AI 자동화, SRE의 숙련도를 갉아먹는가?

본문에서는 1983년 발표된 Bainbridge의 연구(Ironies of Automation)를 인용하여, AI 기반 자동화가 SRE의 역량 저하를 초래한다고 지적한다. 자동화가 일상적인 업무를 처리하는 동안, SRE는 희소한 고난도 문제 해결 경험을 잃게 된다는 것이다. 이는 자동화가 인간의 개입을 최소화하는 과정에서, 오히려 인간의 숙련도를 저해하는 역설적인 결과를 낳는다는 점을 강조한다.

AI가 알림(Alert) 처리, 문제 진단, 자동 복구(Auto-Remediation) 등 SRE의 주요 업무를 담당하면서, SRE는 문제 해결 경험 부족에 직면한다. 특히 AI가 제시하는 해결책의 정확성을 검증할 능력이 부족해지면서, SRE는 AI의 판단에 의존하게 된다. 이는 SRE가 시스템 전반에 대한 이해도를 낮추고, 궁극적으로는 고난도 문제 해결 능력을 저하시키는 결과를 초래한다.

커뮤니티에서는 AI가 제시하는 해결책에 대한 SRE의 검증 능력 부족을 우려한다. AI는 높은 정확도를 보장하지만, SRE는 AI의 답변을 검증할 충분한 지식을 갖추지 못할 수 있다. 실제 사례로, 엔지니어가 AI의 지시를 따르기 전에 검증을 요청하는 상황이 발생한다. 이는 AI의 의존도가 높아질수록 SRE의 독립적인 문제 해결 능력이 약화될 수 있음을 시사한다.

저자는 AI를 도구로 활용하되, SRE의 핵심 역량 유지를 위한 전략을 제시한다. 구체적으로, AI가 처리할 수 있는 문제라도 SRE가 직접 해결하는 의도적인 비효율성(Deliberate Inefficiency)을 통해 숙련도를 유지해야 한다고 강조한다. 또한, AI를 보조 도구로 활용하고, SRE가 문제 해결의 주체가 되는 Human-in-the-loop 방식을 제안한다. 이는 SRE가 AI와 협력하여 고난도 문제 해결 능력을 지속적으로 개발하도록 돕는다.