Exact Data Match no funciona: guía completa de solución de problemas en Microsoft 365

By Mirko Peters · 2026-04-21

Si notas que Exact Data Match (EDM) en Microsoft 365 no funciona, no eres el único. Esta guía te ayuda a entender por qué la prevención de pérdida de datos (DLP) basada en EDM no siempre cumple tus expectativas. Recorrerás pasos prácticos, desde los fundamentos técnicos y la configuración necesaria hasta el diagnóstico de errores críticos y la resolución de problemas complejos.

Automatically translated with AI from the original post. Read the English original

Cover: Microsoft 365 Governance Is a People and Ownership Problem

Repasaremos los conceptos básicos y, después, veremos pasos de solución de problemas del mundo real que van más allá de lo elemental. Tanto si te encargas de los registros de empleados como de los datos de clientes, saldrás con estrategias eficaces para proteger la información sensible. Estos consejos y métodos están pensados especialmente para administradores de Microsoft 365 y equipos técnicos que gestionan entornos regulados o empresariales.

Qué es Exact Data Match y sus errores habituales

Antes de remangarnos, aclaremos qué es Exact Data Match y por qué da más problemas de los que cabría esperar. EDM es la respuesta de Microsoft 365 a la detección de altísima precisión en las directivas de DLP: piensa en la coincidencia de números de la seguridad social, datos de nómina u otros campos muy sensibles, sin capturar cosas que no te interesan. La idea es una precisión infalible, pero, en la práctica, las cosas no siempre encajan a la primera.

Esta sección prepara el terreno desglosando el enfoque de EDM, que usa hashes criptográficos y esquemas detallados que tú mismo defines. También veremos por qué EDM no siempre funciona a la perfección: adelanto que la mayoría de los problemas se deben a cómo se configura el esquema, cómo se preparan los datos y al número de piezas técnicas que tienen que coordinarse. Incluso los administradores con experiencia se encuentran con dolores de cabeza por problemas de esquema, discrepancias en los datos o pasos de configuración pasados por alto.

Si entiendes tanto la teoría como los errores más comunes, podrás evitar los fallos habituales. A partir de aquí verás exactamente por qué EDM falla a veces y te prepararás para afrontar esos obstáculos con confianza, a medida que entremos en los detalles en las siguientes secciones.

¿Qué es Exact Data Match y cómo debería funcionar?

Exact Data Match (EDM) es una funcionalidad de Microsoft 365 diseñada para detectar información sensible concreta, como identificadores de empleados o números de la seguridad social, comparando los datos de tu entorno con una lista de referencia protegida mediante hash. Este proceso utiliza hashes criptográficos para hacer coincidir valores exactos sin exponer nunca los datos originales en texto plano a Microsoft, lo que lo hace ideal para sectores con fuertes exigencias de cumplimiento normativo.

Cuando se configura correctamente, EDM permite que tus directivas de DLP actúen con precisión quirúrgica, marcando solo los archivos o mensajes que contienen exactamente los datos sensibles que necesitas controlar. Las organizaciones prefieren EDM en escenarios en los que solo sirve una protección de datos regulados milimétrica: proteger registros reales de clientes, empleados o información financiera, y filtrar los falsos positivos que el DLP genérico no puede evitar.

