Anomalías que se explican solas
Los puntajes de desviación son fáciles. Las desviaciones explicadas son el producto: patrón esperado, patrón real y la cadena causal detrás de cada ruptura.
Cualquier herramienta de monitoreo puede dibujar un punto rojo en una gráfica. Lo difícil empieza después del punto: ¿es real, qué lo causó y a quién le importa? La mayoría de la detección de anomalías se detiene exactamente donde empieza el trabajo.
La capa de diagnóstico de Vectry parte de otra premisa: una anomalía no es un número, es una historia con un capítulo roto.
Detectada donde ocurre
Las anomalías se registran en el nivel donde vive la desviación:
event— una acción malformada o fuera de lugartrace— un paso faltante o desordenado dentro del flujo de una entidadcausal_thread— una historia entre sistemas que terminó en el desenlace equivocado
El par level + reference_id significa que cada anomalía apunta a un objeto concreto que puedes abrir — no a una ventana de tiempo que tienes que excavar.
Esperado vs. real, lado a lado
Cada anomalía almacena los dos patrones en desacuerdo:
anomaly_type: 'sequence_violation'
expected_pattern: [quote.created, quote.approved]
actual_pattern: [quote.created, quote.rejected]
deviation_score: 0.87Esa estructura hace dos trabajos a la vez. El deviation_score le da orden al triage — qué mirar primero. El par de patrones le da al revisor una superficie de diagnóstico instantánea: ves la ruptura antes de leer una sola línea de log.
El enlace que cambia el flujo de trabajo
El campo que más importa es el más callado: event_explanation_id. Una anomalía puede referenciar la EventExplanation que reconstruye su cadena causal — la secuencia caused_by más una narrativa que un humano puede leer:
“La cotización fue rechazada porque el ítem había sido marcado como vencido por el sistema.”
Con ese enlace, el triage de anomalías deja de ser arqueología. El revisor abre la anomalía, lee la ruptura esperado/real, sigue la explicación y decide — a menudo en minutos, con la evidencia ya ensamblada.
Alimentando el ciclo
Como las anomalías son registros de primera clase — con estado, metadata de actor y alcance de tenant como todo en Vectry — pueden conducir workflows: enrutar una anomalía con deviation_score > 0.8 a una compuerta humana, auto-archivar patrones benignos conocidos, o retroalimentar casos resueltos a los umbrales de detección.
La detección es un commodity. La explicación es el producto.