A Ford passou os últimos três anos revertendo silenciosamente uma de suas apostas mais agressivas na inteligência artificial. De acordo com um relatório da Bloomberg, a montadora recontratou cerca de 350 engenheiros veteranos – apelidados internamente de “barbas grisalhas” – depois que as ferramentas de IA e os sistemas automatizados destinados a substituí-los não atenderam às expectativas de qualidade.
O episódio está a emergir como um dos estudos de caso mais claros do mundo real sobre a lacuna entre a promessa da automação baseada na IA e a realidade confusa da sua implementação na indústria pesada. Para mais contexto sobre esta história, confira nossa cobertura da indústria de IA.
O que deu errado
A liderança da Ford presumia que a IA e os sistemas de diagnóstico automatizados poderiam absorver grande parte do trabalho historicamente realizado pelos seus engenheiros mais experientes. Essa suposição provou ser cara. De acordo com o relatório, o VP de engenharia de hardware de veículos da empresa, Charles Poon, disse que os líderes negligenciaram a profunda experiência dos veteranos que sobreviveram a muitos ciclos de produtos.
Poon foi direto sobre o resultado, admitindo que simplesmente substituir esses engenheiros por IA foi um "grande erro". Ele teve o cuidado de acrescentar que a IA continua sendo "uma ferramenta fantástica", mas advertiu que é "apenas tão boa quanto a informação que você usa para treiná-la" — um reconhecimento de que o conhecimento institucional, do tipo acumulado ao longo de décadas em fábricas e em laboratórios de teste, não se transfere facilmente para um conjunto de dados de treinamento.
Os engenheiros recontratados agora realizam reuniões obrigatórias para solucionar problemas de veículos e reprogramar o software de engenharia automatizado e as ferramentas de IA que apresentavam desempenho insatisfatório. Seu trabalho é procurar pontos de falha antes que as peças cheguem ao chão de fábrica — o tipo de trabalho preventivo que ajuda a evitar recalls e defeitos massivos que anteriormente custavam bilhões à empresa.
Uma reviravolta mensurável
Os resultados de trazer os humanos de volta ao circuito foram impressionantes. No J.D. Pesquisa de qualidade inicial de energia — um estudo anual que mede problemas em um carro durante seus primeiros 90 dias de propriedade — a Ford terminou em 10º lugar entre as marcas convencionais e obteve pontuação abaixo da média da indústria.
Este ano, no entanto, a J.D. Power classificou a Ford como a marca principal do mercado, colocando-a à frente da Toyota e da Honda. A Ford atribuiu essa melhoria dramática diretamente à experiência dos engenheiros que retornaram, um raro exemplo de uma grande empresa creditando publicamente a recontratação humana por uma recuperação de qualidade.
A reviravolta é especialmente notável dado o contexto financeiro: a Ford tem trabalhado para cortar cerca de mil milhões de dólares em despesas este ano, mas concluiu que gastar com talentos veteranos era o caminho mais fiável para a qualidade do que a dependência contínua da IA.
Ford não está sozinho
A experiência da Ford enquadra-se num padrão mais amplo e cada vez mais bem documentado. Um estudo da empresa de outplacement Careerminds, citado na cobertura da história, examinou empresas que realizaram demissões baseadas em IA e descobriu que 35,6% delas tiveram que recontratar mais da metade dos funcionários que haviam demitido anteriormente. Outros 32,7% recontrataram entre 25% e 50% desses trabalhadores — sugerindo que uma parte substancial dos cortes de pessoal impulsionados pela IA foram revertidos quando a tecnologia não funcionou.
A história de advertência mais frequentemente invocada junto com a de Ford é Klarna. Em 2024, o CEO da fintech sueca anunciou com orgulho que um novo chatbot de IA estava fazendo o trabalho de 700 agentes de atendimento ao cliente em tempo integral, levando a empresa a congelar as contratações e cortar centenas de cargos. Mas em meados de 2025 e em 2026, Klarna estava lutando para recrutar agentes humanos novamente depois que a satisfação do cliente despencou. A empresa descobriu que, embora a IA lidasse bem com consultas básicas, questões complexas que exigiam nuances e empatia a derrotavam consistentemente.
Os limites da automação
Tomados em conjunto, estes casos apontam para uma lição recorrente que a indústria tecnológica tem sido lenta a absorver: A IA é excelente em tarefas restritas e bem definidas, mas tem dificuldades com o julgamento, o contexto e a memória institucional que os trabalhadores experientes proporcionam.
No caso da Ford, esse julgamento manifesta-se como uma percepção quase instintiva de onde o design de um veículo irá falhar – conhecimento construído ao longo de décadas de observação das mesmas categorias de defeitos recorrentes ao longo dos ciclos do produto. Nenhuma quantidade de dados de treinamento, por maior que seja, reproduz facilmente esse tipo de intuição arduamente conquistada, especialmente quando as lições mais valiosas são precisamente os quase-acidentes e os casos extremos que nunca chegaram a nenhum banco de dados.
Nada disso significa que a IA não tenha lugar no chão de fábrica. A própria Ford continua a usar ferramentas de diagnóstico automatizadas – agora supervisionadas e refinadas pelos mesmos engenheiros que uma vez procurou substituir. O enquadramento mais honesto é o de aumento em vez de substituição: a IA é mais valiosa quando alarga o alcance de humanos qualificados, não quando tenta eliminá-los.
Um acerto de contas para o ciclo de hype
A história da Ford chega num momento estranho para a indústria de IA. Depois de anos de promessas ousadas de que a automatização substituiria vastas categorias de trabalho, um conjunto crescente de evidências sugere que a substituição é muito mais selectiva – e as reversões muito mais comuns – do que o hype inicial sugeria.
Para investidores, executivos e trabalhadores, a reviravolta de Ford oferece um lembrete fundamentado: o erro mais caro que uma organização pode cometer com IA pode não ser implantá-la muito lentamente, mas sim confiar nela para substituir conhecimentos que nunca foi capaz de replicar.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
