AI और ऑटोमेशन की गलतियों को सुधारने के लिए फोर्ड ने अनुभवी इंजीनियरों को दोबारा क्यों काम पर रखा

JD Power की शुरुआती गुणवत्ता रैंकिंग में फोर्ड का हालिया नंबर 1 स्थान पर पहुँचना एक चौंकाने वाले स्वीकारोक्ति के साथ आया है: कंपनी को अपने स्वयं के ऑटोमेटेड सिस्टम द्वारा की गई गलतियों को सुधारने के लिए पूर्व इंजीनियरों को वापस लाना पड़ा। यह बदलाव तकनीकी उद्योग के लिए एक महत्वपूर्ण सबक है कि मानवीय संस्थागत ज्ञान (institutional knowledge) को सुरक्षित रखे बिना AI पर अत्यधिक निर्भर रहने के क्या खतरे हैं।

"AI-First" इंजीनियरिंग के खतरे

कई वर्षों तक, फोर्ड ने आर्टिफिशियल इंटेलिजेंस और समायोजित डिज़ाइन आवश्यकताओं पर भारी निर्भरता के माध्यम से अपनी उत्पादन और डिज़ाइन प्रक्रियाओं को सुव्यवस्थित करने का प्रयास किया। हालाँकि, कंपनी ने पाया कि केवल AI को शामिल करने से उच्च गुणवत्ता वाले उत्पाद की गारंटी स्वतः नहीं मिलती है। मुख्य समस्या दोहरी थी: AI मॉडल को प्रशिक्षित करने के लिए उपयोग किए गए डेटा की गुणवत्ता अपर्याप्त थी, और कंपनी ने "संस्थागत ज्ञान" के मूल्य को कम करके आंका था।

फोर्ड के व्हीकल हार्डवेयर इंजीनियरिंग के VP, चार्ल्स पून ने स्वीकार किया कि कंपनी ने गलती से यह मान लिया था कि ऑटोमेशन अनुभवी इंजीनियरों द्वारा प्रदान किए जाने वाले सूक्ष्म अंतर (nuance) की जगह ले सकता है। जैसे-जैसे अनुभवी कर्मचारी कंपनी छोड़ते गए, उनका संचित अनुभव पूरी तरह से ऑटोमेटेड सिस्टम में स्थानांतरित नहीं हो पाया, जिससे वाहनों की गुणवत्ता में गिरावट आई और रिकॉल (recalls) की संख्या बढ़ गई।

विशेषज्ञता का पुनर्निर्माण: 'ह्यूमन-इन-द-लूप' रणनीति

इस दिशा को सुधारने के लिए, फोर्ड ने मानव पूंजी में भारी पुनर्निवेश किया है। ऑटोमेकर ने 350 से अधिक अनुभवी इंजीनियरों को काम पर रखा है, पदोन्नत किया है या वापस बुलाया है। ये अनुभवी लोग केवल भौतिक दोषों को ठीक करने के लिए नहीं हैं; उन्हें एक बहुत ही परिष्कृत मिशन सौंपा गया है: AI सिस्टम को फिर से प्रशिक्षित करना और युवा इंजीनियरों का मार्गदर्शन करना।

समस्याओं के "सिस्टम में प्रवेश करने" से पहले उन्हें पहचानने के लिए इन विशेषज्ञों का उपयोग करके, फोर्ड अनिवार्य रूप से एक उच्च-गुणवत्ता वाला फीडबैक लूप बना रहा है। यह दृष्टिकोण सुनिश्चित करता है कि भविष्य के AI मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा दशकों के व्यावहारिक वाहन विकास चक्रों से प्रेरित हो, जिससे सिलिकॉन-आधारित तर्क और वास्तविक दुनिया की यांत्रिक जटिलता के बीच के अंतर को पाटा जा सके।

