Las herramientas de IA ahora resumen canales de incidentes, correlacionan anomalías de logs, sugieren pasos de remediación y generan PRs de corrección más rápido que ingenieros de oncall. No pueden manejar fallos novedosos y ambiguos que no coinciden con runbooks. Esa brecha no es temporal. Puede ser estructural.

Los adoptadores empresariales reportan el número del titular: equipos ejecutando agentes de IA SRE en Prometheus/OpenTelemetry → AlertManager → LangChain con runbook-RAG → arquitecturas ejecutoras Kagent lograron reducciones de 60–80% en alertas P1 de oncall en 90 días. La salvedad es crítica. Esos resultados se mantienen solo cuando el agente se entrena en runbooks específicos de la empresa, no en conocimiento LLM genérico. Coloca un modelo listo para usar en tu topología de producción y obtendrás un agente confiado tomando decisiones incorrectas. La investigación citada por J. Paul Reed en la discusión de Uptime Labs cuantifica el costo: la asistencia de IA engañosa degrada el desempeño humano por debajo de la línea base de trabajar sin IA. El problema de confianza va en ambas direcciones.

Las pruebas A/B de Google a escala de producción encontraron que su función de Hipótesis de Incidente de IA—presentando hipótesis, pasos de verificación y dashboards relevantes en la herramienta principal del oncaller—entregó una reducción del 10% en Tiempo Medio para Mitigación (MTTM). Ese es un resultado de automatización parcial controlada de una de las organizaciones de ingeniería más instrumentadas del planeta. Google lo llama automatización Nivel 1. No es remediación autónoma. Es entrega de información estructurada. Incluso a escala de Google, ese es donde la base de evidencia es más clara.

El modo de fallo más peligroso documentado en 2026 es lo que el análisis Gheware DevOps AI llama "goal lock": un agente de IA que diagnostica correctamente un problema, luego toma una acción de remediación que resuelve el síntoma inmediato mientras crea fallos mayores descendentes. Ejemplos reales: auto-scaling que dispara una alarma de costo en la nube, reinicios de servicio que limpian estado en memoria del que dependen servicios descendentes, y cambios RBAC que arreglan un servicio mientras bloquean ingenieros. La respuesta arquitectónica es un diseño de dos compuertas: un umbral de confianza y una verificación de radio de explosión ejecutados en paralelo antes de cualquier remediación. Sin ambos, no hay límite en lo que el agente puede romper.

El análisis de Uptime Labs identifica dos riesgos estructurales más difíciles de bloquear. El Principio Restante: conforme la IA maneja fallos rutinarios, el trabajo restante se vuelve cada vez más inusual, ambiguo y complejo. Los ingenieros que no están regularmente manejando incidentes Tier 1–2 pierden la conciencia situacional que los hace efectivos cuando llegan eventos Tier 0. La brecha de responsabilidad: los humanos siguen siendo formalmente responsables de decisiones en sistemas donde progresivamente han perdido el contexto práctico para tomar esas decisiones bien. La investigación de NIST de 2026 en monitoreo de sistemas de IA desplegados señala la misma dinámica—investigación insuficiente en bucles de retroalimentación humano-IA y una pregunta sin resolver de si el monitoreo automatizado puede sustituir el monitoreo validado por humanos.

La presión de escala está solo acelerando esta dinámica. El artículo SRE de Google observa que las organizaciones están buscando aumentos de 4x en productividad de codificación de asistentes de desarrollo de IA. Más código, más deployments, más cambios de configuración entran en producción. El volumen de cambios sube mientras la IA maneja más triage. El número de incidentes es una función del volumen de cambio y la probabilidad de fallo por cambio. IA ayuda con la segunda variable. Amplifica la primera.

IA SRE es una solución parcial con un límite duro. Las compuertas de radio de explosión y los umbrales de confianza son infraestructura innegociable. El entrenamiento de runbook específico de la empresa determina si la tasa de automatización de 60–80% es alcanzable o aspiracional. La inversión humana para mantener los respondentes afilados—game days, chaos engineering, ejercicios de mesa—aumenta conforme la automatización maneja más trabajo rutinario, no disminuye.