AI 接管了 On-call，然后工程师的手生了锈

AI 接管了 On-call，然后工程师的手生了锈

民航业有个数字很冷静：现代涡扇发动机每十万飞行小时的空中停车不到一次。一个飞四十年的飞行员，职业生涯里几乎不可能真撞上一回——所以他每六个月必须回模拟机，把引擎失效的操作重新过一遍。FAA 强制的，不商量。软件业刚刚走进完全对称的局面，只是没有那份强制文件。

写这份"非官方文件"的是 Sylvain Kalache——Rootly 的 AI Labs 主管，LinkedIn 前高级 SRE，Holberton School 联合创始人。9 月 4 日的博客标题就是判断句：AI 处理事故的同时，工程师正在失去对系统的手感。HN 上 382 分、三百多条评论，他本人提交，下场答辩。本人下场。

他说的事情已经发生了

现在的 AI SRE 工具链能做的事：接住告警、列出假设、查询遥测、定位根因，有的还能直接把修复方案发上去。常规事故从告警到止血，AI 一条龙。Kalache 的原话："we are losing touch with our systems."【直引】他给出的预言是双曲线：常规事故的平均恢复时间会一路向下，复杂事故的恢复时间会一路向上——因为处理复杂事故的手艺，只可能在处理事故中练出来。

他把四十多年前的老文献挖出来垫在底下：1983 年 Lisanne Bainbridge 的《The Ironies of Automation》。那篇论文的判断在他笔下只挪了几个词——"automation reduces operators' opportunities to practice routine work while leaving them responsible."【直引】自动化拿走所有练习机会，却把出事时的责任原样留在人身上。aviation 业界当年读懂了这句话，于是有了每六个月的强制复训；软件业读懂了这句话的哪些部分，目前是零。有意思。

文章里有个词我觉得会被留下："comprehension debt"——理解债。系统越长越复杂，人对它的理解却越来越薄，这个差额像技术债一样计息，利率由罕见事故决定。他还提了自己 2012 年在 LinkedIn 做自愈系统原型的往事：当时做不出来，是因为机器学不会从历史事故里推理；今天能做了，代价是值班工程师从此有了不用动手的理由。

评论区吵的是另一件事

382 分的讨论里，最高赞的反方观点很硬：如果模型能力继续照这个斜率涨，那 AI 解决不了的事故，人类练了也白练——"an incident that cannot be resolved by AI will stump humans no matter the practice."【直引】有人接了一句更彻底的："LLM models are already the new compilers."【直引】Kalache 阵营最强的回击落在责任上：AI 的产出终究要落到某块磁盘上，系统还在人的名下；"Firms aren't just selling products, they are selling reliability and taking on liability."【直引】公司卖的不只是产品，还有可靠性和责任——"系统太复杂"这个理由，董事会不收。他在文章里的那句收尾我抄给各位："the more successful it becomes, the less prepared humans may be for the moment it fails."【直引】越成功，失败那一刻越措手不及。

【判断】这篇博客真正的价值，是把 AI coding 讨论的焦点往前推了一站：代码有人审、有人改的争论还没结束，生产系统的 On-call 已经先一步交出去了。他开的药方——全行业建事故模拟器、把模拟演练变成 On-call 的常规复训——成本不低，见效很慢，眼下只在他自家公司这类产品里开始落地。药方可能不对。但病是确凿的：这一代工程师正在成为人类历史上第一批"从没见过发动机停车"却还被要求起飞的飞行员。