Errores habituales y retos en la implementación de EDM

Discrepancias de esquema: EDM depende de un esquema diseñado meticulosamente. Si las columnas de tu CSV no coinciden con lo definido o están en otro orden, basta un solo error para que todo el proceso de coincidencia falle. Por ejemplo, intercambiar "Employee ID" y "Last Name" en los encabezados del archivo provoca problemas inmediatos.
Formato de datos incorrecto: No normalizar o no dar formato correcto a los datos (por ejemplo, formatos de SSN inconsistentes o espacios en blanco sobrantes) hace que EDM a menudo pase por alto registros sensibles reales. La deriva de datos con el tiempo, a medida que cambian los formatos, puede echar por tierra en silencio configuraciones que antes funcionaban.
Errores en el hash o en los pasos de carga: Si subes datos sin hash o con un hash incorrecto, EDM simplemente no funcionará. Del mismo modo, no usar bien el agente de carga de EDM o saltarse la validación de la carga deja tus datos desincronizados.
Problemas con el campo principal: Elegir un elemento principal incorrecto, como un campo que no es único (por ejemplo, "Date of Birth" en lugar de "Employee ID"), provoca coincidencias duplicadas o hace que la detección no sea fiable. Entender mal cómo configurar los modos de umbral o de coincidencia exacta también puede causar detecciones perdidas o falsos positivos no deseados.
Datos definidos por el usuario y evasión: Los tipos de datos personalizados o definidos por el usuario plantean riesgos específicos. Si los usuarios modifican patrones de datos o dividen campos de forma intencionada, o incluso accidental (por ejemplo, separando números de teléfono en varias columnas), la lógica de coincidencia fallará. Vigila el comportamiento de los usuarios y ajusta los esquemas a medida que cambien los patrones.
Limitaciones de tokens y consultas: EDM aplica límites estrictos al número de tokens (palabras o cadenas únicas) tanto en las consultas de referencia como en las de búsqueda. Superarlos, normalmente tras el crecimiento del esquema o del entorno, genera errores que interrumpen la detección sin hacer ruido, a menos que se supervisen con cuidado.
Falta de supervisión y degradación del rendimiento: Con el tiempo, el rendimiento o la precisión pueden disminuir debido al "desfase de datos" (data drift), es decir, cuando el formato o los valores de los datos de referencia evolucionan y se alejan de lo que espera EDM. Las comprobaciones de estado periódicas y las revisiones regulares del esquema son esenciales para evitar puntos ciegos de seguridad que pasen desapercibidos.

Si quieres profundizar en cómo la propiedad fragmentada de las herramientas también perjudica las iniciativas de Microsoft 365, echa un vistazo a este debate sobre por qué falla la gobernanza de M365. Aporta contexto adicional sobre el pensamiento a nivel de sistema que necesitarás para implementar EDM con éxito.

Requisitos previos y seguridad para la implementación de EDM

Poner EDM en marcha en Microsoft 365 no es cuestión de pulsar un interruptor. Se trata de sentar bases técnicas y de seguridad sólidas mucho antes de empezar a cargar datos sensibles de empleados o clientes. En esta sección se presentan los requisitos subyacentes: preparación de la infraestructura, asegurarte de tener los permisos adecuados y preparar directivas de importación de datos que realmente se integren con tu estrategia de cumplimiento normativo existente.

También es necesario considerar las mejores formas de proteger tus datos en cada fase. Una seguridad adecuada no es un trámite: es lo que garantiza que tus registros en texto sin cifrar nunca queden expuestos, ni siquiera durante la transferencia y el análisis. Aquí te ayudaremos a entender tanto el "qué" como el "por qué". Los detalles sobre la estructura de los archivos, los roles de usuario y los pasos técnicos se abordarán en profundidad en las próximas secciones, así que quédate con nosotros para los checklists prácticos y los análisis de seguridad que vienen a continuación.

¿Quieres más información sobre la configuración básica de DLP? Este episodio del podcast sobre cómo configurar DLP en Microsoft 365 puede serte muy útil como introducción, sobre todo si es tu primera vez con este tipo de controles de cumplimiento o si estás considerando incorporar Microsoft Copilot en la automatización.

Requisitos técnicos y prerrequisitos para los datos importados

Suscripción actual de Microsoft 365: Necesitas un plan de Microsoft 365 elegible con las funciones de DLP y Purview habilitadas, ya que EDM no está disponible en todos los planes.
Acceso basado en roles: Solo los administradores con los roles adecuados de cumplimiento, DLP o Purview pueden crear, gestionar o cargar perfiles de EDM. Revisa dos veces el acceso de tu equipo de seguridad y cumplimiento.
Estructura de los archivos de datos: Los datos de referencia deben almacenarse en archivos CSV. Estos archivos deben tener encabezados de columna coherentes con tu esquema, sin espacios adicionales y sin caracteres ocultos. Evita las celdas combinadas y los delimitadores mixtos.
Permisos y almacenamiento de archivos: Guarda los archivos de referencia de forma segura y con acceso restringido, normalmente en un endpoint protegido y conforme a las normativas. Solo los agentes de carga autorizados deberían poder leer estos archivos.
Herramientas y agentes de carga: Debes usar el agente oficial de carga de EDM para aplicar hash de forma segura a los datos de referencia y transmitirlos; los métodos de navegador o de terceros no son compatibles.
Preparación de la red y del sistema: El host del agente necesita una conexión a Internet fiable y debe poder acceder a los endpoints de Microsoft necesarios, sin problemas de firewall ni de proxy.

