Ford ha riassunto 350 ingegneri veterani negli ultimi tre anni dopo aver scoperto che i suoi sistemi di intelligenza artificiale non erano in grado di garantire la qualità attesa sui veicoli. L’ammissione arriva direttamente dai vertici dell’azienda ed è tanto più clamorosa perché coincide con un traguardo: il costruttore di Dearborn ha conquistato il primo posto tra i brand mainstream nell’ultima edizione del JD Power Initial Quality Survey, dopo sedici anni fuori dal gradino più alto.
Charles Poon, vicepresidente dell’ingegneria hardware di Ford, ha riassunto il problema con una franchezza rara nel settore: “Erroneamente pensavamo che introducendo l’intelligenza artificiale e acquisendo i requisiti di progetto, questo avrebbe prodotto un prodotto di alta qualità.” Il chief operating officer Kumar Galhotra ha aggiunto che Ford si era affidata sempre di più a sistemi automatizzati di controllo qualità, senza ottenere i risultati desiderati. La soluzione è arrivata riportando in azienda i cosiddetti “gray beard” engineers — ingegneri con decenni di esperienza — alcuni ex dipendenti, altri pescati direttamente dai fornitori. Il loro compito: individuare i punti di cedimento prima che un componente raggiunga la linea di produzione, formare il personale più giovane e riprogrammare gli stessi strumenti AI che avevano deluso.
Il nodo del problema non è nell’AI in sé, ma nel modo in cui Ford ci è arrivata. Gli ingegneri esperti erano usciti dall’azienda prima di riuscire a trasferire il loro patrimonio di conoscenza nei sistemi destinati a sostituirli. Senza quel bagaglio, i modelli automatizzati lavoravano su dati poveri e amplificavano input difettosi invece di intercettare i difetti di progettazione. Ford ha tagliato circa 5.300 posizioni salaried dal picco occupazionale del 2020, parte di una contrazione più ampia che ha eliminato oltre 20.000 posti white-collar a Detroit. Il CEO Jim Farley aveva dichiarato pubblicamente che l’AI avrebbe sostituito “letteralmente metà di tutti i lavoratori white-collar negli Stati Uniti”. La crisi qualitativa del suo stesso gruppo complica quella previsione.
Le conseguenze si erano già viste sui dati: Ford deteneva il primato negativo di numero di richiami negli Stati Uniti nell’anno in corso, con un peggioramento nelle classifiche di affidabilità. I costi complessivi della crisi qualitativa si contano in miliardi. Oggi, con i 350 veterani al lavoro, l’azienda stima di risparmiare un miliardo di dollari solo nel 2025 grazie alla riduzione dei difetti. Gli stessi ingegneri riassunti hanno anche guidato l’espansione della suite di test automatizzati: Ford ha aggiunto oltre 100.000 nuovi test basati su AI per identificare casi limite e stressare i sistemi software. L’obiettivo è costruire un ciclo in cui l’esperienza umana guidi la macchina, non il contrario.
Il caso Ford è già osservato con attenzione da altri costruttori. Volkswagen, Toyota e molti altri stanno affrontando scelte simili sull’automazione dei processi ingegneristici. La lezione non è che l’AI non funziona: è che un sistema addestrato su dati incompleti produce risultati incompleti, e che il know-how tacito dei professionisti senior — quello che si accumula attraverso decenni di cicli produttivi — non si trasferisce automaticamente in un dataset. Ford ha pagato quel conto. Ora lo usa come argomento. La domanda che resta aperta è se questa sia una correzione strutturale o una soluzione temporanea in attesa che i modelli migliorino abbastanza da non aver più bisogno di nessun “gray beard” in carne e ossa.