"Find-and-Fix" से प्रेडिक्टिव प्रिवेंशन की ओर बढ़ना

COO कुमार गालहोत्रा के नेतृत्व में, फोर्ड अपनी मौलिक विचारधारा को "find-and-fix" (खोजो और ठीक करो) मानसिकता से बदलकर एक निवारक (preventative) मानसिकता की ओर ले जा रहा है। पहले, कंपनी साइलोस (silos) में काम करती थी, और दोषों की पहचान केवल उनके सामने आने के बाद ही होती थी। नई रणनीति समस्याओं के अंतिम उत्पाद में प्रकट होने से पहले उन्हें रोकने के लिए "enablers and early indicators" (सक्षमकर्ताओं और शुरुआती संकेतकों) पर ध्यान केंद्रित करती है।

यह परिवर्तन फोर्ड के सॉफ्टवेयर विकास में सबसे स्पष्ट है। कंज्यूमर इलेक्ट्रॉनिक्स के विपरीत, जहाँ "move fast and fix later" (तेजी से आगे बढ़ें और बाद में ठीक करें) दृष्टिकोण आम है, ऑटोमोटिव सॉफ्टवेयर सुरक्षा-महत्वपूर्ण (safety-critical) वातावरण में काम करता है। इसे प्रबंधित करने के लिए, फोर्ड ने:

• 40 लोगों की एक समर्पित सॉफ्टवेयर क्वालिटी एश्योरेंस टीम बनाई है।
• साइलोस को तोड़ने के लिए सॉफ्टवेयर, डिजिटल और मैन्युफैक्चरिंग टीमों को एकीकृत किया है।
• एज केस (edge cases) की पहचान करने और चरम स्थितियों में सॉफ्टवेयर का स्ट्रेस-टेस्ट करने के लिए 1,00,000 से अधिक नए AI-संचालित ऑटोमेटेड टेस्ट लागू किए हैं।

AI परिदृश्य के लिए यह क्यों महत्वपूर्ण है

फोर्ड का अनुभव किसी भी तेजी से डिजिटल परिवर्तन से गुजर रहे उद्योग के लिए एक चेतावनी के रूप में कार्य करता है। यह साबित करता है कि AI एक 'फोर्स मल्टीप्लायर' (शक्ति बढ़ाने वाला कारक) है, न कि गहन डोमेन विशेषज्ञता का विकल्प। डेवलपर्स और संस्थापकों के लिए सबक स्पष्ट है: अनुभवी मानवीय निरीक्षण के मार्गदर्शन के बिना ऑटोमेशन से प्रणालीगत कमजोरी (systemic fragility) आती है। AI के युग में वास्तविक विश्वसनीयता के लिए एक हाइब्रिड मॉडल की आवश्यकता है जहाँ मशीन की गति को मानवीय कठोरता (human rigor) के साथ संतुलित किया जाए।

मुख्य बातें

• ज्ञान का अंतर: फोर्ड ने पाया कि AI मॉडल इसलिए विफल रहे क्योंकि जाने वाले अनुभवी इंजीनियरों के "संस्थागत ज्ञान" को ऑटोमेटेड सिस्टम में सफलतापूर्वक एनकोड नहीं किया गया था।
• रणनीतिक पुन: भर्ती: कंपनी ने कर्मचारियों का मार्गदर्शन करने और उच्च-गुणवत्ता वाले, विशेषज्ञ-संचालित डेटा के साथ AI मॉडल को फिर से प्रशिक्षित करने के लिए 350 से अधिक अनुभवी इंजीनियरों को वापस बुलाया।
• निवारक इंजीनियरिंग: फोर्ड एक प्रतिक्रियाशील "find-and-fix" मॉडल से हटकर एक सक्रिय दृष्टिकोण अपना रहा है, जिसमें सॉफ्टवेयर दोषों को ग्राहकों तक पहुँचने से पहले पकड़ने के लिए 1,00,000 से अधिक AI-संचालित परीक्षणों का उपयोग किया जा रहा है।