Ford ha trascorso gli ultimi tre anni ribaltando silenziosamente una delle sue scommesse più aggressive sull’intelligenza artificiale. Secondo un rapporto di Bloomberg, la casa automobilistica ha assunto circa 350 ingegneri veterani – soprannominati internamente “barbe grigie” – dopo che gli strumenti di intelligenza artificiale e i sistemi automatizzati destinati a sostituirli non sono riusciti a soddisfare le aspettative di qualità.

L’episodio sta emergendo come uno dei casi di studio reali più chiari finora sul divario tra la promessa dell’automazione basata sull’intelligenza artificiale e la caotica realtà della sua implementazione nell’industria pesante. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.

Cosa è andato storto

La leadership di Ford aveva dato per scontato che l’intelligenza artificiale e i sistemi diagnostici automatizzati potessero assorbire gran parte del lavoro storicamente svolto dai suoi ingegneri più esperti. Questa ipotesi si è rivelata costosa. Secondo il rapporto, il VP dell'ingegneria dell'hardware dei veicoli, Charles Poon, ha affermato che i leader hanno trascurato la profonda esperienza dei veterani che sono sopravvissuti a molti cicli di prodotto.

Poon è stato schietto riguardo al risultato, ammettendo che semplicemente sostituire quegli ingegneri con l'intelligenza artificiale è stato un "enorme errore." È stato attento ad aggiungere che l'intelligenza artificiale rimane "uno strumento fantastico", ma ha avvertito che è "buono quanto le informazioni utilizzate per addestrarla" - un riconoscimento del fatto che la conoscenza istituzionale, quella accumulata nel corso di decenni nelle fabbriche e nei laboratori di test, non si trasferisce facilmente in un set di dati di addestramento.

Gli ingegneri riassunti ora organizzano riunioni obbligatorie per risolvere i problemi dei veicoli e riprogrammare il software di ingegneria automatizzata e gli strumenti di intelligenza artificiale che avevano prestazioni inferiori. Il loro compito è quello di individuare i punti di guasto prima che i componenti raggiungano lo stabilimento: il tipo di lavoro preventivo che aiuta a evitare massicci richiami e difetti che in precedenza erano costati miliardi all'azienda.

Una svolta misurabile

I risultati del riportare gli esseri umani nel circuito sono stati sorprendenti. Nel libro dell'anno scorso J.D. Power Initial Quality Survey, uno studio annuale che misura i problemi di un'auto durante i suoi primi 90 giorni di proprietà, Ford si è classificata al 10° posto tra i marchi tradizionali e ha ottenuto un punteggio inferiore alla media del settore.

Quest’anno, tuttavia, J.D. Power ha classificato Ford come il miglior marchio mainstream, posizionandolo davanti a Toyota e Honda. Ford ha attribuito questo notevole miglioramento direttamente alla competenza degli ingegneri rientrati, un raro esempio di una grande azienda che attribuisce pubblicamente credito alle riassunzioni umane per un rimbalzo di qualità.

L’inversione di tendenza è particolarmente notevole dato il contesto finanziario: Ford ha lavorato per tagliare circa 1 miliardo di dollari di spese quest’anno, ma ha concluso che spendere per talenti veterani era il percorso più affidabile verso la qualità rispetto alla continua dipendenza dall’intelligenza artificiale.

Ford non è sola

L'esperienza di Ford rientra in uno schema più ampio e sempre più ben documentato. Uno studio condotto dalla società di outplacement Careerminds, citata nella copertura della storia, ha esaminato le aziende che hanno condotto licenziamenti guidati dall’intelligenza artificiale e ha scoperto che il 35,6% di loro ha dovuto riassumere più della metà dei dipendenti che avevano precedentemente licenziato. Un altro 32,7% ha riassunto tra il 25% e il 50% di tali lavoratori, suggerendo che una quota sostanziale dei tagli al personale guidati dall’intelligenza artificiale è stata invertita quando la tecnologia non è riuscita a fornire risultati.

Il racconto ammonitore più spesso invocato insieme a quello di Ford è Klarna. Nel 2024, il CEO dell'azienda fintech svedese ha annunciato con orgoglio che un nuovo chatbot AI stava svolgendo il lavoro di 700 agenti del servizio clienti a tempo pieno, spingendo l'azienda a congelare le assunzioni e tagliare centinaia di posizioni. Ma a metà del 2025 e fino al 2026, Klarna stava cercando di reclutare nuovamente agenti umani dopo che la soddisfazione dei clienti era crollata. L’azienda ha scoperto che mentre l’intelligenza artificiale gestiva bene le query di base, le questioni complesse che richiedevano sfumature ed empatia la sconfiggevano costantemente.

I limiti dell'automazione

Nel loro insieme, questi casi evidenziano una lezione ricorrente che l’industria tecnologica è stata lenta ad assorbire: L’intelligenza artificiale eccelle in compiti ristretti e ben definiti, ma fatica con il giudizio, il contesto e la memoria istituzionale forniti dai lavoratori esperti.

Nel caso di Ford, quel giudizio si manifesta come un senso quasi istintivo di dove il progetto di un veicolo fallirà: una conoscenza costruita in decenni di osservazione delle stesse categorie di difetti ripresentarsi attraverso i cicli di prodotto. Nessuna quantità di dati di addestramento, per quanto grande, riproduce facilmente quel tipo di intuizione conquistata a fatica, in particolare quando le lezioni più preziose sono proprio i quasi incidenti e i casi limite che non sono mai stati inseriti in nessun database.

Ciò non significa che l’intelligenza artificiale non abbia posto in fabbrica. La stessa Ford continua a utilizzare strumenti diagnostici automatizzati, ora supervisionati e perfezionati dagli stessi ingegneri che un tempo cercava di sostituire. La definizione più onesta è quella di aumento piuttosto che di sostituzione: l’intelligenza artificiale è più preziosa quando estende la portata degli esseri umani qualificati, non quando cerca di eliminarli.

Una resa dei conti per il ciclo dell'hype

La storia di Ford arriva in un momento difficile per il settore dell’intelligenza artificiale. Dopo anni di audaci promesse sull’automazione che sostituirà vaste categorie di lavoro, un numero crescente di prove suggerisce che lo spostamento è molto più selettivo – e le inversioni molto più comuni – di quanto implicasse l’hype iniziale.

Per investitori, dirigenti e lavoratori allo stesso modo, il dietrofront di Ford offre un monito radicato: l'errore più costoso che un'organizzazione può fare con l'intelligenza artificiale potrebbe non essere quello di implementarla troppo lentamente, ma aver fiducia che sostituisca competenze che non è mai stata in grado di replicare.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →