Ford ha pasado los últimos tres años revirtiendo discretamente una de sus apuestas más agresivas en materia de inteligencia artificial. Según un informe de Bloomberg, el fabricante de automóviles recontrató aproximadamente a 350 ingenieros veteranos, apodados internamente "barbas grises", después de que las herramientas de inteligencia artificial y los sistemas automatizados destinados a reemplazarlos no cumplieran con las expectativas de calidad.
El episodio se perfila como uno de los estudios de caso del mundo real más claros hasta el momento sobre la brecha entre la promesa de la automatización impulsada por la IA y la complicada realidad de su implementación en la industria pesada. Para más contexto sobre esta historia, consulta nuestra últimos avances en IA.
¿Qué salió mal?
El liderazgo de Ford había asumido que la IA y los sistemas de diagnóstico automatizados podrían absorber gran parte del trabajo realizado históricamente por sus ingenieros más experimentados. Esa suposición resultó costosa. Según el informe, el vicepresidente de ingeniería de hardware para vehículos de la compañía, Charles Poon, dijo que los líderes habían pasado por alto la profunda experiencia de los veteranos que habían sobrevivido a muchos ciclos de productos.
Poon fue directo sobre el resultado y admitió que simplemente reemplazar a esos ingenieros con IA fue un "gran error". Tuvo cuidado de agregar que la IA sigue siendo "una herramienta fantástica", pero advirtió que es "tan buena como la información que se utiliza para entrenarla": un reconocimiento de que el conocimiento institucional, el tipo acumulado durante décadas en las fábricas y en los laboratorios de pruebas, no se transfiere fácilmente a un conjunto de datos de entrenamiento.
Los ingenieros recontratados ahora realizan reuniones obligatorias para solucionar problemas de los vehículos y reprogramar el software de ingeniería automatizado y las herramientas de inteligencia artificial que tenían un rendimiento deficiente. Su trabajo es buscar puntos de falla antes de que las piezas lleguen a la planta: el tipo de trabajo preventivo que ayuda a evitar los retiros masivos y los defectos que anteriormente le habían costado miles de millones a la empresa.
Un cambio mensurable
Los resultados de devolver a los humanos al circuito han sido sorprendentes. En el año pasado J.D. Encuesta de calidad inicial de energía, un estudio anual que mide los problemas de un automóvil durante sus primeros 90 días de propiedad. Ford terminó décimo entre las marcas principales y obtuvo una puntuación por debajo del promedio de la industria.
Este año, sin embargo, J.D. Power clasificó a Ford como la marca principal, colocándola por delante de Toyota y Honda. Ford atribuyó esa espectacular mejora directamente a la experiencia de los ingenieros que regresaron, un caso poco común en el que una corporación importante atribuye públicamente a la recontratación humana un repunte de la calidad.
El cambio es especialmente notable dado el contexto financiero: Ford ha estado trabajando para recortar aproximadamente mil millones de dólares en gastos este año, pero concluyó que gastar en talentos veteranos era el camino más confiable hacia la calidad que la dependencia continua de la IA.
Ford no está solo
La experiencia de Ford se ajusta a un patrón más amplio y cada vez mejor documentado. Un estudio de la empresa de recolocación Careerminds, citado en la cobertura de la historia, examinó empresas que llevaron a cabo despidos impulsados por la IA y encontró que el 35,6% de ellas tuvieron que volver a contratar a más de la mitad de los empleados que habían despedido anteriormente. Otro 32,7% volvió a contratar entre el 25% y el 50% de esos trabajadores, lo que sugiere que una proporción sustancial de los recortes de personal impulsados por la IA se revirtieron cuando la tecnología no funcionó.
La advertencia que más a menudo se invoca junto con la de Ford es Klarna. En 2024, el director ejecutivo de la fintech sueca anunció con orgullo que un nuevo chatbot de IA estaba haciendo el trabajo de 700 agentes de atención al cliente a tiempo completo, lo que llevó a la empresa a congelar la contratación y eliminar cientos de puestos. Pero a mediados de 2025 y principios de 2026, Klarna estaba luchando por reclutar agentes humanos nuevamente después de que la satisfacción del cliente se desplomara. La empresa descubrió que, si bien la IA manejaba bien las consultas básicas, los problemas complejos que requerían matices y empatía la derrotaban constantemente.
Los límites de la automatización
En conjunto, estos casos apuntan a una lección recurrente que la industria tecnológica ha tardado en absorber: La IA sobresale en tareas limitadas y bien definidas, pero lucha con el juicio, el contexto y la memoria institucional que proporcionan los trabajadores experimentados.
En el caso de Ford, ese juicio se manifiesta como una sensación casi instintiva de dónde fallará el diseño de un vehículo: conocimiento construido a lo largo de décadas de ver las mismas categorías de defectos repetirse a lo largo de los ciclos del producto. Ninguna cantidad de datos de entrenamiento, por grande que sea, reproduce fácilmente ese tipo de intuición ganada con tanto esfuerzo, particularmente cuando las lecciones más valiosas son precisamente los casos extremos y los que estuvieron a punto de ocurrir y que nunca llegaron a ninguna base de datos.
Nada de esto significa que la IA no tenga cabida en la fábrica. La propia Ford continúa utilizando herramientas de diagnóstico automatizadas, ahora supervisadas y refinadas por los mismos ingenieros que alguna vez buscó reemplazar. El marco más honesto es el de aumento en lugar de sustitución: la IA es más valiosa cuando amplía el alcance de humanos capacitados, no cuando intenta eliminarlos.
Un ajuste de cuentas para el ciclo publicitario
La historia de Ford llega en un momento incómodo para la industria de la IA. Después de años de audaces promesas de que la automatización desplazaría a vastas categorías de trabajo, un creciente conjunto de evidencia sugiere que el desplazamiento es mucho más selectivo -y las reversiones mucho más comunes- de lo que implicaba la exageración inicial.
Tanto para los inversionistas, ejecutivos y trabajadores, el cambio radical de Ford ofrece un recordatorio fundamentado: el error más costoso que una organización puede cometer con la IA puede no ser implementarla demasiado lentamente, sino confiar en que reemplace la experiencia que nunca estuvo preparada para replicar.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
