لماذا أعادت فورد توظيف مهندسين مخضرمين لإصلاح أخطاء الذكاء الاصطناعي والأتمتة
يأتي صعود فورد الأخير إلى المركز الأول في تصنيفات الجودة الأولية من JD Power مصحوباً باعتراف مفاجئ: اضطرت الشركة لاستعادة مهندسين سابقين لإصلاح الأخطاء التي ارتكبتها أنظمتها المؤتمتة. يسلط هذا التحول الضوء على درس بالغ الأهمية لصناعة التكنولوجيا فيما يتعلق بمخاطر الاعتماد المفرط على الذكاء الاصطناعي دون الحفاظ على المعرفة المؤسسية البشرية.
عثرات هندسة "الذكاء الاصطناعي أولاً"
لعدة سنوات، حاولت فورد تبسيط عمليات الإنتاج والتصميم من خلال الاعتماد بشكل كبير على الذكاء الاصطناعي ومتطلبات التصميم المعدلة. ومع ذلك، اكتشفت الشركة أن مجرد إدخال الذكاء الاصطناعي لا يضمن تلقائياً منتجاً عالي الجودة. كانت المشكلة الأساسية مزدوجة: جودة البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي كانت غير كافية، كما أن الشركة قللت من تقدير قيمة "المعرفة المؤسسية".
اعترف تشارلز بون، نائب رئيس هندسة أجهزة المركبات في فورد، أن الشركة افترضت خطأً أن الأتمتة يمكن أن تحل محل الدقة واللمسات الفنية التي يقدمها المهندسون المخضرمون. ومع مغادرة الموظفين ذوي الخبرة للشركة، لم يتم نقل خبراتهم المتراكمة بالكامل إلى الأنظمة المؤتمتة، مما أدى إلى انخفاض جودة المركبات وزيادة عمليات استدعاء السيارات.
إعادة بناء الخبرات: استراتيجية "العنصر البشري في الحلقة" (Human-in-the-Loop)
لتصحيح هذا المسار، شرعت فورد في عملية إعادة استثمار ضخمة في رأس المال البشري. فقد قامت الشركة بتعيين أو ترقية أو استعادة أكثر من 350 مهندساً ذا خبرة. هؤلاء المخضرمون ليسوا موجودين فقط لإصلاح العيوب المادية؛ بل كُلفوا بمهمة أكثر تعقيداً: إعادة تدريب أنظمة الذكاء الاصطناعي وتوجيه المهندسين الشباب.
من خلال الاستعانة بهؤلاء الخبراء لتحديد المشكلات قبل أن "تتسلل إلى النظام"، تعمل فورد أساساً على إنشاء حلقة تغذية راجعة عالية الجودة. يضمن هذا النهج أن تكون البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي المستقبلية مستندة إلى عقود من دورات تطوير المركبات العملية، مما يسد الفجوة بين المنطق القائم على السيليكون والتعقيد الميكانيكي في العالم الحقيقي.
الانتقال من "البحث والإصلاح" إلى "الوقاية التنبؤية"
تحت قيادة مدير العمليات كمار غالوترا، تعمل فورد على تحويل فلسفتها الأساسية من عقلية "البحث والإصلاح" إلى عقلية وقائية. في السابق، كانت الشركة تعمل في جزر منعزلة، حيث لم تكن تحدد العيوب إلا بعد ظهورها. تركز الاستراتيجية الجديدة على "الممكنات والمؤشرات المبكرة" لوقف المشكلات قبل أن تظهر في المنتج النهائي.
يتجلى هذا التحول بوضوح في تطوير البرمجيات في فورد. فخلافاً للإلكترونيات الاستهلاكية، حيث يشيع نهج "تحرك بسرعة وأصلح لاحقاً"، تعمل برمجيات السيارات في بيئة حساسة للسلامة. ولإدارة ذلك، قامت فورد بما يلي:
- إنشاء فريق مخصص لضمان جودة البرمجيات يضم 40 شخصاً.
- دمج فرق البرمجيات والفرق الرقمية وفرق التصنيع لكسر الحواجز بين الأقسام.
- تنفيذ أكثر من 100,000 اختبار مؤتمت جديد مدعوم بالذكاء الاصطناعي لتحديد الحالات الاستثنائية واختبار قدرة البرمجيات تحت الظروف القاسية.
لماذا يهم هذا مشهد الذكاء الاصطناعي
تُعد تجربة فورد بمثابة قصة تحذيرية لأي صناعة تمر بتحول رقمي سريع. فهي تثبت أن الذكاء الاصطناعي هو مضاعف للقوة وليس بديلاً عن الخبرة العميقة في المجال. بالنسبة للمطورين والمؤسسين، فإن الدرس المستفاد واضح: الأتمتة دون توجيه من إشراف بشري خبير تؤدي إلى هشاشة نظامية. إن الموثوقية الحقيقية في عصر الذكاء الاصطناعي تتطلب نموذجاً هجيناً يتم فيه ضبط سرعة الآلة بالدقة البشرية.
خلاصات رئيسية
- فجوة المعرفة: وجدت فورد أن نماذج الذكاء الاصطناعي فشلت لأن "المعرفة المؤسسية" للمهندسين المخضرمين المغادرين لم يتم ترميزها بنجاح في الأنظمة المؤتمتة.
- إعادة التوظيف الاستراتيجي: أعادت الشركة أكثر من 350 مهندساً ذا خبرة لتوجيه الموظفين وإعادة تدريب نماذج الذكاء الاصطناعي باستخدام بيانات عالية الجودة يقودها الخبراء.
- الهندسة الوقائية: تنتقل فورد من نموذج "البحث والإصلاح" التفاعلي إلى نهج استباقي، باستخدام أكثر من 100,000 اختبار مدعوم بالذكاء الاصطناعي لاكتشاف عيوب البرمجيات قبل وصولها إلى العملاء.