{"id":901473,"date":"2026-10-14T17:41:30","date_gmt":"2026-10-14T17:41:30","guid":{"rendered":"https:\/\/www.ninjaone.com\/blog\/observabilidad-y-aiops\/"},"modified":"2026-10-14T17:41:31","modified_gmt":"2026-10-14T17:41:31","slug":"observabilidad-y-aiops","status":"publish","type":"post","link":"https:\/\/www.ninjaone.com\/es\/blog\/observabilidad-y-aiops\/","title":{"rendered":"C\u00f3mo la observabilidad y AIOps mejoran la eficiencia de las operaciones de TI"},"content":{"rendered":"<div class=\"in-context-cta\"><h2>Puntos clave<\/h2>\n<ul>\n<li>La observabilidad va m\u00e1s all\u00e1 de la supervisi\u00f3n tradicional: correlaciona logs, m\u00e9tricas y trazas para dar a los equipos de TI una visibilidad contextual completa de los entornos modernos.<\/li>\n<li>AIOps aplica machine learning a los datos operativos para automatizar la detecci\u00f3n de anomal\u00edas, la correlaci\u00f3n de eventos, la identificaci\u00f3n de la causa ra\u00edz y la remediaci\u00f3n.<\/li>\n<li>La observabilidad aporta la telemetr\u00eda de calidad que AIOps necesita para generar informaci\u00f3n precisa y accionable.<\/li>\n<li>Juntas, la observabilidad y AIOps reducen la fatiga por alertas, mejoran el MTTR y permiten a los equipos de TI detectar y prevenir incidentes de forma proactiva.<\/li>\n<li>Entre las barreras habituales para adoptar observabilidad y AIOps est\u00e1n la proliferaci\u00f3n de herramientas, la mala calidad de los datos, la falta de competencias y los flujos de trabajo desalineados.<\/li>\n<li>Las organizaciones con entornos multicloud o h\u00edbridos, con grandes vol\u00famenes de telemetr\u00eda o con problemas de fatiga por alertas son las que m\u00e1s ganan con una estrategia integrada de observabilidad y AIOps.<\/li>\n<\/ul>\n<\/div>\n<p>En un panorama tecnol\u00f3gico que no deja de cambiar, los entornos de TI modernos suelen abarcar sistemas cloud, on-premise e h\u00edbridos. Estos sistemas se comunican y generan telemetr\u00eda m\u00e1s r\u00e1pido de lo que cualquier t\u00e9cnico puede procesar a mano, as\u00ed que la supervisi\u00f3n tradicional se queda corta, sobre todo con grandes vol\u00famenes de datos y dependencias interconectadas.<\/p>\n<p>La <strong>observabilidad y AIOps<\/strong> cubren ese vac\u00edo de gobernanza al combinar una visibilidad profunda y contextual del comportamiento del sistema con an\u00e1lisis y automatizaci\u00f3n basados en IA. As\u00ed, las organizaciones pueden pasar de un modelo reactivo de apagar fuegos a una gesti\u00f3n de TI proactiva.<\/p>\n<h2>Qu\u00e9 es la observabilidad y en qu\u00e9 se diferencia de la supervisi\u00f3n tradicional<\/h2>\n<p>La supervisi\u00f3n tradicional se centra en seguir m\u00e9tricas est\u00e1ticas, como el uso de CPU y el consumo de memoria, y compararlas con umbrales predefinidos. Las alertas solo se disparan cuando se superan esos umbrales, un enfoque eficaz para detectar fallos conocidos en entornos est\u00e1ticos.<\/p>\n<p>Sin embargo, la supervisi\u00f3n tradicional pierde eficacia en entornos distribuidos y muy din\u00e1micos, donde los problemas suelen ser impredecibles y los componentes cambian con frecuencia.<\/p>\n<p>La <a href=\"https:\/\/www.ninjaone.com\/es\/blog\/observabilidad-full-stack\/\">observabilidad full-stack<\/a> resuelve esta carencia porque mira m\u00e1s all\u00e1 de las m\u00e9tricas superficiales. Correlaciona m\u00e9tricas, eventos, logs y trazas (MELT) para ofrecer informaci\u00f3n profunda y contextual sobre el comportamiento del sistema en todo el entorno. De este modo, los equipos no solo ven cu\u00e1ndo algo falla, sino que tambi\u00e9n entienden por qu\u00e9 ocurre y d\u00f3nde est\u00e1 la causa ra\u00edz.<\/p>\n<p>En pocas palabras, la <a href=\"https:\/\/www.ninjaone.com\/it-hub\/it-service-management\/what-is-observability\/\">observabilidad<\/a> gu\u00eda a los t\u00e9cnicos hasta la causa ra\u00edz de un problema y su punto de entrada inicial, lo que reduce los arreglos temporales y mejora los tiempos medios de reparaci\u00f3n (MTTR).