On-Call sem Burnout: Organizando Plantão em Times Pequenos

On-call é parte essencial da operação de sistemas em produção. Mas on-call mal organizado destrói times. A diferença entre um plantão sustentável e um que causa burnout está na estrutura, não na quantidade de alertas.

Os sinais de on-call tóxico

• Mesma pessoa sempre de plantão (porque “só ela sabe”)
• Alertas às 3h que poderiam esperar até as 9h
• Sem runbook: cada alerta é uma investigação do zero
• Sem compensação: plantão é “parte do trabalho”
• Falsos positivos constantes: time ignora alertas reais

Rotação justa

Regras básicas

Para times pequenos (3-5 pessoas)

Com 4 pessoas, cada uma fica de plantão 1 semana por mês. É o mínimo sustentável. Com 3, fica apertado. Considere:

• Plantão apenas em horário comercial estendido (8h-22h)
• Fora do horário: alertas apenas para P1 (serviço completamente fora)
• P2 e P3 esperam até o próximo dia útil

Runbooks: N1 resolve 80%

O objetivo do runbook é que qualquer pessoa do time consiga resolver os alertas mais comuns sem precisar de conhecimento profundo.

Estrutura de um runbook

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

# Alerta: [Nome do alerta]

## O que significa
[1-2 frases explicando o que está acontecendo]

## Impacto
[Quem é afetado e como]

## Diagnóstico
1. Verificar [comando]
2. Se resultado X → ir para passo 3
3. Se resultado Y → ir para passo 5

## Resolução
1. [Comando exato]
2. Validar: [comando de validação]
3. Se não resolveu → Escalar para N2

## Escalação
- N2: [nome/canal] se não resolver em 15 min
- N3: [nome/canal] se impacto em produção > 30 min

Top 10 runbooks que todo time precisa

1. Serviço não responde (restart)
2. Disco cheio
3. CPU alta sustentada
4. Memória alta / OOM
5. Certificado SSL expirando
6. Banco de dados lento
7. Fila de mensagens crescendo
8. Deploy falhou
9. DNS não resolve
10. VPN caiu

Escalação clara

Regra de ouro: escalar cedo não é fraqueza, é responsabilidade. Melhor escalar e não precisar do que demorar e o incidente crescer.

Compensação

On-call sem compensação é exploração. Opções:

O mínimo: se alguém foi acordado às 3h, não deveria ser cobrado por chegar às 8h.

Reduzir alertas: a melhor forma de melhorar on-call

Cada alerta falso positivo é dívida de confiança. Depois de 10 falsos positivos, o plantonista começa a ignorar alertas reais.

Revisão mensal de alertas

1
2
3
4
5

Para cada alerta que disparou no mês:
1. Foi acionável? (alguém precisou fazer algo?)
2. Era urgente? (precisava ser às 3h ou podia esperar?)
3. O runbook resolveu?
4. Poderia ser auto-resolvido? (autoscaling, restart automático)

Alertas que não são acionáveis devem ser removidos ou rebaixados para notificação (não acorda ninguém).

Classificação de alertas

Saúde mental

• Debrief após incidentes noturnos: 15 min no dia seguinte para processar
• Rotação previsível: Saber quando é seu plantão reduz ansiedade
• Direito de desconectar: Fora do plantão = fora do plantão
• Feedback loop: Se o on-call está insustentável, o time precisa falar

On-call sustentável não é utopia. É rotação justa, runbooks que funcionam, escalação clara, compensação real e menos alertas falsos. Se o seu time teme o plantão, o problema não é o time. É a estrutura.