這是一篇觀點文
本文整理 SigNoz 電子報 Observability Real Talk 的文章（作者 Elizabeth，2026-02-28）。以下論點屬作者觀點，並非實證研究結論；文中引用的研究數字也以原文轉述為準。
作者的核心主張：AI 不會直接取代 SRE，但會讓 SRE 技能退化（deskilling），而新人可能從未練成（never-skilling）。
1983 年就寫好的諷刺
作者引用 Lisanne Bainbridge 1983 年的論文〈Ironies of Automation〉：自動化接手簡單工作後，人類只剩監看與處理最難的例外；但因平常沒機會練，真正出事時反而最不熟。
套到 SRE：PagerDuty 把事故分三層，第一層已知問題全自動，第二層 AI 建議、人類驗證，第三層全新、連鎖的複雜故障仍由人主導。作者的提醒是：如果人只碰第三層，平常靠第一、二層累積的手感就沒了。
醫療與航空的前車之鑑
作者舉兩個其他領域的例子：
- 醫療：一項內視鏡研究中，醫師習慣 AI 輔助後，在沒有 AI 時的腺瘤偵測率由約 28% 降至 22%（數字依原文轉述）
- 航空：自動駕駛普及後，FAA 要求飛行員維持手動飛行時數，避免關鍵時刻生疏
團隊可以怎麼做
作者建議的方向，整理成可落地的做法：
- 刻意保留低效：定期讓工程師不靠 AI 處理一部分例行事故，當作練習
- 人在迴路中，而不是旁邊：AI 給出根因時，要求值班者說明為何同意，而不是直接按下套用
- 給新人練習場：用演練、故障注入或過往事故重播，補上「從未練成」的缺口
- 事後檢討看人也看 AI：記錄哪些判斷是人做的，哪些是照 AI 建議
不只 SRE，任何把例行判斷交給 AI 的團隊，都值得問一句：真正出事那天，誰還會手動處理？
