La entrevista de Site Reliability Engineer es el híbrido más raro de la contratación tech: mitad ingeniero de software, mitad bombero de producción, con un estadístico escondido al fondo. Vas a escribir código, depurar un sistema que no has visto nunca bajo una caída simulada y después discutir cuántos nueves necesita de verdad un servicio. Esta guía cubre las preguntas que salen realmente en 2026 y cómo responderlas como alguien que ha llevado un busca encima.
Qué miden de verdad las entrevistas SRE en 2026
La contratación en fiabilidad ha cambiado. Hace cinco años pasabas con trivia de Linux y una pregunta de Big-O. Hoy el listón es si sabes razonar sobre el fallo en sistemas distribuidos y cuantificar la fiabilidad en vez de irte por las ramas.
Los entrevistadores de 2026 sondean cuatro cosas. ¿Piensas en SLIs, SLOs y presupuestos de error, o sigues persiguiendo el "100 por cien de disponibilidad" como si fuera una virtud? ¿Sabes depurar un sistema en vivo con método y sin contexto previo, igual que lo harías a las 3 de la mañana? ¿Entiendes los sistemas que hay debajo de las abstracciones (balanceadores de carga, colas, cachés, consenso, reintentos, backpressure)? ¿Y sabes operar el stack moderno: Kubernetes, Terraform, pipelines de observabilidad y las herramientas de alertado y auto-remediación asistidas por IA que se volvieron estándar en los últimos dos años?
La capa cultural también pesa más de lo que los candidatos esperan. Tu comportamiento después de un incidente, la ausencia de culpables y cómo equilibras velocidad frente a fiabilidad se puntúan tan duro como tu código, así que un ingeniero que tira de culpar a alguien o que congelaría todos los despliegues tras una mala noche suspende el listón de valores por muy limpio que sea su bash.
El proceso de entrevista
La mayoría de procesos SRE en 2026 tienen entre cuatro y seis etapas y se diferencian bastante de un proceso puro de ingeniería de software.
- Filtro con el reclutador. Logística, motivación y "¿por qué SRE y no backend o plataforma?". Ten una respuesta de verdad.
- Filtro técnico telefónico. Programación con sabor a sistemas más unas cuantas preguntas de Linux, redes o troubleshooting. Algunos lo cambian por un ejercicio de scripting: parsear un log, calcular una tasa, encontrar la anomalía.
- Ronda de programación. Los SRE siguen programando. Espera un problema de algoritmos de dificultad media y, cada vez más, una tarea de "escribe una herramienta pequeña": un rate limiter, un wrapper de backoff o un parseo de logs.
- Ronda de sistemas y troubleshooting. La ronda insignia del SRE. Te sueltan en un sistema roto o hipotético y te piden que lo diagnostiques en voz alta, a menudo con un escenario en vivo del tipo "la latencia acaba de dispararse, explícame qué haces".
- Diseño de sistemas orientado a fiabilidad. Diseñar contra objetivos explícitos de disponibilidad, latencia y escala. El ángulo de fiabilidad (dominios de fallo, radio de impacto, margen de capacidad) es lo que separa esto de una ronda de diseño genérica.
- Ronda conductual y de guardias. Historias de incidentes, conflicto y cómo gestionas que te llamen fuera de horas, siempre con la mirada puesta en no buscar culpables.
Google, Meta y las empresas más grandes cargan mucho peso en la ronda de sistemas. Las startups juntan etapas y se apoyan en el troubleshooting práctico y en tu historial real de guardias.
Las preguntas
Fundamentos de fiabilidad: SLOs, presupuestos de error y las matemáticas
¿Cuál es la diferencia entre un SLI, un SLO y un SLA? Cómo abordarla: el SLI es la medición (peticiones servidas en menos de 300 ms), el SLO es tu objetivo interno para esa medición y el SLA es el contrato externo con consecuencias. Mantén el SLO más estricto que el SLA para tener aviso temprano.
Un servicio tiene un SLO de disponibilidad mensual del 99,9 por ciento. ¿Cuánta caída permite eso y qué haces cuando el presupuesto está casi agotado? Cómo abordarla: haz la aritmética en voz alta (el 99,9 por ciento de unos 30 días son unos 43 minutos al mes) y luego señala que un presupuesto gastado significa congelar lanzamientos arriesgados y repriorizar la fiabilidad.
