Ford ha ritirato un ingegnere esperto perché l'intelligenza artificiale non ha funzionato con il controllo di qualità.

La Ford Motor Company ha recentemente invertito la sua dipendenza dall'intelligenza artificiale (AI) nei processi di controllo della qualità, optando invece per riportare ingegneri esperti che avevano precedentemente lasciato l'azienda. Questa decisione è arrivata dopo che le valutazioni interne hanno rivelato che i sistemi AI non erano in grado di eguagliare l'esperienza di questi professionisti esperti.

La leadership dell'azienda ha riconosciuto che i sistemi automatizzati avevano alcune carenze che richiedevano un equilibrio con l'esperienza umana. Negli ultimi anni, più di 300 ispettori di qualità esperti sono stati riassunti per colmare queste lacune. Charles Poon, vicepresidente di ingegneria hardware automobilistica di Ford, ha sottolineato che mentre l'IA può essere un potente strumento, la sua efficacia dipende pesantemente dalla qualità dei dati utilizzati per addestrarlo. Ha osservato che non è stata prestata sufficiente attenzione alla valorizzazione delle conoscenze degli ingegneri che avevano lavorato attraverso numerosi cicli di sviluppo del prodotto.

Ford è tra le aziende che cercano di capitalizzare sul crescente interesse per l'IA. Jim Farley, CEO dell'azienda, ha menzionato in una precedente intervista che l'IA potrebbe potenzialmente sostituire molti ruoli attualmente detenuti dai lavoratori intellettuali. Il capo operativo dell'azienda, Kumar Galhotra, ha dichiarato che Ford mira a integrare l'IA in tutte le sue operazioni industriali. Come parte di questa iniziativa, l'azienda ha installato oltre 900 telecamere alimentate dall'IA nelle sue fabbriche per rilevare problemi di qualità durante la produzione e prevenire interruzioni nella catena di fornitura.

Tuttavia, le recenti ammissioni indicano che i sistemi di controllo di qualità basati sull'IA di Ford non hanno soddisfatto le aspettative. Poon ha ammesso che c'era una credenza errata che semplicemente implementare l'IA e inserire i requisiti di progettazione esistenti sarebbe stato sufficiente per produrre prodotti di alta qualità. Ha sottolineato che i sistemi automatizzati mancavano delle conoscenze e delle competenze possedute dagli ingegneri con decenni di esperienza. Molti di questi professionisti qualificati avevano già lasciato l'azienda prima che la loro conoscenza accumulata potesse essere utilizzata nello sviluppo di sistemi basati sull'IA.

Poon ha sottolineato l'importanza di garantire che i professionisti più esperti guidino lo sviluppo di automazione avanzata, apprendimento automatico e strumenti di intelligenza artificiale. Questa mossa arriva quando Ford ha annunciato le sue migliori prestazioni nel J.D. Power Initial Quality Study tra le principali case automobilistiche negli Stati Uniti. In una dichiarazione, la società ha osservato che il raggiungimento di una qualità eccezionale richiedeva un significativo rinnovo professionale, che includeva la sostituzione di diversi dirigenti senior e l'assunzione di quasi 300 ingegneri esperti.

L'integrazione dell'intelligenza artificiale nei processi produttivi rappresenta una tendenza più ampia nell'industria automobilistica, in cui le aziende cercano di bilanciare l'innovazione tecnologica con le competenze tradizionali. Mentre l'intelligenza artificiale promette una maggiore efficienza e risparmi sui costi, le esperienze di Ford suggeriscono che la supervisione umana rimane cruciale, in particolare in compiti complessi che richiedono una profonda conoscenza tecnica.

Questo cambiamento sottolinea le sfide affrontate dalle industrie che tentano di adottare nuove tecnologie senza tenere pienamente conto del valore dell'esperienza umana. Per Ford, la reintegrazione di ingegneri veterani evidenzia sia le limitazioni delle attuali capacità di intelligenza artificiale che il continuo bisogno di intuizione umana in aree critiche di produzione.

Guardando al futuro, gli sforzi di Ford per migliorare i suoi sistemi di intelligenza artificiale con competenze umane possono servire da modello per altri produttori che attraversano transizioni simili. Il riconoscimento della società dei suoi precedenti errori di giudizio sul potenziale dell'IA indica la volontà di adattarsi e imparare dalle applicazioni del mondo reale.