O pager acabou de tocar e a produção está degradada. Me conte os seus primeiros quinze minutos.

Reconheça o chamado, confirme o impacto no usuário e declare um incidente com um dono claro e um canal de comunicação. Depois estanque o sangramento antes de diagnosticar: veja o que mudou recentemente e faça rollback ou desligue o suspeito se a linha do tempo bater. Mantenha um registro corrido das ações no canal, comunique aos stakeholders em uma cadência fixa, e só comece a análise de causa quando o impacto estiver contido.

Primeiro eu reconheço o chamado para ninguém duplicar o trabalho, depois eu checo se os usuários estão de fato afetados, porque um alerta disparando e clientes sofrendo nem sempre são a mesma coisa. Se é real, eu declaro um incidente, assumo o comando ou passo explicitamente para outra pessoa, e abro um canal para existir um lugar só com a linha do tempo. Depois mitigação antes de diagnóstico. A pergunta de maior retorno é o que mudou, então eu olho deploys recentes, feature flags e mudanças de infraestrutura das últimas horas, e se alguma coisa bate com o começo do impacto, eu faço rollback ou desligo a flag. Eu não preciso entender o bug para parar de machucar as pessoas. Enquanto isso acontece eu posto uma atualização em cadência fixa, mais ou menos a cada quinze ou vinte minutos, mesmo quando a atualização é que ainda estamos investigando, porque silêncio faz as pessoas virem perguntar individualmente. Eu vou anotando as ações com horários conforme avanço, em parte para o postmortem e em parte para quem entrar depois conseguir se atualizar sem interromper.