#061
2026-11-11

AI 運維說 MTTR 降 60%:快修不等於快恢復

📰 想看更多新聞?
瀏覽完整新聞列表

本週在鹽湖城舉辦的 KubeCon 北美站上,Red Hat 引用的調查數據相當醒目:92% 的企業已把 AI 放進軟體開發生命週期的至少一個階段,79% 預期在三年內全面採用 AI 代理。AI 運維已經從「要不要用」的問題,變成「值不值得用」的問題——而銷售簡報裡的答案幾乎都指向同一個指標:MTTR(平均解決時間)。「MTTR 降低 60%」「MTTR 改善最高 90%」,數字很好看,但沒有人在問的那個問題是:時鐘到底停在什麼時候?

先看時鐘的定義。MTTR 裡的「R」可以是 repair、recovery、respond 或 resolve,團隊應該先約定指的是哪一個。實際上至少有三種時鐘在同時跑:生產事故(從告警觸發到服務恢復)、程式問題(從發現到修復)、以及 CI 失敗(從一次失敗執行到所有檢查轉綠)。DORA 甚至把自家指標改成了「失敗部署恢復時間」。三種時鐘量的是不同的事、時間尺度差好幾個數量級,如果廠商把三者摁進同一個數字宣稱「AI 讓 MTTR 降了 60%」,應該先問清楚:這到底是哪一座時鐘?起點和終點又定義成什麼?

更關鍵的是:模型寫出的補丁,不等於已驗證的修復。診斷錯方向,再快的修復也會落在錯誤的位置,成本還包括「察覺到修錯」的時間;補丁只是把症狀靜音,恰好執行到的檢查全綠,也不代表缺陷消失。還有一個容易被忽略的隱藏成本——審核排隊:Sonar 對超過 1,100 名開發者的問卷顯示,38% 認為審核 AI 產生的程式碼,比審核同事手寫的還花時間。模型一天產出十幾個補丁,每個審核多花兩分鐘,這些時間總要有人付帳。再加上反覆的 CI 失敗(每次失敗嘗試都是完整的流水線週期)、返工、回歸——任何一項都可能把「快修」拖成「慢恢復」。更要小心的是,MTTR 甚至可能「因為錯的理由而下降」:把問題標記為無效、或反覆重跑到通過為止,時鐘提早停了,風險卻還在那裡。

想獨立驗證也不容易。METR 在 2026 年 2 月的後續研究就結論「AI 讓開發變快」的信號不可靠——開發者可以挑選想提交哪些任務,多個代理並行時時間也更難記錄。DORA 的 2025 研究說得更直接:AI 是一個放大器,它放大組織既有的強項,也放大既有的弱項。換言之,別家公司的 pilot 數據、廠商的現場演示,對你的團隊都只是弱證據。

那真正的 ROI 怎麼量?核心是一道簡答題:對流程裡的每一個環節,問 AI 到底是減少了工作、挪移了工作、還是新增了工作——只有對端到端時鐘的淨效果才作數。具體做法:一次只看一個流程(生產事故和程式修復不要混在一起比);用規則把「有 AI/無 AI」的分組指派好,而不是讓人自己挑;同級別、同複雜度的事才互相比;起點與終點事件事先寫死,時間戳從 CI、工單、事件系統裡取,不靠記憶;把第一次人工介入、修復建議、審核通過、驗證通過這些中間時間戳都記下來;設最小樣本量,並回報中位數與區間,而不只是平均值。

💡 LAFA 觀點

24/7 AI 運維的時鐘,不該停在「AI 做了一個動作」,而該停在「服務確認恢復且穩定」。LAFA 對每起事件記錄從告警、定位、修復到驗證的完整時間線,驗證通過才算數——MTTR 降了多少,該從你自己的數據裡算出來,不是從廣告裡。