主要观点：AI 无处不在但常未兑现承诺，需关注其在各环节的应用及潜在问题。
关键信息：

• 目前无通用人工智能（AGI），部署工具需能立即工作。
• 存在“情境差距”，模型和自动化从窄环境定义出发，与人的思维方式不同。
• 列出关于 AI 解决方案的一系列问题，包括工具移除后是否更好、是增强人还是计算机等。
  重要细节：
• 研究发现使用 LLM 训练的人在移除 LLM 后测试更易失败，自动化处理标准挑战时操作员会变差。
• 工具可增强人或计算机，方式不同失败情况不同。
• 自动化可能使人成为监控者，而非构建理解，还可能限制观察范围、成为分心因素、强化偏见等。
• 避免 AI 成为“英雄”导致团队依赖，要考虑质量成本权衡，确保解决实际问题。
• 多个 AI 工具同时使用时会出现协调等问题，操作员需维护各自动化组件的上下文。
• outage 或 incident 后要明确学习和修复的责任。
  总结：应关注 AI 在各环节的应用，利用相关理论和问题清单，负责任地设计系统，避免因 AI 应用带来新问题。