AI 没取代 SRE，是在掏空 SRE
当 AI 处理掉大部分告警，人只剩最难的少数，而这少数恰恰要靠平时练手。这篇梳理去技能化的证据链，并给出三个今天就能执行的对策。
值班室里最安静的那种夜晚，往往是最危险的。系统一切正常，人也一晚上没动过手。
一、发生了什么
可观测性公司 SigNoz 的博客发了一篇文章，提出一个不太好听的判断：AI 不会取代 SRE，但会让 SRE 变弱。
文章的理论底座是 1983 年心理学家 Lisanne Bainbridge 的《自动化的讽刺》。她研究工厂自动化后发现一个悖论：越是把流程自动化，人在意外时刻越关键，而人恰恰因为平时不练，处理意外的能力越差。自动化把人从回路里赶出去，留下的工作变成长时间被动监控，加上偶尔一次高风险处置。
今天的 SRE 正在重复这个路径。告警降噪、已知问题的处置手册执行、日志模式识别、基于历史数据的初步定位、重启崩溃容器这类自动修复，都已经高度自动化。PagerDuty 把事故分成三层：已知问题全自动，部分理解的问题由 AI 给建议、人确认，全新的复杂故障由人主导。
问题在于，如果人只处理第三层，处理第三层所需的直觉从哪里来。
文章举了两个旁证。医学上，一项发表在《柳叶刀·胃肠病学与肝病学》的研究发现，使用 AI 辅助息肉检测的内镜医师，在停用辅助后，自己的检出率从 28% 降到 22%。航空上，长期依赖自动驾驶的飞行员，情境意识与手动飞行能力出现可测量的下降，美国联邦航空管理局因此强制要求增加手动飞行时间。
文章还提了一个更麻烦的词：never-skilling，从未学会。新入行的 SRE 一开始就在 AI 兜底的环境里工作，连建立基本功的机会都没有。
二、跟你有什么关系
一线 SRE。 你的能力曲线不会因为你用得顺手而上升，只会因为你不动手而下降，而且下降时你感觉不到。
带团队的人。 排班表上全是「AI 先看」，等于把新人练手的机会全部删掉。
写 AI 运维产品的人。 产品越自动，越要设计让人保持参与的动作，否则客户第二年就会发现团队不会处理新故障。
三、怎么用
读到这儿，可以顺路看 四个 AI 智能体接管一间量子实验室 读完能看到 AI 智能体团队如何自主跑完整轮量子自旋实验：互相审查、推翻存疑结果、修改测量方案，最后实验达标——科研自动化的下一步有了实物样本。- 划出「刻意低效」的事故。每周挑一两起 AI 本来能处理的，规定由人全程处置，事后复盘。这是投资，不是浪费。
- 把「人在回路」改成「人在场」。审批 AI 的建议只是监督，会让人进入警觉衰减；让人先独立给出假设，再看 AI 的结论，才算真正练习。
- 给新人留必练清单。至少包括读原始日志、手工画一次依赖图、独立做一次根因推理，不允许一上来就看 AI 摘要。
- 记录能力指标。比如无辅助定位耗时、独立处置比例，和系统可用率一起看。只看可用率，会把技能流失藏起来。
四、三个别信的说法
「AI 处理了 95%，人只要管 5%。」 这 5% 是最难的部分，也是唯一需要经验的部分。用 95% 的效率换掉 5% 的能力，账不一定划算。
「用得多自然就强。」 恰恰相反。工具让人感觉更胜任，研究显示使用者很难准确判断自己能力的真实状态。感觉变强和真的变强，是两件事。
「这是 SRE 特有的问题。」 写代码、做评审、查线上问题都在经历同一件事。只是 SRE 的故障后果最直接，所以最先暴露。
五、一句话结论
自动化拿走的是练习机会，留下的是考核；等哪天系统出了没见过的故障，账会一次性算清。
信息来源
功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。
每周一封，只发新教程和可复制模板。不发广告，随时退订。