52 4.00
γ=2\gamma = 2 0.71 1.00 1.41 2.00 2.83 4.00
γ=2.5\gamma = 2.5 0.92 1.18 1.55 2.05 2.70 3.56
γ=3\gamma = 3 1.00 1.26 1.59 2.00 2.52 3.17

Apéndice D. Pérdida esperada con fallos correlacionados

Sean mm plataformas que fallan con probabilidad marginal pp cada una y correlación por pares ρ\rho entre los indicadores de fallo. El número esperado de plataformas caídas es m pm\,p con independencia de ρ\rho, de modo que con pérdida lineal (γ=1\gamma = 1) la correlación no cambia la esperanza; cambia solo la distribución, concentrando la misma pérdida esperada en menos eventos y más grandes. Con pérdida convexa, la correlación eleva la esperanza, porque eleva la probabilidad de los valores grandes de ff que la convexidad penaliza. Para la forma de choque común de la sección 4, en la que un choque con probabilidad qq inutiliza todas las plataformas y los fallos son por lo demás independientes, la pérdida esperada es exactamente q ℓ+(1−q) p ℓ m1−γq\,\ell + (1-q)\,p\,\ell\,m^{1-\gamma}, y el número efectivo de plataformas que la reproduce en el modelo independiente es meff=(q/p+(1−q) m1−γ)1/(1−γ)m_{\text{eff}} = \left(q/p + (1-q)\,m^{1-\gamma}\right)^{1/(1-\gamma)} para γ≠1\gamma \neq 1. La forma de correlación por pares meff=m/(1+(m−1)ρ)m_{\text{eff}} = m / (1 + (m-1)\rho) de la sección 7 es la reducción correspondiente para la varianza de la proporción fuera de servicio, y es la mejor medida cuando la correlación es difusa en lugar de un único choque.

Referencias

CrowdStrike (2024, 6 August). Channel File 291 incident: Root cause analysis. CrowdStrike Holdings. https://www.crowdstrike.com/wp-content/uploads/2024/08/Channel-File-291-Incident-Root-Cause-Analysis-08.06.2024.pdf

European Parliament and Council (2022). Regulation (EU) 2022/2554 on digital operational resilience for the financial sector (DORA). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/reg/2022/2554/oj

European Parliament and Council (2022). Directive (EU) 2022/2555 on measures for a high common level of cybersecurity across the Union (NIS 2). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/dir/2022/2555/oj

Geer, D., Bace, R., Gutmann, P., Metzger, P., Pfleeger, C. P., Quarterman, J. S., & Schneier, B. (2003, 24 September). CyberInsecurity: The cost of monopoly. Computer & Communications Industry Association. https://www.schneier.com/essays/archives/2003/09/cyberinsecurity_the.html

Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. Nature, 469, 351–355. https://doi.org/10.1038/nature09659

Hirschman, A. O. (1964). The paternity of an index. American Economic Review, 54(5), 761–762.

Hollnagel, E., Woods, D. D., & Leveson, N. (Eds.) (2006). Resilience engineering: Concepts and precepts. Ashgate. (Reissued by CRC Press, 2017. https://doi.org/10.1201/9781315605685)

Leveson, N. G. (2011). Engineering a safer world: Systems thinking applied to safety. MIT Press. https://doi.org/10.7551/mitpress/8179.001.0001

Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x

May, R. M. (1972). Will a large complex system be stable? Nature, 238, 413–414. https://doi.org/10.1038/238413a0

Perrow, C. (1984). Normal accidents: Living with high-risk technologies. Basic Books.

Ross, J. W., Weill, P., & Robertson, D. C. (2006). Enterprise architecture as strategy: Creating a foundation for business execution. Harvard Business School Press. ISBN 978-1-59139-839-4.

Sheffi, Y. (2005). The resilient enterprise: Overcoming vulnerability for competitive advantage. MIT Press.

Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688. https://doi.org/10.1038/163688a0

Tilman, D., Reich, P. B., & Knops, J. M. H. (2006). Biodiversity and ecosystem stability in a decade-long grassland experiment. Nature, 441, 629–632. https://doi.org/10.1038/nature04742

Weill, P., & Ross, J. W. (2004). IT governance: How top performers manage IT decision rights for superior results. Harvard Business School Press. ISBN 978-1-59139-253-8.

Weston, D. (2024, 20 July). Helping our customers through the CrowdStrike outage. The Official Microsoft Blog. https://blogs.microsoft.com/blog/2024/07/20/helping-our-customers-through-the-crowdstrike-outage/