<\/p>\n<h2>Qu\u00e9 es AIOps y c\u00f3mo contribuye a la eficiencia operativa<\/h2>\n<p>Las infraestructuras de TI distribuidas modernas pueden generar un gran volumen de datos operativos: miles de eventos, alertas y entradas de log cada minuto. Gestionar todas esas m\u00e9tricas de forma manual ser\u00eda pr\u00e1cticamente imposible para los t\u00e9cnicos.<\/p>\n<p><a href=\"https:\/\/www.ninjaone.com\/es\/blog\/que-es-aiops\/\">La inteligencia artificial para operaciones de TI (AIOps)<\/a> ayuda a resolverlo convirtiendo la telemetr\u00eda en bruto en informaci\u00f3n accionable, de modo que los equipos de TI trabajan m\u00e1s r\u00e1pido y toman decisiones fundamentadas con m\u00e9tricas ricas en contexto.<\/p>\n<p>A diferencia de las estrategias de automatizaci\u00f3n que ejecutan instrucciones predefinidas, AIOps aprende de los patrones presentes en los datos operativos y se adapta a las condiciones cambiantes para hacer inferencias inteligentes.<\/p>\n<p>AIOps contribuye a la eficiencia operativa a trav\u00e9s de varias funciones interconectadas:<\/p>\n<table>\n<tbody>\n<tr>\n<td style=\"text-align: center;\"><strong>Funci\u00f3n<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>Definici\u00f3n<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>Impacto operativo<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Detecci\u00f3n automatizada de anomal\u00edas<\/td>\n<td>Establece l\u00edneas base din\u00e1micas del comportamiento normal del sistema y se\u00f1ala las desviaciones reales en lugar de basarse solo en umbrales est\u00e1ticos.<\/td>\n<td>Reduce los falsos positivos y la <a href=\"https:\/\/www.ninjaone.com\/es\/blog\/fatiga-de-alertas\/\">fatiga por alertas<\/a>, y saca a la luz problemas que la supervisi\u00f3n basada en reglas puede pasar por alto.<\/td>\n<\/tr>\n<tr>\n<td>Correlaci\u00f3n de eventos entre sistemas<\/td>\n<td>Agrupa alertas relacionadas de distintas herramientas y sistemas en un \u00fanico incidente coherente.<\/td>\n<td>Reduce el volumen de alertas y el ruido de la telemetr\u00eda, y ofrece a los t\u00e9cnicos un punto de partida claro para investigar.<\/td>\n<\/tr>\n<tr>\n<td>Identificaci\u00f3n de la causa ra\u00edz<\/td>\n<td>Destaca autom\u00e1ticamente las posibles causas ra\u00edz de un problema analizando patrones en los <a href=\"https:\/\/www.splunk.com\/en_us\/blog\/learn\/melt-metrics-events-logs-traces.html\" target=\"_blank\" rel=\"noopener\">componentes MELT<\/a>.<\/td>\n<td>Acorta el tiempo entre la detecci\u00f3n y el diagn\u00f3stico, lo que acelera el MTTR.<\/td>\n<\/tr>\n<tr>\n<td>Detecci\u00f3n proactiva<\/td>\n<td>Identifica se\u00f1ales de aviso temprano, como la degradaci\u00f3n gradual de recursos, el aumento progresivo de la latencia o un tr\u00e1fico inusual, antes de que se conviertan en problemas mayores.<\/td>\n<td>Transforma los flujos de remediaci\u00f3n: del modo reactivo de apagar fuegos a una gesti\u00f3n de TI proactiva, con menos ca\u00eddas imprevistas.<\/td>\n<\/tr>\n<tr>\n<td>Flujos de remediaci\u00f3n automatizados<\/td>\n<td>Lanza tareas de remediaci\u00f3n para patrones de problemas conocidos o gu\u00eda a los ingenieros por la v\u00eda de resoluci\u00f3n recomendada.<\/td>\n<td>Reduce el trabajo manual de diagn\u00f3stico durante los incidentes y garantiza procedimientos repetibles que aceleran la remediaci\u00f3n.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Al analizar continuamente los datos de telemetr\u00eda a gran escala, AIOps permite a los equipos de TI anticipar los problemas y priorizar su resoluci\u00f3n antes de que estos aparezcan. En la pr\u00e1ctica, libera a los t\u00e9cnicos del trabajo repetitivo de correlaci\u00f3n y remediaci\u00f3n.<\/p>\n<h2>Integrar observabilidad y AIOps para agilizar las operaciones de TI<\/h2>\n<p>La observabilidad aporta un control profundo y centralizado de todo tu entorno mediante la correlaci\u00f3n de logs, m\u00e9tricas y trazas. Construye una imagen continua y rica en contexto del comportamiento del sistema, y proporciona a AIOps telemetr\u00eda significativa recogida en cada rinc\u00f3n del entorno.