Consideraciones de seguridad y privacidad de datos en EDM

EDM aplica hash criptográfico a tus datos sensibles antes de que salga de tu entorno local. Este proceso garantiza que nunca se envíe ni se almacene en la nube de Microsoft ningún texto legible, como números de la Seguridad Social o de nómina reales; únicamente se cargan los hashes (cadenas ininteligibles para las personas) mediante el agente de carga de EDM.

Este diseño significa que Microsoft nunca ve tus datos reales, lo que satisface las exigencias estrictas de privacidad y cumplimiento, especialmente en sectores regulados como la sanidad o las finanzas. Todos los datos en tránsito están cifrados y solo los administradores autorizados pueden gestionar las cargas, lo que cumple con los requisitos actuales de las empresas y de la normativa. Para profundizar en las tácticas de DLP y gobernanza del inquilino, consulta cómo Microsoft Purview ayuda con la seguridad avanzada y la supervisión aquí.

Crear el esquema de EDM para una coincidencia de datos precisa

A continuación, veamos cómo construir el "plano" de tu solución EDM: el esquema. Si el esquema está mal configurado, aunque sea un poco, toda la iniciativa de EDM puede salirse de control. Por eso conviene tener mucho cuidado con los campos que son principales, con el modo en que nombras las columnas y con la forma en que tu lógica se alinea con los escenarios de negocio reales.

Esta sección trata sobre por qué invertir desde el principio en un esquema bien planificado compensa, con una mejor precisión en la detección, menos falsos positivos y preparación para el futuro a medida que evolucionan tus datos y flujos de trabajo. Verás por qué es tan importante mapear tanto los elementos principales como los secundarios (los campos de "debe coincidir" y de "conviene que coincida") para aplicar directivas de forma fiable en situaciones reales.

Quédate para ver cómo abordar el diseño del esquema con criterio, definir reglas de coincidencia adaptadas a tus casos de uso y elegir modos de coincidencia que reflejen realmente las estructuras de tus datos de referencia. Los errores simples en esta fase pueden causar grandes dolores de cabeza más adelante, así que las siguientes secciones profundizan en una guía paso a paso que puedes aplicar de inmediato.

Cómo crear un esquema de EDM y definir reglas de coincidencia

Identifica los campos sensibles: Primero, elige los tipos de datos que necesitan una protección exacta (por ejemplo, ID de empleado, número de cuenta, número de la Seguridad Social). Conoce tus obligaciones normativas y los riesgos de negocio: estos son tus candidatos principales para el esquema.
Estandariza los formatos de los campos: Asegúrate de que cada campo siga el mismo formato en todos los registros: sin mezclar guiones, espacios o mayúsculas y minúsculas. La normalización de los datos (como usar siempre "123-45-6789" para los números de la Seguridad Social) es clave.
Diseña los elementos principales y secundarios: Tu elemento principal (identificador único) debe ser un campo que no se repita en otros lugares, como el ID de empleado. Los elementos secundarios pueden ser información de apoyo (como la fecha de nacimiento) que ayude a filtrar coincidencias casi exactas o ambigüedades.
Alinea los encabezados de columna del CSV con el esquema: Los encabezados de columna de tu archivo CSV deben coincidir exactamente (incluidos la ortografía y el orden) con lo definido en la configuración de tu esquema de EDM. Este paso provoca más fallos que casi cualquier otro.
Ten en cuenta la deriva de los datos y las actualizaciones: Prevé que tus datos reales cambiarán con el tiempo (nuevos formatos, nuevos valores). Diseña el esquema con flexibilidad: revisa periódicamente los encabezados y los tipos de campo para evitar caídas silenciosas de precisión.
Prueba con datos de muestra: Usa archivos CSV de prueba para simular cómo coincidirá realmente tu esquema. Busca falsos positivos o coincidencias que se pasen por alto y ajusta las reglas de coincidencia según sea necesario.
Evita complicar en exceso el esquema: No incluyas campos innecesarios ni añadas columnas "por si acaso": limítate a lo que realmente quieres comparar. Las columnas sin uso pueden introducir confusión o errores de coincidencia en EDM.