¿Cómo elegirías un SLO para un servicio recién creado sin datos históricos? Cómo abordarla: parte del recorrido crítico del usuario, fija un objetivo conservador, mide el comportamiento real durante unas semanas y luego aprieta. Un SLO que nadie puede cumplir solo entrena a todo el mundo a ignorar las alertas.
¿Por qué apuntar al 100 por cien de disponibilidad suele ser el objetivo equivocado? Cómo abordarla: rara vez justifica su coste y no deja margen para lanzar nada, y los usuarios no lo distinguen del 99,99 por ciento porque su propia red falla más a menudo. Ese hueco es justo la razón de que existan los presupuestos de error.
Respuesta a incidentes y guardias
Explícame cómo llevarías un incidente grave siendo el ingeniero de guardia. Cómo abordarla: evalúa la severidad, nombra un incident commander y roles si es grande, comunica a los stakeholders, prioriza la mitigación por encima de la causa raíz (primero para la hemorragia) y después haz un postmortem.
Te avisan por latencia alta en un servicio que no has tocado nunca. ¿Qué haces en los primeros cinco minutos? Cómo abordarla: mira los dashboards y las alertas recientes, busca un despliegue o cambio de configuración reciente (el disparador habitual), revisa las dependencias arriba y abajo, y forma una hipótesis a partir de las señales mientras narras el árbol de decisión. Aquí el método importa más que la respuesta.
¿Qué hace bueno a un postmortem y qué significa de verdad que sea sin culpables? Cómo abordarla: un buen postmortem tiene línea temporal, factores contribuyentes, qué salió bien y acciones con responsables asignados, y sin culpables significa tratar el error humano como síntoma de huecos en el sistema.
¿Cómo reduces la fatiga por alertas en una rotación de guardias ruidosa? Cómo abordarla: alerta sobre síntomas que el usuario nota en vez de sobre cada métrica, ata los avisos a la tasa de consumo del SLO y borra las alertas que nunca llevan a ninguna acción.
Depuración e interioridades del sistema
Una máquina Linux responde lenta. ¿Cómo averiguas por qué? Cómo abordarla: recorre los recursos de arriba abajo, CPU (top, mpstat), memoria y swap (free, vmstat), I/O de disco (iostat), red y luego el proceso, y revisa logs y cambios recientes. Nombrar el método USE (utilización, saturación, errores) señala madurez.
Hay peticiones que expiran de forma intermitente entre dos servicios. ¿Cómo aíslas la causa? Cómo abordarla: localiza primero (¿todas las peticiones o solo algunas, una instancia o todas?) y después revisa agotamiento del pool de conexiones, DNS, tormentas de reintentos y una dependencia lenta que provoque timeouts en cascada que los circuit breakers deberían contener.
¿Qué ocurre, de principio a fin, cuando escribes una URL y pulsas enter? Cómo abordarla: cubre la resolución DNS, los handshakes TCP y TLS, la petición, el procesamiento del balanceador y del servidor, y el renderizado, pero como SRE apóyate en dónde vive la fiabilidad: capas de caché, reutilización de conexiones y qué saltos fallan más.
Explica qué es un thundering herd y cómo lo evitarías. Cómo abordarla: defínelo (muchos clientes golpeando un recurso a la vez tras expirar una caché o tras un reinicio) y da defensas concretas: backoff con jitter, coalescencia de peticiones y TTLs de caché escalonados.
Diseño de sistemas centrado en fiabilidad
Diseña un sistema que sirva 1 millón de peticiones por segundo con un objetivo de disponibilidad del 99,95 por ciento. Cómo abordarla: enuncia primero las suposiciones y el SLO, y después diseña para el fallo (redundancia entre zonas de disponibilidad, balanceo de carga, caché, degradación elegante). La señal es si razonas sobre el radio de impacto y los puntos únicos de fallo, no solo sobre el camino feliz.
¿Cómo diseñarías un rate limiter global? Cómo abordarla: aclara el alcance (por usuario, por IP, global) y luego discute token bucket frente a ventana deslizante y dónde vive el estado (almacén compartido tipo Redis frente a local con sincronización), aceptando que la precisión global perfecta cuesta latencia.
