AI 运维的谎言：你以为省了人，其实全在填坑
“从前运维半夜被叫醒，是因为服务器真宕了。现在被叫醒，是因为 AI 觉得服务器’看起来不太对’。”
我向来是不惮以最坏的恶意来推测”AIOps”的，然而看官们大抵都只盯着”智能”这一点。
满本都写着两个字——荒诞。
运维，大抵是软件工程里最苦的一环。以前是救火，现在是陪 AI 做梦。
我横竖睡不着，把这半年的 AI 运维账本翻了一翻，才从字缝里看出字来。
AI 确实能分析日志，但更多的是，它把告警风暴升级了。
一、半夜两点，被 AI 叫醒修一个不存在的故障
上周三，凌晨两点。
我的手机响了。是监控系统的告警。
“CPU 使用率突增 300%，建议立即回滚最近一次发布。”
我猛地坐起，打开电脑。一看监控面板，心凉了半截。
CPU 确实飙高了。但仔细看日志，原来是 AI 运维系统自己在跑”智能分析任务”，导致 CPU 升高。
AI 觉得服务器异常，于是它自己制造了异常。
这哪里是运维？这分明是 AI 自己在玩”狼来了”的游戏。
二、AI 运维的三个致命盲区
AIOps 号称能终结告警风暴，实际却制造了新型告警。
1. 动态基线 ≠ 准确基线 AI 用机器学习建立”正常行为模型”，但业务大促、版本发布期间的流量突增被误判为异常。反而增加了告警噪音。
2. 根因分析靠猜 AI 的根因分析本质是相关性计算。它告诉你”CPU 升高是因为数据库慢查询”，但真实原因可能是 CDN 回源配置变更。AI 给出了看起来很有道理的答案，工程师照这个方向排查两小时才发现找错了门。
3. 告警风暴升级 75% 的告警本身就是无效或重复的。AI 来了之后不仅没减少，反而因为”智能关联”把一条真实告警扩散成十条相关告警。
它测出了指标的形，测不出业务的魂。 就像八股文做得再好，也挡不住洋人的大炮。
三、怎么解？人工兜底清单
既然 AI 运维不能信，那就不用了吗？
那倒也不是。大抵是使用方法不对。
我总结了一个原则：
把 AI 当”守夜人”，不要当”决策者”。
AI 能帮你干什么？
- 自动聚合重复告警
- 快速分析日志摘要
- 提供修复建议参考
但你想让它干什么？
- 做发布/回滚决策
- 定义核心业务的健康指标
- 做最终的生产变更
这些它干不了，也不该让它干。
四、说句难听的
别被”AIOps”的泡沫迷了眼。
AI 填平了”看日志”的坑，但把”做决策”的坑挖得更深了。
以前运维的门槛，是”会不会写脚本”。 现在运维的门槛，是”能不能判断 AI 告警对不对”。
AI 能替你分析日志，但替不了你懂业务。 AI 能替你写修复建议，但替不了你扛责任。
如果你还在指望”AI 能包揽运维的一切”，那我建议你，还是洗洗睡吧。
万一，你成了那个因为 AI 误判而背 P0 事故的人呢？
大抵如此罢。
关于码孖AI
码孖AI，专注 AI 工程化落地。
说白了就是帮程序员少干点活——但别指望 AI 替你思考，它只会替你打字。
关注我，持续更新实战踩坑指南。
:::callout tip 觉得有用？ 点个「在看」，分享给同样在 AI 落地路上挣扎的朋友。 :::