AI 工具換得快，對 DevOps / SRE 來說，可以先看哪些工作適合交給它協助。
2025 Stack Overflow Developer Survey 顯示，84% 的受訪者正在使用或計畫使用 AI 工具，51% 的專業開發者每天使用 AI；但對 AI 輸出的正確性，46% 的開發者表示不信任，高於表示信任的 33%。
整理資訊、準備草稿
Log Summarization、Incident Timeline、Error Analysis、Runbook Search，都需要處理分散的資訊，可以讓 AI 先協助整理。
YAML Generation、Terraform Draft、Shell Script、Documentation、Configuration Review、Query Generation、Alert Classification，也適合拿來輔助日常工作。
AI Agent 還能串起更多步驟：讀 Log、找 Metrics、查 Deployment、分析最近變更，接著建立 Incident Summary、提出可能原因與 Remediation Plan。
Production 決策仍然需要人負責
不要直接讓 AI 自己在 Production 做高風險決策。Stack Overflow 的調查也顯示，開發者對高責任工作，例如 Deployment 與 Monitoring，仍然比一般 Coding 任務保守。
比起只問 AI 會不會取代 SRE，也可以看它能否減少整理資訊的時間，讓一個 SRE 管理更多系統。這仍是值得觀察的問題。
DORA 2025 的研究也指出，AI 更像是一個 amplifier：它會放大組織既有的優勢與問題，而不是自動把混亂的工程流程變好。
缺少 Observability，AI 就少了判讀 Monitoring 的依據；沒有 Runbook，也缺乏可靠的操作知識。流程還沒標準化就大量產生設定，可能只是更快累積混亂。
碎碎念(經驗談)
這裡我不說該怎麼用AI，或把AI拿來做什麼。
這裡我必須說，在你考慮使用AI在你的工作上，或是你手邊可以取得的 資料、環境、權限等，你必須先思考「安全性」！
或許這樣說你會想到最上面提到的AI正確性的信任度，但我指的不是 正確性，那是你需要思考和重證的，更多時候是否正確是可以嘗試的。
但！「安全性」不是！
不管你是DevOps工程師、SRE工程師，你所可以接觸到的東西都會有 機敏性 與 權限 等問題，尤其是Git Repository裡面可能有各環境的連線帳密等，在決定使用AI之前，先想好哪些地方可以使用，該如何保護這些 機敏性 與 權限 的內容，千萬不要因為AI很方便，可以替你做很多事/省下很多時間，就一股惱的運用AI。