AI 當 on-call 的邊界：減少碎碎念，但不是減少思考

AI 當 on-call 的真實價值不在回應速度，而在於用自動化篩選碎碎念，但前提是你得先理解問題本身。

問題不在回應速度

VincentChan 提到一個有趣的觀點：AI 可以成為不抱怨的短期 on-call，減少那些碎碎念的注意力干擾。

乍看之下這是個效率論述——用 AI 接住那些瑣碎的問題，人類 on-call 可以專注在真正需要判斷的事。但我覺得這個想法的價值不在速度，在於轉移碎碎念的心理成本。

真正的 on-call 壓力不是「回應有多快」，而是「被打斷有多頻繁」。一個人類 on-call 即使回應速度快，也會因為頻繁的上下文切換而精神耗盡。AI 沒有這個問題——它不會對第 50 個重複問題感到煩躁。

但這裡有個隱藏的陷阱：AI 當 on-call 的真實作用，不是「解決問題」，而是「分類問題」。

絕大多數 on-call 的碎碎念其實是重複的：

AI 可以快速走過這套診斷流程，90% 的情況下能給出標準答案。剩下 10% 才需要真人的經驗和判斷。

關鍵是：這套篩選邏輯本身就是知識。你需要把「什麼是真正的問題」的標準化流程寫下來，才能讓 AI 去執行。這個過程本身就在逼你思考 on-call 的本質。

我看過一些團隊，用 AI 接 on-call 之後，反而讓問題變多了。為什麼？因為他們沒有先問：「我們的 on-call 流程為什麼這麼碎碎念？」

有時候答案是：告警設定太敏感。有時候是：文件太散。有時候是：架構本身就容易出問題。

AI 當 on-call 可以減輕症狀，但如果根本原因是系統設計有問題，你只是在用自動化延遲對問題的理解。

我的做法是反過來：先用 AI 接一週的 on-call，記錄它被問過什麼。然後看這些問題的分佈——哪些重複最多，哪些最難自動化。那些最難自動化的，往往就是你應該優化的地方。

如果用對了，AI on-call 的價值是：把人類 on-call 從「接電話」解放出來，用在「設計更好的系統」上。

不是為了省人，而是為了讓人做更有價值的事。這個區別很重要。

我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。