מדוע פורד שכרה מחדש מהנדסים ותיקים כדי לתקן שגיאות בינה מלאכותית ואוטומציה
עלייתה האחרונה של פורד למקום הראשון בדירוג האיכות הראשוני של JD Power מגיעה עם וידוי מפתיע: החברה נאלצה להחזיר מהנדסים לשעבר כדי לתקן טעויות שבוצעו על ידי המערכות האוטומטיות שלה. שינוי כיוון זה מדגיש לקח קריטי לתעשיית הטכנולוגיה בנוגע לסכנות שבסתמכות יתר על בינה מלאכותית (AI) מבלי לשמר ידע מוסדי אנושי.
מלכודות ההנדסה בגישת ה-"AI-First"
במשך מספר שנים, פורד ניסתה לייעל את תהליכי הייצור והעיצוב שלה על ידי הסתמכות כבדה על בינה מלאכותית ודרישות עיצוב מותאמות. עם זאת, החברה גילתה שהכנסת AI בלבד אינה מבטיחה באופן אוטומטי מוצר באיכות גבוהה. הבעיה המרכזית הייתה כפולה: איכות הנתונים ששימשו לאימון מודלי ה-AI הייתה בלתי מספקת, והחברה העריכה בחסר את הערך של "ידע מוסדי".
צ'ארלס פון, סגן נשיא להנדסת חומרת רכב בפורד, הודה כי החברה הניחה בטעות שאוטומציה יכולה להחליף את הניואנסים שמספקים מהנדסים ותיקים. ככל שהצוות המנוסה עזב את החברה, המומחיות שנצברה אצלם לא הועברה במלואה למערכות האוטומטיות, מה שהוביל לירידה באיכות הרכב ולעלייה במספר הקריאות לתיקון (recalls).
בנייה מחדש של מומחיות: אסטרטגיית ה-"Human-in-the-Loop"
כדי לתקן מסלול זה, פורד נקטה בהשקעה מסיבית מחדש בהון אנושי. יצרנית הרכב גייסה, קידמה או החזירה למשרתה למעלה מ-350 מהנדסים מנוסים. הוותיקים הללו אינם שם רק כדי לתקן פגמים פיזיים; הם מופקדים על משימה מתוחכמת הרבה יותר: אימון מחדש של מערכות ה-AI וחניכת מהנדסים צעירים יותר.
באמצעות שימוש במומחים אלו כדי לזהות בעיות לפני שהן "מחלחלות למערכת", פורד למעשה יוצרת לולאת משוב באיכות גבוהה. גישה זו מבטיחה שהנתונים המשמשים לאימון מודלי AI עתידיים יתבססו על עשרות שנים של מחזורי פיתוח רכב מעשיים, ובכך מגשרת על הפער בין לוגיקה מבוססת סיליקון לבין מורכבות מכנית בעולם האמיתי.
מעבר מגישת "מצא-ותקן" למניעה חזויה
תחת הנהגתו של סמנכ"ל התפעול (COO) קומאר גלהוטרה, פורד משנה את הפילוסופיה הבסיסית שלה מגישת "מצא-ותקן" לגישה מונעת. בעבר, החברה פעלה ב"סילוסים" (מבנים מבודדים), וזיהתה פגמים רק לאחר שהופיעו. האסטרטגיה החדשה מתמקדת ב"גורמים מאפשרים ומחוונים מוקדמים" כדי לעצור בעיות לפני שהן באות לידי ביטוי במוצר הסופי.
טרנספורמציה זו ניכרת ביותר בפיתוח התוכנה של פורד. בניגוד לאלקטרוניקה צרכנית, שבה גישת "תנוע מהר ותקן אחר כך" היא נפוצה, תוכנה לרכב פועלת בסביבה קריטית לבטיחות. כדי לנהל זאת, פורד:
- יצרה צוות ייעודי לבקרת איכות תוכנה המונה 40 איש.
- שילבה צוותי תוכנה, דיגיטל וייצור כדי לשבור את המחיצות המבודדות.
- הטמיעה למעלה מ-100,000 בדיקות אוטומטיות חדשות מבוססות AI כדי לזהות מקרי קצה ולבצע בדיקות עומס לתוכנה בתנאים קיצוניים.
מדוע זה חשוב לנוף ה-AI
הניסיון של פורד משמש כסיפור אזהרה לכל תעשייה שעוברת טרנספורמציה דיגיטלית מהירה. הוא מוכיח ש-AI הוא כוח מכפיל, ולא תחליף למומחיות עמוקה בתחום. עבור מפתחים ומייסדים, המסר ברור: אוטומציה ללא הדרכה של פיקוח אנושי מנוסה מובילה לשבריריות מערכתית. אמינות אמיתית בעידן ה-AI דורשת מודל היברידי שבו מהירות המכונה מאוזנת על ידי קפדנות אנושית.
נקודות מפתח
- פער הידע: פורד גילתה שמודלי AI נכשלו מכיוון שה"ידע המוסדי" של המהנדסים הוותיקים שעזבו לא הוטמע בהצלחה במערכות האוטומטיות.
- גיוס מחדש אסטרטגי: החברה החזירה למשרתה למעלה מ-350 מהנדסים מנוסים כדי להדריך את הצוות ולאמן מחדש מודלי AI באמצעות נתונים איכותיים יותר המונחים על ידי מומחים.
- הנדסה מונעת: פורד עוברת ממודל תגובתי של "מצא-ותקן" לגישה פרואקטיבית, תוך שימוש ביותר מ-100,000 בדיקות מבוססות AI כדי לתפוס פגמים בתוכנה לפני שהם מגיעים ללקוחות.