Configurar los modos de coincidencia y seleccionar los elementos principales

Elige el tipo de coincidencia con criterio: Usa el modo "Exacta" cuando solo quieras detectar los valores de referencia específicos (ideal para datos regulados como los números de la Seguridad Social). Los modos "Umbral" o "difuso" están disponibles para escenarios en los que coincidencias aproximadas puedan ser aceptables, pero ten en cuenta el riesgo de aumentar los falsos positivos.
Asigna los elementos principales con cuidado: El campo principal debe contener datos realmente únicos; nunca uses un campo que pueda repetirse, como el nombre o el departamento. El ID de empleado o el número de cuenta son las opciones recomendadas por las buenas prácticas.
Define las restricciones de los campos: Asegúrate de que los tipos de campo de tu esquema coincidan con el tipo de dato subyacente (numérico, texto, etc.). Las incoherencias pueden impedir una coincidencia correcta o provocar que las directivas omitan registros.
Prueba los falsos positivos y negativos: Ejecuta detecciones de muestra para comprobar que los registros sensibles se detectan correctamente y que los registros inofensivos no activan la directiva DLP por error.

Preparar y cargar datos sensibles para los perfiles de EDM

Ninguna configuración de EDM está completa sin preparar cuidadosamente tus datos de referencia antes de la carga: piensa en ello como alinear a tus jugadores estrella antes del partido. Este proceso es mucho más que subir un archivo a algún sitio; necesitas un conjunto de datos limpio, sin errores y con un formato seguro para obtener resultados consistentes.

En esta sección verás por qué una preparación adecuada de los datos (incluido un formato estricto, comprobaciones de validación y procesos de carga seguros) no solo tiene que ver con la precisión, sino también con una protección de datos de primer nivel de principio a fin. Hacer bien esta parte te ayuda a detectar problemas antes de que se conviertan en incidentes en producción y mantiene los registros sensibles de tu organización a salvo.

A continuación verás instrucciones paso a paso para estructurar tus CSV, las herramientas y los pasos para una carga segura con el agente de EDM, y las rutinas de validación, para que tus datos lleguen a Microsoft 365 listos para usarse y sin exponer nunca el texto original sin cifrar.

Pasos de formato de datos, descarga y validación de la carga

Estructura el archivo CSV exactamente según el esquema: Alinea los encabezados de columna del CSV de referencia para que coincidan con lo que definiste en tu esquema de EDM: sin columnas adicionales, erratas ni encabezados reordenados.
Valida los tipos y los valores de los datos: Busca filas con valores que falten, estén duplicados o tengan un formato incorrecto. Los números de la seguridad social (SSN) deben seguir todos el mismo patrón; las fechas deben tener el formato AAAA-MM-DD, y así sucesivamente.
Elimina los caracteres adicionales: Quita los espacios al final, los caracteres no imprimibles y los delimitadores sobrantes dentro de los campos. Si tienes dudas, prueba con scripts de validación de datos.
Ejecuta una validación previa a la carga: Usa cualquier herramienta de validación integrada (o una prueba de ejecución en seco con el agente de carga de EDM) para detectar discrepancias entre tu CSV y el esquema antes de la carga real.
Mantén un registro de auditoría: Versiona tus archivos, conserva los registros de las cargas o ejecuciones de validación y almacena de forma segura tanto los datos originales como los datos con hash para las auditorías de cumplimiento.

Hash y carga segura de datos sensibles

El agente de carga de EDM se encarga de convertir tus datos de referencia en texto plano en hashes criptográficos seguros, directamente en tu propia infraestructura. Esto significa que los valores sensibles reales nunca salen de tu entorno; solo los hashes llegan a los servidores de Microsoft 365.

Este proceso se produce antes y durante la carga, de modo que la confidencialidad está integrada en cada paso. La transmisión a la nube está cifrada y solo el motor de DLP ve o utiliza los valores hash para la coincidencia. Esto deja tranquilo a tu equipo de cumplimiento y garantiza que los datos sensibles de tu organización nunca corran riesgo. Puedes reforzarlo además con sólidas prácticas de gestión de contenido empresarial y preparación para auditorías en herramientas como SharePoint y Purview.