<\/p>\n<p>Mientras la observabilidad pone a disposici\u00f3n datos relevantes, AIOps act\u00faa como la capa de inteligencia que convierte la telemetr\u00eda en acci\u00f3n. AIOps no se limita a filtrar telemetr\u00eda: tambi\u00e9n correlaciona eventos autom\u00e1ticamente y detecta tendencias sutiles que anteceden a los fallos.<\/p>\n<p>AIOps analiza sin pausa los flujos de datos para identificar patrones y revelar problemas que la correlaci\u00f3n manual no alcanza. Esto incluye priorizar incidentes seg\u00fan su impacto en el negocio y activar la remediaci\u00f3n o el enrutamiento de alertas antes de que los problemas se propaguen por el entorno.<\/p>\n<p>Sin observabilidad, AIOps trabaja con informaci\u00f3n incompleta; y sin AIOps, la observabilidad se convierte en ruido que ning\u00fan equipo tiene capacidad de interpretar. Juntas forman un ciclo que cambia por completo la forma en que las organizaciones detectan, diagnostican y responden a los problemas e incidentes operativos.<\/p>\n<h3>Impacto operativo de combinar observabilidad y AIOps<\/h3>\n<p>Usar observabilidad y AIOps de forma conjunta produce estos cambios inmediatos y estructurales:<\/p>\n<table>\n<tbody>\n<tr>\n<td style=\"text-align: center;\"><strong>\u00c1rea de impacto<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>C\u00f3mo funciona<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>Resultado<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Resoluci\u00f3n de incidentes<\/td>\n<td>AIOps identifica autom\u00e1ticamente las causas ra\u00edz probables a partir de los componentes MELT que revela la observabilidad full-stack.<\/td>\n<td>Convierte horas de correlaci\u00f3n manual minuciosa en minutos.<\/td>\n<\/tr>\n<tr>\n<td>Diagn\u00f3stico de problemas<\/td>\n<td>AIOps filtra el ruido, destaca las m\u00e9tricas importantes y ejecuta flujos de remediaci\u00f3n para patrones de fallo conocidos.<\/td>\n<td>Los ingenieros pueden centrarse en la resiliencia y en mejoras de arquitectura en lugar de dedicar tiempo al triaje rutinario de incidentes.<\/td>\n<\/tr>\n<tr>\n<td>Colaboraci\u00f3n entre equipos<\/td>\n<td>Una observabilidad unificada ofrece a todos los equipos los mismos datos correlacionados y la misma informaci\u00f3n.<\/td>\n<td>Agiliza y respalda las decisiones multifuncionales, como la <a href=\"https:\/\/www.ninjaone.com\/es\/blog\/colaboracion-entre-ti-y-seguridad\/\">colaboraci\u00f3n entre TI y seguridad<\/a>, reduce las fricciones durante los incidentes y refuerza los modelos de responsabilidad compartida.<\/td>\n<\/tr>\n<tr>\n<td>Planificaci\u00f3n de capacidad<\/td>\n<td>AIOps apoya la planificaci\u00f3n de capacidad analizando tendencias de telemetr\u00eda para identificar trayectorias de crecimiento y de uso de recursos, de modo que puedas cubrir esa demanda.<\/td>\n<td>Te ayuda a dimensionar bien los entornos y a evitar el sobreaprovisionamiento de recursos, con un ahorro directo de costes.<\/td>\n<\/tr>\n<tr>\n<td>Costes operativos<\/td>\n<td>AIOps supervisa continuamente el comportamiento del sistema y detecta cu\u00e1ndo la demanda est\u00e1 creciendo en silencio, mucho antes de que se convierta en un problema.<\/td>\n<td>La automatizaci\u00f3n reduce la intervenci\u00f3n manual de los t\u00e9cnicos y la detecci\u00f3n proactiva evita ca\u00eddas antes de que afecten a la productividad y a los ingresos.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>La observabilidad y AIOps no solo mejoran las operaciones de TI: tambi\u00e9n impulsan a las personas que est\u00e1n detr\u00e1s de ellas al simplificar el trabajo del d\u00eda a d\u00eda. Los equipos ganan la claridad y el foco estrat\u00e9gico necesarios para aportar valor duradero a su organizaci\u00f3n.<\/p>\n<h3>Retos habituales en la adopci\u00f3n<\/h3>\n<p>Aunque combinar AIOps y observabilidad ofrece ventajas muy atractivas, el camino hacia una implementaci\u00f3n eficaz puede ser complejo. Si sabes d\u00f3nde suelen fallar la observabilidad y AIOps, podr\u00e1s esquivar los errores m\u00e1s comunes que complican su adopci\u00f3n.