2009年6月1日，法航447號班機墜入大西洋，機上228名乘客和機組人員全部遇難。

經過幾年的分析，調查人員得出結論，導致墜機的原因之一是自動化程度過高?？罩锌蛙嘇330的飛行控制完全自動化，以至于機組人員失去了優(yōu)勢。當出現(xiàn)令人困惑的信息時，他們做出了錯誤的決定，導致了事故的發(fā)生。

飛行的飛機只是自動化的眾多應用之一。既然自動化已經成為企業(yè)IT的主要目標——尤其是在IT運營(ops)中——我們應該問這樣一個問題：多少自動化才算過多？

技術主導問題

技術支配是指技術對個人的主導影響，從而使他們在技術方面處于從屬地位，在決策過程中服從技術。

長期以來公認的技術優(yōu)勢問題是去技能化。去技能化是一種現(xiàn)象，當人們將決策（和其他智力過程）推遲到某些技術時，他們會隨著時間的推移而失去技能。

在我們融入技術的生活中，去技能化無處不在。計算器會導致人們失去算術技能。（你最后一次手動執(zhí)行長除法是什么時候，嗯？）搜索引擎使人們忘記了這樣的工具非常適合檢索的事實。自動駕駛汽車導致人們失去駕駛能力。

去技能化也會發(fā)生在組織中，因為他們會因人員流失而失去熟練的人員。任何不愿將決策推遲到技術的員工可能會在其他地方尋求更具挑戰(zhàn)性的工作。

自動化偏見的興起

對于知識工作者的努力，自動化是一種特別強大的技術主導力量。我們稱這種技術主導自動化偏差。

自動化偏見有兩個方面。第一個是去技能化：當人們擁有手動完成任務的技能時，自動化該任務將導致這些人隨著時間的推移失去該技能。

自動化故事的第二部分更為有害：人們進入一個領域，在這個領域中，以前需要手動完成但現(xiàn)在已經自動化的任務不再首先學習如何完成這些任務。

解決自動化偏差去技能化問題的最有效方法是持續(xù)的模擬培訓。今天的航空公司確保所有飛行員在其整個職業(yè)生涯中繼續(xù)接受模擬培訓，這樣他們就不會因為自動化而失去技能。

第二個問題——本質上是勞動力的精簡——是一個更大的問題，尤其是在需要專業(yè)知識的領域，包括運營。如果自動化剝奪了人們獲得職業(yè)發(fā)展所需專業(yè)知識的機會，組織將如何聘用初級人員并將他們培養(yǎng)為高級人員？

為什么自動化偏見是個問題

自動化偏差之所以讓運維組織如此擔憂，是因為無論自動化有多好，總會有自動化無法解決的問題。如果團隊中沒有人具備解決問題??的專業(yè)知識，那么組織就會陷入困境。

對這種擔憂的一種常見但短視的回應是得出結論，認為組織只是需要更好的自動化。鑒于今天的自動化是人工智能驅動的，而且人工智能還相對不成熟，因此假設像AIOps這樣的自動化技術會隨著時間的推移而改進是合理的。

那么，也許自動化偏見只是一種成長的痛苦。隨著時間的推移，問題會自行解決。

這個論點的問題在于自動化是軟件，而軟件從來都不是完美的?？倳凶詣踊袛嗟那闆r。如果組織還沒有采取行動來減輕自動化偏見，那么周圍就沒有人了解自動化如何運作得足夠好來解決它。該組織將再次陷入無解的境地。

兩種類型的專業(yè)知識

基于模擬的培訓可以解決許多去技能化問題，但運維專業(yè)知識比此類培訓所能提供的更多。

與其他需要高級專業(yè)知識的知識工作者活動一樣，運維的問題在于高級運維專家成為類比專家。

類比是指人們如何解決他們以前從未遇到過的問題，因為這些問題在某些方面與他們以前解決過的其他問題相似，并且他們能夠根據(jù)其他相似的問題提出解決手頭問題的方法問題。

類比對于解決更困難的操作問題至關重要，包括自動化無法解決的問題。

鑒于現(xiàn)代生產環(huán)境的復雜性以及它們之間的差異，擁有不僅能夠快速了解??工作細節(jié)而且還可以類比解決更具挑戰(zhàn)性問題的專家對于順利運行至關重要任何運營組織。

此外，類比不是人們可以通過訓練或模擬有效學習的技能。它來自經驗——經驗越多樣化，個人就越能運用類比來解決難題。

最佳自動化程度是多少？

對于許多形式的自動化，去技能化并不是一個嚴重的問題。一般而言，包括操作人員在內的知識工作者在日常工作中可能會面臨許多例行的、可重復的任務，這些任務不需要一定的技能水平，如果失去該技能就會導致問題。所有這些例行任務都可以毫無顧慮地自動化。

在另一個極端，組織可能渴望“熄燈”生產環(huán)境，完全自動化以至于沒有理由開著燈，因為沒有人值班。任何擁有這種熄燈環(huán)境的組織都可能會失去任何可能在出現(xiàn)問題時通過去技能化或自然減員來解決問題的員工。

因此，隨著基于人工智能的自動化變得越來越復雜，組織將達到某個最佳點，在這個最佳點上，自動化的優(yōu)勢足以平衡任何劣勢。

找到這種最佳方式取決于相關人員——技術工人，他們必須以某種方式在日常工作中適應自動化。

一定要聽高層善于類比的人說的。他們可以解決自動化永遠無法解決的問題。盡一切努力留住他們并讓他們受到足夠的挑戰(zhàn)，既可以保持士氣，也可以幫助他們保持技能。

還要記住，想出資深人士的唯一方法是從初級人員開始并提高他們的技能。然而，基于知識的培訓是不夠的，因為它沒有解決自動化偏見。

基于模擬的訓練更有效，具有諷刺意味的是，人工智能可以驅動基于模擬的訓練技術。但即使是這種類型的培訓也是不夠的。

再多的培訓，無論是知識培訓還是基于模擬的培訓，都無法充分教授類比。培養(yǎng)這種技能的最佳方法是結合指導和經驗——換句話說，傳統(tǒng)的學徒制。

當然，以學徒制為基礎的培訓已經存在了幾千年，比自動化成為現(xiàn)實還早了很多個世紀。

既然AI正在推動組織尋找和利用專業(yè)知識的方式發(fā)生范式轉變，那么必須牢記過去的教訓——尤其是在自動化不斷發(fā)展的情況下。