В материале SigNoz рассматривается не полная замена SRE искусственным интеллектом, а возможная потеря квалификации. Если AI возьмёт на себя 95% реакции на инциденты, человеку останутся самые необычные 5%, требующие наибольшего опыта. При этом регулярной практики, на которой такой опыт формируется, станет меньше.
Основой рассуждения служит работа психолога Лизанны Бейнбридж Ironies of Automation 1983 года. Она показала парадокс промышленной автоматизации: оператор становится особенно важен в редкие моменты отказа системы, но именно тогда ему не хватает практики. Длинные периоды пассивного наблюдения чередуются с кризисами, к которым человек оказывается хуже подготовлен. Автор переносит эту модель с физических операций на когнитивную работу — triage, распознавание закономерностей и разбор известных проблем.
В SRE уже автоматизируются группировка предупреждений, запуск runbook, поиск аномалий в логах, предположения о первопричине и простые действия вроде перезапуска pod или масштабирования сервиса. В модели PagerDuty известные проблемы относятся к Tier 1 и полностью автоматизируются, частично понятные Tier 2 требуют подтверждения человеком, а новые каскадные сбои Tier 3 остаются под руководством инженера. Вопрос статьи: откуда возьмётся интуиция для Tier 3, если люди не участвуют в остальных разборах.
В качестве параллелей приводятся исследование эндоскопистов, у которых доля обнаружения полипов без AI после периода его использования снизилась с 28% до 22%, и данные о потере пилотами навыков ручного управления при интенсивной работе с автопилотом. Эти результаты не доказывают такой же эффект именно в SRE, но показывают известный риск в других областях.
Потеря навыков может маскироваться под рост производительности: сводки AI заменяют чтение сырых логов, готовые причины — самостоятельные гипотезы, карты зависимостей — ментальную модель системы. Для новичков автор выделяет never-skilling: они не утрачивают старое мастерство, а вообще не получают возможности его сформировать.
Предлагаются два противодействия. Первое — намеренно оставлять часть подходящих инцидентов людям для практики, даже ценой более медленного решения. Второе — строить human-in-the-loop, где инженер активно исследует проблему вместе с AI, а не просто утверждает готовую рекомендацию.
SigNoz связывает этот подход со своей open-source платформой наблюдаемости: сначала компания развивает ассистента под контролем человека, а автономность планирует расширять постепенно и с ограничениями. Это позиция производителя инструмента, а не независимый прогноз рынка.