Integración de EDM con directivas de prevención de pérdida de datos

El verdadero potencial de EDM se aprecia cuando vinculas tus datos de referencia directamente con las reglas de directivas de DLP dentro de Microsoft 365. Bien hecho, esto permite a tu organización aplicar una protección de datos muy ajustada, evitando fugas tanto si los usuarios están en Outlook, Teams, SharePoint o Power Platform.

Esta sección explica qué implica apuntar tus directivas de DLP al esquema de EDM. No es solo un vínculo técnico: también requiere decidir qué tipos de datos activan alertas, cómo se escalan los incidentes y adónde van las notificaciones cuando aparece una coincidencia real.

Si estás ajustando directivas de DLP en entornos complejos, no pases por alto una gobernanza sólida y una estrategia de entornos, como se destaca en este podcast para desarrolladores de Power Platform que gestionan directivas de DLP y en el debate sobre la resiliencia de DLP, centrado en el punto de vista interno.

Pasos de verificación y revisión de los resultados de detección de EDM

Carga un conjunto de datos de prueba: Introduce en tu entorno un pequeño lote de datos de referencia conocidos (IDs de empleado ficticios, números de cuenta) para simular un escenario real.
Crea la directiva de DLP y referencia el esquema de EDM: Vincula tu directiva de DLP directamente con el esquema de EDM configurado, asegurándote de que la regla de detección especifique los campos correctos y el modo de coincidencia.
Activa la directiva con archivos de muestra: Comparte o sube contenido que incluya valores de referencia de prueba a las aplicaciones supervisadas (Outlook, Teams, SharePoint) y observa cómo se activan las directivas.
Revisa los registros y las alertas de la directiva: Consulta de inmediato los informes de incidentes, los registros de alertas y los paneles de cumplimiento para comprobar si se han registrado coincidencias. Busca tanto falsos positivos como posibles omisiones («falsos negativos»).
Valida el flujo de trabajo de extremo a extremo: Asegúrate de que las acciones de DLP (como las notificaciones o las restricciones aplicadas) se han activado realmente y de que el flujo de trabajo (como la revisión de incidentes) coincide con lo que espera la directiva.
Supervisa periódicamente las tasas de detección: Usa herramientas de análisis o paneles, como los descritos en esta guía sobre supervisión continua del cumplimiento, para revisar las tasas de coincidencia, detectar desviaciones o identificar problemas de rendimiento a medida que evolucionan los patrones de uso.

Solución de problemas de límite de tokens y de errores de configuración de EDM

Incluso con una configuración correcta, EDM a veces falla, normalmente justo cuando más lo necesitas. Los límites de tokens, las conexiones de esquema incorrectas o los pasos de configuración pasados por alto pueden desactivar en silencio las capacidades de coincidencia o permitir que datos sensibles salgan sin ser detectados.

Esta sección te orienta sobre las causas raíz de los fallos de las directivas de EDM, en concreto los conocidos errores de límite de tokens y las trampas de configuración. Se trata de saber exactamente dónde mirar, qué registros o mensajes de error revisar y cómo revertir o ajustar tu implementación para que vuelva a funcionar.

Sin supervisión continua ni comprobaciones operativas, los fallos en este ámbito pueden salir caros rápidamente, así que vamos a presentar estrategias prácticas de diagnóstico y corrección en lugar de limitarnos a la teoría. Los siguientes consejos te ayudarán a salir del detalle de «qué se ha roto» y a recuperar la confianza operativa en tu conjunto de herramientas de DLP.

Solución de problemas del número máximo de tokens y de las limitaciones de EDM

Sobrecarga de tokens en las consultas: EDM aplica un límite superior de tokens para la coincidencia, normalmente de hasta decenas de miles por esquema. Si tu esquema o tus consultas superan ese límite, verás errores de «maximumNumberOfTokens». Solución: reduce el alcance de los datos de referencia o divide las importaciones grandes en varios perfiles de EDM más pequeños.
Reglas de DLP demasiado amplias: Las directivas que abarcan rangos de datos muy amplios pueden incluir sin querer demasiados tokens y provocar que se alcancen los límites. Ajusta los filtros de la directiva o separa las reglas de detección para distintos conjuntos de datos.
Formatos de datos mixtos o cambiantes: Si los datos cambian y aparecen nuevos valores o formatos, el número de tokens puede dispararse. Revisa periódicamente los datos importados para detectar y excluir los valores de referencia irrelevantes u obsoletos.
Fallos silenciosos: Revisa con regularidad los paneles de estado del sistema por si aparecen advertencias sobre el tamaño de las consultas. La mayoría de los errores de tokens no generan alertas visibles para los usuarios.

