フォードは過去 3 年間、人工知能に対する最も積極的な賭けの 1 つを静かに撤回してきました。ブルームバーグの報道によると、同社は約350人のベテランエンジニア（社内では「白髪のひげ」と呼ばれている）を再雇用したとのことだが、これに代わるAIツールや自動化システムが期待品質を満たせなかったためだ。

このエピソードは、AI による自動化の期待と、それを重工業に導入するという厄介な現実との間のギャップを示す、これまでで最も明確な現実世界のケーススタディの 1 つとして浮上しています。 この件の詳細は、AIの最新動向をご覧ください。

何が間違っていたのか

フォードの経営陣は、AI と自動診断システムが、最も経験豊富なエンジニアによってこれまで行われてきた作業の多くを吸収できると想定していました。その仮定はコストがかかることが判明しました。報告書によると、同社の自動車ハードウェアエンジニアリング担当副社長、チャールズ・プーンは、リーダー達が多くの製品サイクルを生き抜いてきた退役軍人の深い経験を見逃していたと述べた。

プーン氏は結果について率直で、単純にこれらのエンジニアを AI に置き換えたのは 「大きな間違い」だったと認めた。同氏は、AI が依然として「素晴らしいツール」であることを慎重に付け加えたが、「トレーニングに使用する情報と同じくらい優れている」と警告した。これは、工場の現場やテストラボで数十年にわたって蓄積された種類の制度的知識は、トレーニング データセットに簡単に移行できないという認識である。

再雇用されたエンジニアは現在、車両のトラブルシューティングを行うための必須の会議を実施し、パフォーマンスが低下していた自動エンジニアリング ソフトウェアと AI ツールを再プログラムしています。彼らの仕事は、部品が工場の現場に届く前に障害点を探すことです。これは、これまで会社に数十億ドルの損害を与えていた大規模なリコールや欠陥を回避するのに役立つ一種の予防作業です。

目に見える好転

人間をループの中に戻すことで、驚くべき成果が得られました。昨年のJ.D.パワー初期品質調査 (車を所有してから最初の 90 日間における車の問題を測定する年次調査) では、フォードは 主流ブランドの中で 10 位に終わり、業界平均を下回りました。

しかし今年、J.D. パワーはフォードを トップ主流ブランドとしてランク付けし、トヨタやホンダを上回りました。フォードは、その劇的な改善は帰国したエンジニアの専門知識によるものであると述べており、大手企業が品質回復のために人材の再雇用を公に認めているのは珍しい例である。

この好転は、財務状況を考えると特に注目に値します。フォードは今年、約 10 億ドルの経費削減に取り組んできましたが、AI に依存し続けるよりも、ベテランの人材に支出する方が品質への信頼性が高いと結論付けています。

フォードは孤独ではない

フォードの経験は、より広範で、ますます十分に文書化されているパターンに適合します。この記事の報道で引用された、再就職支援会社キャリアマインドによる調査では、AI を活用した人員削減を行った企業を調査し、35.6% の企業が以前に解雇した従業員の半数以上を再雇用しなければならなかったことがわかりました。また、32.7% はそれらの労働者の 25% から 50% の間で再雇用しました。これは、AI による人員削減のかなりの部分が、テクノロジーが効果を発揮できなかったときに反転されたことを示唆しています。

フォードの話と並んで最も頻繁に呼び出される警告話は Klarna です。 2024 年、スウェーデンのフィンテック企業の CEO は、新しい AI チャットボットが 700 人の常勤カスタマー サービス エージェントの仕事を行っていると誇らしげに発表し、同社は採用を凍結し、数百人のポジションを削減することになりました。しかし、2025 年半ばから 2026 年にかけて、顧客満足度が急激に低下したため、Klarna は 人間のエージェントを再び採用することに奔走しました。同社は、AI が基本的なクエリをうまく処理する一方で、ニュアンスや共感を必要とする複雑な問題では常に AI を打ち負かしていることを発見しました。

自動化の限界

総合すると、これらの事例は、テクノロジー業界が吸収するのが遅れている繰り返しの教訓を示しています。AI は、限定的で明確に定義されたタスクには優れていますが、経験豊富な労働者が提供する判断、コンテキスト、制度上の記憶には苦労しています。

フォードの場合、その判断は、車両設計がどこで失敗するかについてのほぼ本能的な感覚として現れます。これは、製品サイクル全体で同じカテゴリの欠陥が再発するのを何十年も見てきたことで構築された知識です。トレーニング データがどんなに大きくても、特に最も価値のある教訓がデータベースに登録されなかったニアミスやエッジ ケースである場合には、そのような苦労して得た直感を簡単に再現することはできません。

これは、AI が工場現場に居場所がないことを意味するものではありません。フォード自体は自動診断ツールを使い続けており、現在はかつて同社が後任を求めていたまさにそのエンジニアによって監督され、改良されている。より正直な枠組みは、代替ではなく拡張です。AI は、熟練した人間を排除しようとするときではなく、熟練した人間の範囲を拡大するときに最も価値があります。

ハイプ サイクルの計算

フォードの物語は、AI 業界にとって厄介な時期に到来した。膨大なカテゴリーの仕事が自動化に取って代わられるという大胆な約束が何年にもわたって行われてきたが、その置き換えが当初の誇大宣伝よりもはるかに選択的であり、逆転ははるかに一般的であることを示す一連の証拠が増えている。

投資家、経営陣、従業員のいずれにとっても、フォードのひっくり返った姿勢は、根拠のある教訓を提供している。組織が AI に関して犯し得る最も高価な間違いは、AI の導入が遅すぎることではないかもしれないが、AI が再現する能力を備えていなかった専門知識の代わりになると信頼してしまうことである。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →