AI与SRE的自动化悖论
AI正在改变SRE的日常工作：告警降噪、已知故障的运行手册、日志模式识别、根因提示，以及部分自动修复，都越来越适合交给系统处理。问题因此从“AI会不会取代SRE”转向另一个更实际的疑问：当AI处理了绝大多数事件时，工程师是否会失去应对少数关键故障所需的判断力？
自动化可能如何削弱SRE技能
文章借用认知心理学家Lisanne Bainbridge关于自动化的研究指出，自动化会让人长期处于被动监控状态，却在系统失效时要求人类处理最复杂的危机。对SRE而言，持续依赖摘要、自动假设和依赖关系图，可能减少阅读原始日志、建立系统模型和反复处理故障的机会。技能退化往往不会立刻显现，因为日常效率和仪表盘状态仍可能看起来很好。
让AI辅助SRE而非取代实践
可行方向不是拒绝AI，而是有意识地保留人工参与：团队可以让部分本可自动处理的事件成为练习机会，并让工程师与AI共同调查，而不只是被动审批建议。对初级SRE来说，这一点尤其重要，因为他们可能还没有建立足够的故障直觉，自动化减少的正是这些基础训练机会。文章将这种能力从未形成的风险称为“never-skilling”。
这场讨论的核心限制仍在于证据和边界：不同团队、工具和事件类型的影响可能并不相同，自动化带来的效率收益也不能简单抹去。真正需要验证的是，哪些人工练习足以维持能力，以及如何衡量工程师是否仍能独立处理前所未见的级联故障。AI可以扩大SRE的分析范围，但生产环境中的关键判断仍需要保持清醒、参与和可追责的人类角色。