¿Cómo despliegas con seguridad un cambio arriesgado en un servicio crítico? Cómo abordarla: usa entrega progresiva, haz canary a un porcentaje pequeño, vigila los SLIs y el consumo del presupuesto de error, y ten un rollback rápido y probado que aborte solo si las métricas empeoran.
Errores comunes que hunden a los candidatos SRE
El mayor es tratarla como una entrevista pura de programación. Hay gente que programa muy bien y suspende procesos SRE porque no sabe depurar en voz alta ni cuantificar la disponibilidad.
Justo detrás va perseguir el 100 por cien de fiabilidad. Di que nunca tolerarías una caída y acabas de anunciar que no entiendes los presupuestos de error ni el coste del último nueve.
El tercero es depurar por intuición. Reiniciar servicios al azar sin una hipótesis se lee como pánico; los entrevistadores quieren un árbol de decisión tranquilo y narrado aunque no llegues a la respuesta.
El cuarto es culpar. Cualquier historia de incidente cuya moraleja sea "un desarrollador la lió" en vez de "nuestro sistema dejó que un error llegara a producción" suspende el listón cultural en cualquier empresa seria.
El quinto es quedarse en lo abstracto. "Añadiría monitorización" no significa nada, así que nombra la señal, el umbral y qué diría el aviso.
Cómo prepararte (y dónde ayuda un copiloto en vivo)
Móntate un plan por capas. Machaca las matemáticas de fiabilidad hasta que las conversiones de disponibilidad a minutos de caída y el razonamiento con presupuestos de error te salgan automáticos, y relee los capítulos sobre gestión de fallos del material SRE de Google para aplicarlo, no para recitarlo. Practica depurar en voz alta, porque lo que se mide es tu narración, no acertar en silencio. Mantén el código afilado y escribe tres incidentes reales en formato de línea temporal, planteados sin culpables, con lo que cambiaste después.
Las entrevistas de práctica son lo que más rápido saca a la luz tus huecos, sobre todo el músculo de hablar mientras piensas que exigen las rondas de troubleshooting. Aquí también es donde un copiloto en vivo se gana su sitio. GhostPilot corre en el panel lateral de Chrome durante tu entrevista real, escucha la conversación y saca una pista estructurada cuando te atascas: el siguiente paso de depuración que verificar, una conversión de SLO o el modo de fallo que se te olvidó en una ronda de diseño. Mantiene tu razonamiento en marcha cuando los nervios te dejan en blanco, en lugar de darte un guion. Lee más en ghostpilotai.com.
FAQ
¿Es más difícil la entrevista SRE que una de ingeniería de software? Es más amplia, no más difícil. Sigues teniendo programación, pero le sumas troubleshooting de sistemas, matemáticas de fiabilidad y comportamiento ante incidentes, que es justo donde patinan los ingenieros de software preparados solo para lo suyo.
¿Los Site Reliability Engineers siguen teniendo que pasar rondas de programación en 2026? Sí. Casi todos los procesos SRE incluyen una ronda de programación, normalmente algoritmos de dificultad media más una tarea práctica de herramientas. La diferencia con un proceso puro de SWE es que programar es solo uno de varios pilares.
¿Cómo respondo a las preguntas conductuales SRE sobre incidentes? Usa una línea temporal clara, céntrate en causas sistémicas y no en personas, y termina con las mejoras concretas que implementaste. El enfoque sin culpables es la señal que los entrevistadores escuchan, así que nunca dejes que la historia aterrice sobre una persona.
¿Cuál es la mejor forma de practicar la ronda de troubleshooting SRE? Ensaya depurando en voz alta contra escenarios simulados de sistemas rotos, narrando cada hipótesis y la señal que la confirmaría o la descartaría. Esa ronda puntúa método y comunicación, así que narrar gana a resolver en silencio.
Prueba GhostPilot AI
Las entrevistas SRE premian el razonamiento tranquilo y estructurado bajo presión, que es justo cuando más ayuda una pista discreta. GhostPilot corre en el panel lateral de Chrome y no entra en la captura de una pestaña compartida, con una app de escritorio opcional para Windows que es invisible a la captura de pantalla en Windows 10 (build 2004 o posterior) y Windows 11. Empieza gratis con sesiones en vivo de 10 minutos y respuestas con IA ilimitadas, coge un Session Pass por $29 (tres entrevistas completas de dos horas, pago único, sin suscripción) o pásate a Pro por $59/mes o $192/año ($16/mes facturado anualmente).