<\/p>\n<h4>Proliferaci\u00f3n de herramientas y falta de integraci\u00f3n<\/h4>\n<p>La mayor\u00eda de las organizaciones han acumulado un ecosistema disperso de herramientas adoptadas por separado, con los datos repartidos en <a href=\"https:\/\/www.ninjaone.com\/it-hub\/it-service-management\/what-is-an-information-silo\/\">silos de informaci\u00f3n<\/a> entre equipos. AIOps no puede funcionar bien en un entorno fragmentado. Por eso, atajar la proliferaci\u00f3n de herramientas y consolidar la supervisi\u00f3n cruzada es el primer paso para adoptar AIOps con \u00e9xito.<\/p>\n<h4>Mala calidad de los datos y telemetr\u00eda incompleta<\/h4>\n<p>La observabilidad depende en gran medida de una telemetr\u00eda completa. Los sistemas heredados que no se instrumentan bien, los formatos de log inconsistentes y una cobertura de trazas irregular generan puntos ciegos que restan precisi\u00f3n a AIOps. Tratar la telemetr\u00eda como una inversi\u00f3n fundacional es lo que separa a las organizaciones que obtienen resultados limitados de las que aprovechan todo el potencial de AIOps.<\/p>\n<h4>Falta de competencias en sistemas basados en IA<\/h4>\n<p>AIOps introduce capacidades nuevas, como las l\u00edneas base din\u00e1micas y la l\u00f3gica de decisi\u00f3n automatizada, que en TI se suelen gestionar a mano. Como AIOps automatiza buena parte de ese trabajo de investigaci\u00f3n, las competencias deben orientarse m\u00e1s a entender por qu\u00e9 la IA ha se\u00f1alado algo, interpretar los resultados predictivos y convertirlos en acciones.<\/p>\n<h4>Resistencia a la automatizaci\u00f3n<\/h4>\n<p>Una adopci\u00f3n exitosa de AIOps debe introducir la automatizaci\u00f3n de forma gradual: primero hay que generar confianza en el equipo con despliegues peque\u00f1os y de bajo riesgo, y solo despu\u00e9s pasar a acciones totalmente aut\u00f3nomas.<\/p>\n<h4>Dificultad para alinear los flujos de trabajo con las nuevas capacidades<\/h4>\n<p>La mayor\u00eda de las organizaciones ya han <a href=\"https:\/\/www.ninjaone.com\/es\/blog\/triaje-de-incidentes\/\">creado flujos de triaje de incidentes<\/a>, rutas de escalado y estructuras de guardia. Superponer AIOps a esos modelos antiguos limita el valor que puede extraer. Redise\u00f1ar los flujos de trabajo de forma deliberada en torno a las capacidades de AIOps mejora su eficiencia y su fiabilidad.<\/p>\n<h2>C\u00f3mo sacar el m\u00e1ximo partido a la observabilidad y AIOps<\/h2>\n<p>Tanto la observabilidad como AIOps son potentes, pero no encajan en todos los casos de uso. Como cualquier inversi\u00f3n, su impacto depende del entorno y de los problemas que deban resolver.<\/p>\n<p>Estas condiciones justifican claramente la adopci\u00f3n de AIOps:<\/p>\n<table>\n<tbody>\n<tr>\n<td style=\"text-align: center;\"><strong>Condici\u00f3n<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>Por qu\u00e9 se necesita AIOps<\/strong><\/td>\n<td style=\"text-align: center;\"><strong>C\u00f3mo ayudan la observabilidad y AIOps<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Entornos multicloud e h\u00edbridos<\/td>\n<td>Los entornos distribuidos pueden tener multitud de herramientas y formatos de datos, lo que provoca puntos ciegos e incidentes que cruzan fronteras.<\/td>\n<td>La observabilidad unifica la visibilidad en todas las capas, mientras AIOps correlaciona se\u00f1ales de entornos dispares en una imagen \u00fanica.<\/td>\n<\/tr>\n<tr>\n<td>Gran volumen de telemetr\u00eda<\/td>\n<td>Correlacionar se\u00f1ales a gran escala de forma manual y fiable es una tarea imposible para los t\u00e9cnicos.<\/td>\n<td>AIOps puede analizar sin interrupci\u00f3n grandes vol\u00famenes de datos y separar los patrones relevantes del ruido.<\/td>\n<\/tr>\n<tr>\n<td>Tiempos de respuesta cr\u00edticos ante incidentes<\/td>\n<td>En entornos de alto riesgo, cada minuto de ca\u00edda puede suponer multas y costes importantes.