Ford возвращает 350 инженеров для исправления ошибок ИИ-систем
Автопроизводители всё активнее передают рутинные проверки ИИ-системам, однако Ford столкнулась с обратной стороной автоматизации — ростом числа ошибок на производстве, из-за чего ей пришлось вернуть на работу около 350 опытных инженеров.
Компания признала, что слишком сильно полагалась на автоматизированные инструменты в проектировании и производстве. По словам вице-президента по инженерии автомобильного оборудования Чарльза Пуна, Ford рассчитывала, что искусственный интеллект (ИИ) и уточнение требований к дизайну сами приведут к росту качества, но подход не сработал.
Главная проблема оказалась не в самой технологии, а в данных и утраченных знаниях. Часть опытных сотрудников ушла раньше, чем компания успела перенести их практический опыт в автоматизированные системы. В результате Ford пришлось нанимать, повышать или возвращать бывших инженеров. Всего речь идёт о более чем 350 специалистах, которые теперь помогают молодым командам и улучшают сбор данных для обучения ИИ.
Качество автомобилей Ford в последние годы проседало, а число отзывных кампаний росло. Компания связывает проблемы с несколькими факторами, включая сложные запуски моделей Explorer и Aviator, сбои в цепочках поставок во время пандемии COVID и разрозненную работу подразделений. Операционный директор Кумар Галхотра признал, что Ford слишком долго действовала по принципу поиска и быстрого устранения дефектов уже после их появления.
Теперь Ford пытается сместить контроль качества на более ранние этапы. Программные и цифровые команды теснее работают с инженерами, производством и поставщиками, а для проверки ПО создана отдельная группа из 40 человек. Компания также расширила автоматизированное тестирование и добавила более 100 000 ИИ-тестов, которые должны находить редкие сбои и проверять устойчивость программных систем до передачи машины клиенту.
На этом фоне Ford впервые за 16 лет заняла первое место среди массовых автопроизводителей в рейтинге начального качества JD Power. Компания не отказывается от ИИ, но теперь делает ставку не только на скорость автоматизации, а на сочетание машинных проверок, качественных данных и опыта инженеров, которые уже проходили несколько циклов разработки автомобилей.