Diagnóstico de fallos en la configuración de EDM y en los resultados de coincidencia

Discrepancias entre datos y esquema: Comprueba que los encabezados y el orden de las columnas del CSV coinciden exactamente con el esquema de EDM. Un simple error tipográfico o una columna que falta puede romper todas las coincidencias.
Reglas o modos de coincidencia incorrectos: Revisa si el modo de coincidencia («Exacta» o «Umbral») se ajusta a la intención de la directiva y a la realidad de los datos de referencia. Ajústalo si es necesario.
Cargas de hash incompletas o fallidas: Revisa los registros del agente de carga por si hay errores o cargas incompletas. Cualquier fallo de red o interrupción requiere una carga nueva y validada.
Datos de referencia obsoletos o desactualizados: ¿Han cambiado tus datos de negocio y EDM no se ha actualizado? Los perfiles desactualizados dejan de reflejar la realidad, así que programa nuevas cargas periódicas.
Revisión de registros y códigos de error: Busca en los registros del centro de cumplimiento o en los registros de eventos del sistema para encontrar errores detallados: fallos de coincidencia, errores de ingesta o advertencias del agente de carga.

Prácticas recomendadas y puntos clave para un rendimiento fiable de EDM

Hasta aquí has visto mucho, pero detengámonos a analizar qué separa una implementación de EDM basada en buenas intenciones de una solución sólida y lista para producción. Para que EDM funcione bien (adaptándose a las nuevas realidades, evitando fallos silenciosos y gestionando esos tipos de datos personalizados), necesitas estrategias que se mantengan cuando desaparezca la emoción inicial del despliegue.

Los entornos mejor gestionados vigilan de cerca sus esquemas, validan los campos definidos por el usuario y establecen comprobaciones continuas para que EDM siga encontrando coincidencias reales a medida que cambian las condiciones del negocio. Entender cómo se producen la deriva de cumplimiento o la evolución de los datos es tan importante como acertar con la configuración. Si te interesa la deriva oculta y su impacto en el cumplimiento a largo plazo, echa un vistazo a este podcast sobre la deriva de cumplimiento en Microsoft 365 y a este debate sobre la deriva de los modelos de datos semánticos en Microsoft Fabric.

Con esta base, cerremos con prácticas concretas para los datos personalizados y una lista de comprobación sencilla para que tu implementación de EDM se mantenga en el buen camino.

Prácticas probadas para datos definidos por el usuario y personalizados en EDM

Mantén formatos coherentes: define un formato estándar para todos los campos personalizados, como los identificadores de empleado, y rechaza las cargas que no respeten ese patrón.
Revisa periódicamente los datos nuevos: revisa trimestralmente la alineación del esquema con los sistemas de negocio para detectar deriva de formato o de valores.
Documenta los cambios en los campos: lleva un registro de cambios cada vez que modifiques un esquema o añadas campos, para que nadie se pierda meses después.
Implica a los usuarios reales: pregunta a los usuarios de RR. HH., Finanzas u Operaciones cómo son los datos en el día a día, para que tu esquema siga la evolución de los hábitos de trabajo.
Vigila los falsos negativos: recopila comentarios tras los fallos de DLP o los intentos de elusión, y ajusta la lógica de coincidencia en consecuencia.

Puntos clave y visión general para el éxito de Exact Data Match

Diseña los esquemas con cuidado: el diseño correcto ahorra horas de retrabajo y mantiene las coincidencias en el objetivo.
Valida y supervisa de forma continua: las auditorías periódicas y el análisis de incidentes de DLP de muestra detectan los problemas a tiempo, antes de que crezca el riesgo para el negocio.
Prioriza la seguridad de los datos: mantén todos los datos de referencia con hash, almacenados y transmitidos con cifrado de primer nivel en cada etapa.
Vigila la deriva de los datos: actualiza los esquemas y las listas de referencia para que reflejen la realidad del negocio; EDM no puede funcionar con datos obsoletos o desalineados.
Aprovecha los circuitos de retroalimentación: los informes de experiencia de usuario y las revisiones de incidentes son la vía más rápida para cerrar brechas y afinar las directivas.