AI热榜 你可能已经习惯了用 dashboard 看系统、用 alert 发现问题，但问题是，当一个系统有成百上千个服务、每天产生海量数据时，你真的还能看见它吗？
作为领先的 observability（可观测性）平台，New Relic 几乎见证了整个现代软件运维的发展历程。
如今，他们正尝试把 AI 引入 observability，从“让你看见问题”，走向“直接告诉你该关注什么”，甚至在问题发生前自动采取行动。
与此同时，一个新的难题也浮现出来：当 AI 本身成为系统的一部分，我们又该如何监控这些不确定、会“胡说”的模型？
近日，在播客节目中，New Relic 的 Chief Technology Strategist（首席技术战略官）Nic Benders 与主持人 Lee Atchison 一起讨论了 observability 如何从 dashboards 和 alerts 演进到 AI 驱动的智能系统，LLM 如何与统计方法协同从海量数据中提取信号，以及 AI 对软件工程职业未来的影响。
本文基于该播客视频整理，经 InfoQ 编辑。
核心观点如下： observability 系统，其实更应该叫“understandability 系统”，因为没人真的想“观察”，大家要的是“理解”。
增加 alert 并不会提升响应能力。
它会训练人产生一种反应：“先等一下，看看它会不会自己恢复。
”结果响应时间反而被拉长了。
噪音越多，响应越慢，但团队却误以为 alert 越多越安全。
当 AI 让每个人有能力去完成更多事情，结果不是“少工作”，而是“多产出”，历史上从来没有哪次技术进步让人类真的减少工作量。
真正的“source of truth”始终是业务本身：如果你是电商，那就是有没有成交；如果是社交产品，那就是用户有没有互动；不管是什么产品，你之所以写这些软件，就是为了实现那个目标。
从“看得见”到“看不过来” Lee：这些年你都在 New Relic 忙什么？
作为首席技术战略官，你的日常职责到底是什么？
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接