BlackHalo logo
Published on

AI 并未取代 SRE,而是使其技能退化

Authors
  • Name
    dorianniemiec
    newsletter.signoz.io
AI isn't replacing SREs, it's deskilling them 相关头图
头图来源: 来源页面

引言:AI 与 SRE 的关系再思考

在技术圈,关于 AI 对 SRE(站点可靠性工程师)岗位的影响存在两种极端预言:一种认为 SRE 是所有软件工程的未来,人类将负责维护 AI 编写的系统;另一种则认为 AI 会吞噬所有技术岗位,包括 SRE。然而,更有意义的追问是:当 AI 处理了 95% 的事件响应工作后,人类对剩下 5% 真正关键故障的处理能力是否正在退化?这正是本文探讨的核心问题。文章援引 1983 年认知心理学家 Lisanne Bainbridge 的经典论文《自动化的讽刺》,指出自动化越是高效,人类在罕见故障中的角色就越关键,而由于缺乏练习,其应对能力反而越差。

自动化的讽刺:历史教训的现代回响

Bainbridge 的研究对象是工厂和工业系统中的操作员。她发现了一个悖论:自动化本意是让人类脱离操作循环,实则却把人类推向了最糟糕的岗位——长时间的被动监控,以及愈发罕见的、高压的危机处理。而恰恰在这些危机中,人类因为失去了肌肉记忆而更加力不从心。如今,这一模式正在知识工作中重演:AI 接管了模式匹配、故障分类、已知问题修复等常规认知任务,留给人类的是复杂、模糊、罕见的问题——而解决这些问题所需的深厚专业知识,恰好因为缺乏练习而萎缩。

当前 AI 在 SRE 中的应用层次

文章以 PagerDuty 的分层模型为基础,描述了 AI 在不同级别事件中的角色:

Tier 1:完全自动化

已知问题的已知修复,如重启崩溃的 Pod、自动扩缩容等,已由 AI 和自动化工具处理。

Tier 2:AI 建议 + 人工验证

部分理解的问题,AI 提供根因建议,由人类确认执行。

Tier 3:人类主导,AI 辅助

新型、复杂、级联的故障完全由人类主导,AI 仅提供上下文支持。

然而,问题在于:如果人类 SRE 只参与 Tier 3 事件,那么他们从哪里获得处理这些新颖故障的直觉?直觉来自多年实战、重复练习、凌晨被叫醒排查 Bug 的经历。当 AI 接管了绝大部分日常排查后,这些构建直觉的机会消失了。

技能退化的危机:跨领域的证据

文章引用了几项研究:在内镜检测中,使用 AI 辅助的医生在无辅助情况下的息肉检出率从 28% 下降到 22%;在航空领域,长期依赖自动驾驶的飞行员情境感知和手动操作能力显著下降,美国联邦航空管理局(FAA)甚至强制要求增加手动飞行时间。这些例子共同指向一个现象:工具使用越方便,人类自身的技能退化越严重,且这种退化是隐蔽的——用户往往意识不到,因为 AI 让日常任务看起来更高效。

对于 SRE 而言,退化体现在具体行为上:不再直接阅读原始日志(因为 AI 会总结),不再在故障期间主动提出假设(因为 AI 会建议根因),不再构建系统架构的心智模型(因为 AI 会映射依赖关系)。每一个看似提升了效率,实际上却在掏空 SRE 的核心能力。

“从未掌握”:比退化更严重的问题

更令人担忧的是“从未掌握”现象。对于刚入行的初级 SRE,当他们进入的团队已经高度依赖 AI 处理事件响应时,他们根本来不及经历足够多的实战练习来建立基础直觉。培训管道本身已经断裂,而且无法自我修复。当 SRE 意识到自己技能不足时,他们会更加依赖 AI,这反过来进一步削弱了能力,形成恶性循环。

对策:刻意保持人类能力

文章并不主张拒绝 AI 工具,而是提出了两种可行的策略:

刻意低效

就像 FAA 强制要求手动飞行时间一样,SRE 团队可以将某些 AI 可以处理的事件指定为“人类练习机会”,让工程师手动排查,即使这样会牺牲一点速度,但这是长期的技能投资。

构建人在回路中,而非人在旁边

系统应该让人类主动参与问题解决过程,而不仅仅是审批 AI 的推荐。Bainbridge 的研究表明,纯粹的监督角色会导致警觉性下降,而主动参与则能让人类保持认知活跃。

SigNoz 的立场:AI 增强而非取代

作为可观测性平台,SigNoz 正在将 AI 集成到产品中。他们的策略是从 AI 助手开始,帮助 SRE 利用大语言模型的能力,同时保持人类在控制位置。随着信任建立,再逐步开放更多自主权。由于 SigNoz 自身拥有 metrics、traces 和 logs 数据层,他们能够构建比第三方 API 集成更深入、更具上下文感知的 AI 功能。最终目标不是取代 SRE,而是增强 SRE,让人类在关键决策中发挥不可替代的作用,尤其是那些影响生产基础设施的决策。

总结

文章的核心洞察是:AI 并非直接取代 SRE,而是通过接管日常任务,悄然剥夺了 SRE 维持和提升核心能力的机会。这种技能退化是缓慢且隐蔽的,但后果可能在罕见的大型故障中集中爆发。未来的 SRE 必然是人与 AI 协作的模式,但关键在于这种协作的设计是否保持了人类的深度参与和持续成长。对于整个软件工程行业而言,这一讨论同样适用——当 AI 编写更多代码、审查更多 PR、处理更多调试时,人类工程师的思考能力是否也在同样的路径上退化?这是一个需要警惕并主动应对的问题。

原标题:AI isn't replacing SREs, it's deskilling them。 HN 原始发布时间:2026年10月30日星期五。当前记录为 649 分、474 条评论。

阅读原文 · 查看 HN 讨论