AI接管运维，工程师与系统渐行渐远
「随着AI在运维领域的深入应用，自动化工具能自主处理多数常规故障，但人类工程师因此缺乏实战经验，在面对复杂异常时可能难以应对。文章借鉴航空业经验，呼吁加强训练以应对“自动化悖论”。」
在人工智能技术飞速发展的今天，AI正逐步接管软件系统的日常运维工作。曾就职于LinkedIn的SRE（站点可靠性工程师）Sylvain Kalache回忆道，早在2012年他就尝试设计一套具备自愈和学习能力的系统，但由于当时AI能力有限，该构想仅停留在原型阶段。如今，这一愿景已成为现实。
当前的AI运维工具——常被称作“AI SRE”——已能独立完成从告警分析、假设生成、遥测查询、部署关联到自动修复的全流程。这类工具在深夜处理容量问题等常规事件时尤为高效，让工程师免于频繁被唤醒。然而，这种便利背后潜藏着一个严峻问题：人类工程师正在逐渐失去对系统的“手感”。
常规故障不仅是系统稳定性的重要指标，更是工程师积累经验、培养系统直觉的关键场景。当AI包揽了这些“安全”的练习机会，人类在面对前所未有的高严重性、模糊性事件时，将因缺乏实战经验而陷入困境。这正是人因工程学家Lisanne Bainbridge在1983年提出的“自动化悖论”：自动化减少了操作员执行常规任务的机会，却仍将异常情况的处理责任留给他们，反而要求其具备更高技能和更充分的训练。
作者预测，未来大多数事件的平均修复时间（MTTR）将因AI辅助而显著下降，但复杂事件的解决时间反而可能大幅上升——因为响应者已不熟悉系统行为，难以快速定位和诊断问题。
值得借鉴的是航空业的经验。现代客机高度依赖自动化飞行，但飞行员仍需负责处理发动机失效、仪表失灵、中断起飞等极端罕见但致命的异常状况。例如，涡轮发动机的空中停车率低于每10万飞行小时一次，这意味着一名飞行员可能整个职业生涯都不会在现实中遇到此类故障。
正因如此，航空业通过高强度模拟训练确保飞行员在关键时刻能正确反应。2015年复兴航空235号班机事故便是一个惨痛教训：右发自动顺桨后，机组误判为双发失效，错误关闭了仍在工作的左发，导致飞机在117秒内失速坠毁。若非训练不足，悲剧或可避免。
回到软件工程领域，我们亟需建立类似的“模拟演练”机制。即便AI能处理90%以上的日常事件，团队也应定期进行故障注入、混沌工程和手动响应演练，以维持工程师对系统的深层理解。唯有如此，才能在AI无法应对的“黑天鹅”事件来临时，确保人类依然具备掌控全局的能力。
来源：Heooo AI工具导航
