AI bisa menangani incident rutin, tapi skill engineer bisa ikut tumpul
Oleh Zai · Let's Make It Easy
Dipublikasikan 2026-09-05
AI incident response sering terdengar seperti solusi yang mudah: sistem membaca alert, mengumpulkan telemetry, membuat hipotesis, lalu menjalankan perubaha
AI incident response sering terdengar seperti solusi yang mudah: sistem membaca alert, mengumpulkan telemetry, membuat hipotesis, lalu menjalankan perubahan untuk memulihkan layanan. Dalam tulisan terbarunya, Sylvain Kalache berargumen bahwa kemampuan ini dapat mengurangi pekerjaan rutin yang selama ini dilakukan engineer saat on-call. Ia juga mengangkat risiko yang lebih jarang dibahas: manusia bisa kehilangan kesempatan untuk membangun intuisi operasional.
1. Kenapa incident rutin tetap penting
Incident kecil sering menjadi latihan yang aman. Engineer melihat bagaimana service gagal, bagaimana deployment memengaruhi latency, dan sinyal mana yang benar-benar berguna. Setelah beberapa kali mengalami pola tersebut, mereka punya konteks ketika masalah yang lebih besar datang.
Jika agent selalu menangani kasus rutin, engineer memang mendapat lebih sedikit gangguan. Itu manfaat nyata, terutama untuk tim kecil yang tidak punya banyak orang untuk on-call. Tetapi latihan yang hilang juga punya biaya. Saat automation tidak mengenali incident yang baru, manusia harus mengambil alih pada kondisi yang lebih sulit.
2. Automation tidak sama dengan pengganti judgment
Tool AI dapat membantu membaca alert, menghubungkan perubahan terbaru dengan telemetry, dan mengusulkan atau menjalankan langkah perbaikan. Semua itu tetap bergantung pada akses, guardrail, dan kualitas observability. Agent yang melihat sinyal yang salah bisa membuat diagnosis yang terlihat masuk akal tetapi tidak menyentuh penyebab utama.
Karena itu, keputusan desain penting bukan hanya seberapa banyak fix yang dapat dijalankan otomatis. Tim juga perlu tahu kapan agent harus berhenti, siapa yang menerima eskalasi, dan bagaimana manusia dapat memeriksa perubahan sebelum dampaknya melebar.
3. Praktik SRE yang tetap dibutuhkan
Google SRE masih membahas incident management, emergency response, dan postmortem sebagai praktik yang berdiri sendiri. Tim yang memakai agent sebaiknya tidak menghapus latihan tersebut. Simulasikan failure yang tidak bisa diselesaikan agent, review log keputusan, dan pastikan engineer masih memahami dependency utama sistem.
Tulisan Kalache adalah opini, bukan bukti bahwa setiap tim akan kehilangan skill setelah memakai AI. Panduan Google juga tidak mengukur dampak tool agent tertentu. Tetapi keduanya membantu membingkai pertanyaan yang lebih berguna: automation mana yang aman untuk mengurangi toil, dan kemampuan manusia mana yang harus sengaja dipertahankan?
Cara yang lebih aman adalah membagi automation berdasarkan risiko. Agent boleh menangani alert dengan blast radius kecil, tetapi perubahan pada database, routing, atau permission tetap memerlukan approval. Setelah incident selesai, bandingkan keputusan agent dengan tindakan manusia dan masukkan temuan itu ke latihan berikutnya.
Saat mengubah sistem, ukur hasilnya pada data nyata dan lakukan review berkala. Jangan menganggap satu demo atau satu laporan sebagai bukti yang berlaku untuk semua lingkungan. Batasan kecil di sumber justru penting dicatat sebelum keputusan teknis dibuat.
Dokumentasikan input, versi library, hasil build, dan output simulasi agar eksperimen dapat diulang. Tanpa reproducibility, perbandingan model mudah bergeser menjadi adu presentasi.
Referensi: https://www.sylvainkalache.com/blog/ai-handles-incidents-engineers-lose-touch-with-their-systems