开源可观测性厂商 SigNoz 在 2026 年 2 月 28 日发布了一份令基础架构圈警醒的深度分析，直指 AI 并没有取代站点可靠性工程师（SRE），而是正在废掉他们的核心专业能力。文章引用一项医学临床研究作为参照，内窥镜医生在使用 AI 辅助检测息肉一段时间后，脱离 AI 时的独立检出率从 28% 降至 22%；同样的能力退化正发生在软件工程一线。
更值得警惕的是，这种退化并非因为 AI 已经强大到无需人类插手。SigNoz 以 AI 处理 95% 常规事件响应作为推演前提，但独立基准测试揭示了完全相反的现实：在 2025 年的 IBM ITBench 基准测试中，表现最强的模型在 SRE 场景下的故障诊断得分仅为 13.8%，故障缓解得分只有 11.4%。即便到了 2026 年的独立评估 ITBench-AA，最高模型得分也仅爬升至 56.2%，且这只是测试环境得分而非生产环境解决率。行业真正面临的致命错位在于，AI 连及格线都还没摸到，人类工程师却已经开始了认知卸载。
95% 自动化的营销泡沫与半生不熟的 AI 假说
市面上关于 AI 解决 95% 故障的说法，源自 2026 年某厂商自行撰写的经验报告，其宣称 8 个模型中有 5 个在自建的 7 集群测试中解决了 95% 到 100% 的运行问题，但这并非独立的生产环境验证。一线工程团队的真实体感与厂商宣传相去甚远。
在 PagerDuty 划分的三级故障模型中，已知问题配已知修复方案的 Tier 1 故障如重启崩溃 Pod 或扩容高负载服务，确实已高度自动化；部分理解的 Tier 2 故障由 AI 提供建议并由人类验证；而未知、复杂的 Tier 3 级联雪崩仍由人类主导。以 Rootly、incident.io、Resolve AI 为代表的工具正试图接管多信号关联与自动根因分析，但边界极为明显。
Rootly 在 2026 年 9 月 15 日的评估中承认，AI SRE 智能体面对陌生故障或缺失埋点数据时存在局限，经常产生自信的错误答案，所有生产变更仍需人类签字批准。incident.io 工程团队也在 2026 年 10 月 1 日披露，开发 AI 调查功能时必须专门花精力解决幻觉、对过时结论的锚定效应，以及回放评估时模型偷看事后复盘报告导致的误导性高分。不少在 2025 年底至 2026 年初评估过 Resolve AI 的一线工程师反馈，系统给出的误导性线索依然频繁，团队最终宁愿退回使用连接了内部工具、配有人类编写指令的通用编程智能体。
AI 还没学会独立修好 Bug，却已经先把人类变成了失去上下文的审核员。
当工具只能做到半自动化且频发幻觉时，值班工程师的处境比完全没有 AI 时更凶险。以前排障是从零开始看原始日志流、画系统依赖图；现在是凌晨三点被叫醒，面对一份 AI 生成的看似逻辑自洽、实则锚定了错误方向的根因报告，工程师需要在大脑高度疲惫且毫无前期排查上下文的状态下，去证伪一个算法假说。
- 风险.盲目采信 AI SRE 自动生成的根因假说，不仅无法缩短平均恢复时间（MTTR），反而会因过时结论锚定与错误线索误导，在级联故障中延误黄金止损窗口。
跨越 43 年的自动化悖论与两代工程师的断代危机
SigNoz 在分析中重提了认知心理学家 Lisanne Bainbridge 于 1983 年发表的论文《自动化的讽刺》。Bainbridge 研究工业自动化时发现了一个悖论，系统自动化程度越高，人类操作员在自动化失效的罕见时刻就越关键；但正因为平时缺乏实操练习，他们在这些高危时刻的干预能力反而越差。
结合人因工程学与最新的计算机交叉实验来看，AI 对资深工程师与初级工程师造成的伤害机制截然不同。
资深工程师遭遇的是单次任务中的情境感知丧失。Endsley 与 Kiris 早在 1995 年发表于《Human Factors》的实证研究就证明，操作员从主动处理转为被动监控后，对系统状态的感知会大幅下降，一旦自动化失效，接管决策的速度明显变慢。当 AI 替资深 SRE 总结日志、映射架构依赖，表面上看是生产率飙升，实际上是工程师的心理模型正在空心化。
初级工程师面临的则是更彻底的技能形成阻断。老一代架构师处理 Tier 3 复杂故障的直觉，无一不是从成百上千次重启 Pod、排查配置错误的 Tier 1 和 Tier 2 低级故障中摔打出来的。如今 AI 直接抽走了底层的练手阶梯。
Bastani 等人 2025 年发表于《PNAS》的近 1000 名学生随机实地实验给出了量化证据，使用通用 GPT 界面虽然让有辅助练习的表现提升了 48%，但在随后的无辅助考试中，这批学生的成绩反而比对照组低了 17%（约 5.4 个百分点）。Shen 与 Tamkin 在 2026 年发布的预印本研究（arXiv:2601.20245）同样证实，让开发者用 AI 辅助学习陌生的 Python 库，不仅没有带来统计显著的平均速度提升，反而降低了他们对代码的掌握度、阅读与调试能力。如果初级 SRE 从入行第一天起就把常规排障外包给 AI，三年后当系统遭遇从未见过的级联崩溃时，团队里将没有具备系统直觉的人能顶上去。
保住人类团队工程韧性的三条实操边界
工具的演进不可逆，但工程团队完全可以通过改变人机交互方式来阻断能力退化。在 2026 年的上述 Python 库学习实验中，研究人员发现了一个关键变量：凡是把任务直接外包给 AI 的开发者能力均出现下滑，但利用 AI 寻求原理解释的参与者，却表现出了更强的学习效果。
这也印证了航空业与头部大厂的应对思路。针对自动驾驶导致的飞行员手动驾驶能力退化，美国联邦航空管理局（FAA）已强制要求增加手动飞行时间。对于正在采购或自研 AI 运维工具的基础架构负责人，眼下最务实的动作是划定三条工程红线：
- 模仿 Google 实施有界自治与安全网关Google 的可靠性工程实践明确限制 AI 的权限边界，仅对轻微故障进行自动缓解；任何关键生产操作必须经人类批准，且必须通过独立于 AI 之外的安全网关执行变更。
- 引入刻意低效的脱机演练团队不能为了追求短期的 MTTR 指标而把所有常规告警全部交给自动化脚本，必须定期将部分 Tier 1 和 Tier 2 故障指定为初级工程师的无 AI 练手场，人为保留试错与建立心智模型的通道。
- 把自动驾驶员降级为解释型调查助手就像 SigNoz 选择从底层可观测性数据层切入、让人类保持控制权一样，管理层应要求工程师在排障时禁止直接复制执行 AI 的修复命令，必须用 AI 追问指标异常背后的链路逻辑，在人机协同中保持大脑的认知参与。
- 建议.技术主管在评估 Rootly 或 Resolve AI 等工具时，不应只看演示环境下的自动修复率，而应将回放测试中的误导性线索率（False-lead rate）以及是否支持可证伪的原始证据链作为核心采购指标。