Las IA SRE reducen MTTR pero erosionan la intuición de los ingenieros
Herramientas de IA que gestionan incidentes automáticos mejoran tiempos de resolución, pero limitan la práctica que genera la intuición operativa.
Cuando era SRE en LinkedIn en 2012 diseñé un prototipo de sistema autocurativo. En aquel entonces la IA aún no tenía la capacidad que vemos hoy, pero la idea se ha convertido en realidad: los llamados “AI SRE” inspeccionan alertas, generan hipótesis, consultan telemetría, correlacionan despliegues recientes e incluso aplican la solución sin intervención humana.
El problema, según el autor, es que al delegar incidentes rutinarios a la IA los ingenieros pierden el contacto directo con sus sistemas. Esa práctica diaria es la que les permite desarrollar una intuición sobre el comportamiento y los modos de falla. Cuando aparece un incidente complejo, fuera del alcance de la automatización, los operadores tendrán menos experiencia para diagnosticar y resolver el problema.
Lisanne Bainbridge, investigadora de factores humanos, describió este dilema en su artículo de 1983 The Ironies of Automation: la automatización reduce las oportunidades de práctica rutinaria mientras mantiene la responsabilidad sobre situaciones anómalas, exigiendo operadores más capacitados y entrenados. El autor predice que, aunque el MTTR medio disminuirá gracias a la IA, el tiempo de resolución de incidentes críticos aumentará por la falta de práctica.
Como referencia, cita la aviación: los sistemas de vuelo automatizados manejan la mayor parte de la operación, pero los pilotos deben intervenir en fallos de motor o instrumentación, situaciones extremadamente raras. Para contrarrestar la pérdida de habilidades, los pilotos entrenan regularmente en simuladores. De forma análoga, en Rootly, la compañía de gestión de incidentes donde trabaja el autor, se ha creado una simulación realista de un apagón de e‑commerce usando LLMs en Slack. Los ingenieros asumen el rol de comandante, analizan observabilidad, coordinan con stakeholders virtuales y practican la comunicación bajo presión.
La IA también puede actuar como entrenador, explicando sus pasos y la evidencia detrás de un diagnóstico. Sin embargo, la explicación no sustituye la práctica directa, tal como observar a Serena Williams no enseña tenis sin estar en la pista. El autor insiste en que la educación práctica —proyectos rotos, ejercicios de mesa y chaos engineering— sigue siendo esencial, especialmente en la era de los LLMs, para evitar una “deuda de comprensión” creciente entre los equipos.
En conclusión, la automatización de incidentes es una herramienta poderosa, pero su adopción debe acompañarse de programas de entrenamiento continuo y simulaciones realistas para que los ingenieros mantengan su intuición y capacidad de respuesta ante fallos que la IA no pueda manejar.
