Ford poslední tři roky potichu zvrátil jednu ze svých nejagresivnějších sázek na umělou inteligenci. Podle zprávy Bloombergu automobilka najala zhruba 350 zkušených inženýrů – interně přezdívaných „šedé vousy“ – poté, co nástroje umělé inteligence a automatizované systémy, které je měly nahradit, nesplnily očekávání kvality.
Tato epizoda se rýsuje jako jedna z nejjasnějších případových studií v reálném světě o propasti mezi příslibem automatizace řízené umělou inteligencí a chaotickou realitou jejího nasazení v těžkém průmyslu. For more context on this story, see our ongoing AI industry coverage.
Co se pokazilo
Vedení Fordu předpokládalo, že umělá inteligence a automatizované diagnostické systémy mohou absorbovat většinu práce, kterou historicky vykonali jeho nejzkušenější inženýři. Tento předpoklad se ukázal jako nákladný. Podle zprávy VP pro inženýrství hardwaru vozidel, Charles Poon, uvedl, že lídři přehlédli hluboké zkušenosti veteránů, kteří přežili mnoho produktových cyklů.
Poon se k výsledku vyjádřil přímočaře, připustil, že pouhé nahrazení těchto inženýrů umělou inteligencí byla „obrovská chyba“. Opatrně dodal, že AI zůstává „fantastickým nástrojem“, ale varoval, že je „pouze tak dobrá, jako informace, které používáte k jejímu výcviku“ – uznání, že institucionální znalosti, takové, jaké se nashromáždily po desetiletí v továrnách a v testovacích laboratořích, se nepřenesou snadno do školicí datové sady.
Znovunajatí inženýři nyní pořádají povinné schůzky k řešení problémů s vozidly a přeprogramují automatizovaný inženýrský software a nástroje AI, které měly nedostatečnou výkonnost. Jejich úkolem je hledat místa selhání předtím, než se díly vůbec dostanou do výrobního závodu – druh preventivní práce, která pomáhá odvrátit masivní stahování a závady, které dříve stály společnosti miliardy.
Měřitelný obrat
Výsledky přivedení lidí zpět do smyčky byly ohromující. V loňském J.D. Power Initial Quality Survey – každoroční studie měřící problémy v autě během prvních 90 dnů jeho vlastnictví – Ford skončil 10. mezi tradičními značkami a skóroval pod průměrem v oboru.
Letos však J.D. Power zařadil Ford mezi top mainstreamovou značku a umístil jej před Toyotu a Hondu. Ford připisoval toto dramatické zlepšení přímo odbornosti navrácených inženýrů, což je vzácný případ, kdy velká korporace veřejně připisuje zásluhy opětovnému najímání lidí za odraz kvality.
Obrat je zvláště pozoruhodný vzhledem k finančnímu kontextu: Ford letos pracoval na snížení výdajů zhruba o 1 miliardu dolarů, ale dospěl k závěru, že výdaje na zkušené talenty jsou spolehlivější cestou ke kvalitě než další spoléhání se na AI.
Ford není sám
Zkušenosti Fordu zapadají do širšího a stále lépe zdokumentovaného vzoru. Studie outplacementové firmy Careerminds, citovaná v reportáži, zkoumala společnosti, které prováděly propouštění na základě umělé inteligence, a zjistila, že 35,6 % z nich muselo znovu přijmout více než polovinu zaměstnanců, které předtím propustili. Dalších 32,7 % znovu přijalo mezi 25 % a 50 % těchto pracovníků – což naznačuje, že podstatná část propouštění zaměstnanců řízených umělou inteligencí byla zrušena, když se technologie nepodařilo zajistit.
Varovným příběhem, který je vedle Forda nejčastěji uváděn, je Klarna. V roce 2024 generální ředitel švédského fintechu hrdě oznámil, že nový chatbot s umělou inteligencí vykonává práci 700 agentů zákaznických služeb na plný úvazek, což společnost přimělo zmrazit nábor a zrušit stovky pozic. Ale do poloviny roku 2025 a do roku 2026 se Klarna pokoušela znovu najmout lidské agenty poté, co spokojenost zákazníků prudce klesla. Společnost zjistila, že zatímco umělá inteligence zvládala základní dotazy dobře, složité problémy vyžadující nuance a empatii ji soustavně překonávaly.
Limity automatizace
Dohromady tyto případy poukazují na opakující se lekci, kterou technologický průmysl vstřebával pomalu: AI vyniká v úzkých, dobře definovaných úkolech, ale bojuje s úsudkem, kontextem a institucionální pamětí, kterou poskytují zkušení pracovníci.
V případě Fordu se tento úsudek projevuje jako téměř instinktivní smysl pro to, kde konstrukce vozidla selže – znalosti budované po desetiletí, kdy se v průběhu výrobních cyklů opakovaly stejné kategorie závad. Žádné množství trénovacích dat, ať je jakkoli velké, snadno nereprodukuje tento druh těžce vydobyté intuice, zvláště když nejcennější lekce jsou přesně případy, kdy se téměř nedostaly do žádné databáze a které se nikdy nedostaly do žádné databáze.
Nic z toho neznamená, že AI nemá v továrně místo. Ford sám nadále používá automatizované diagnostické nástroje – nyní pod dohledem a zdokonalováním právě těmi inženýry, které se kdysi snažil nahradit. Upřímnější rámování je jedním z rozšiřování spíše než substituce: AI je nejcennější, když rozšiřuje dosah zkušených lidí, ne když se je snaží eliminovat.
Počítání s Hype Cyklusem
Příběh Forda přichází v nevhodnou chvíli pro průmysl AI. Po letech smělých slibů o automatizaci nahrazující rozsáhlé kategorie práce rostoucí množství důkazů naznačuje, že přesun je mnohem selektivnější – a zvraty jsou mnohem častější – než naznačoval původní humbuk.
Investorům, vedoucím pracovníkům i pracovníkům nabízí Fordův pohled na věc uzemněnou připomínku: nejdražší chybou, kterou může organizace s umělou inteligencí udělat, nemusí být její nasazování příliš pomalu, ale důvěřovat jí, že nahradí odbornost, kterou nikdy nebyla schopna replikovat.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