<\/td>\n<td>La observabilidad permite a los t\u00e9cnicos detectar anomal\u00edas a tiempo, y AIOps acelera el aviso y el diagn\u00f3stico para resolver antes.<\/td>\n<\/tr>\n<tr>\n<td>Equipos desbordados por las alertas<\/td>\n<td>La <a href=\"https:\/\/www.ninjaone.com\/es\/blog\/fatiga-de-alertas\/\">fatiga por alertas<\/a> puede hacer que los t\u00e9cnicos pierdan poco a poco la confianza en su flujo de supervisi\u00f3n y que las se\u00f1ales cr\u00edticas queden sepultadas.<\/td>\n<td>AIOps prioriza y agrupa las alertas de forma inteligente para reducir el ruido a un nivel manejable.<\/td>\n<\/tr>\n<tr>\n<td>Madurez creciente de la automatizaci\u00f3n<\/td>\n<td>A medida que los entornos crecen, los procesos manuales no dan abasto y surge la presi\u00f3n de automatizar, pero sin un camino claro para hacerlo.<\/td>\n<td>La automatizaci\u00f3n de AIOps aporta valor inmediato y abre a las organizaciones una v\u00eda hacia una automatizaci\u00f3n m\u00e1s completa a medida que crece la confianza del equipo.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Mejora tus operaciones de TI con observabilidad y la automatizaci\u00f3n de AIOps<\/h2>\n<p>La observabilidad y AIOps redefinen la gesti\u00f3n de las operaciones de TI: la observabilidad aporta la visibilidad profunda necesaria para entender los entornos modernos y AIOps convierte esos datos en informaci\u00f3n accionable.<\/p>\n<p>NinjaOne puede dar soporte a AIOps mediante supervisi\u00f3n en tiempo real, flujos de trabajo automatizados y analytics predictivos. En conjunto, estas capacidades ofrecen una plataforma de observabilidad centralizada que permite una gesti\u00f3n proactiva de los dispositivos y optimiza las operaciones de TI.<\/p>\n<p><strong>Temas relacionados:<\/strong><\/p>\n<ul>\n<li><a href=\"https:\/\/www.ninjaone.com\/blog\/how-public-sector-it-leaders-can-do-more-with-the-same-budget\/\">C\u00f3mo los responsables de TI del sector p\u00fablico pueden hacer m\u00e1s con el mismo presupuesto<\/a><\/li>\n<li><a href=\"https:\/\/www.ninjaone.com\/es\/blog\/soporte-tecnico-proactivo\/\">10 formas de implementar un soporte de TI proactivo<\/a><\/li>\n<li><a href=\"https:\/\/www.ninjaone.com\/es\/blog\/aiops-y-mlops-diferencias\/\">AIOps vs. MLOps: \u00bfcu\u00e1l es la diferencia?<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>En un panorama tecnol\u00f3gico que no deja de cambiar, los entornos de TI modernos suelen abarcar sistemas cloud, on-premise e h\u00edbridos. Estos sistemas se comunican y generan telemetr\u00eda m\u00e1s r\u00e1pido de lo que cualquier t\u00e9cnico puede procesar a mano, as\u00ed que la supervisi\u00f3n tradicional se queda corta, sobre todo con grandes vol\u00famenes de datos y [&hellip;]<\/p>\n","protected":false},"author":35,"featured_media":869426,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"","_relevanssi_noindex_reason":"","_lmt_disableupdate":"","_lmt_disable":"","footnotes":""},"categories":[4357],"tags":[],"class_list":["post-901473","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-operaciones-de-ti"],"acf":[],"modified_by":null,"_links":{"self":[{"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/posts\/901473","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/users\/35"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/comments?post=901473"}],"version-history":[{"count":1,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/posts\/901473\/revisions"}],"predecessor-version":[{"id":901474,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/posts\/901473\/revisions\/901474"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/media\/869426"}],"wp:attachment":[{"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/media?parent=901473"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/categories?post=901473"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ninjaone.com\/es\/wp-json\/wp\/v2\/tags?post=901473"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}