فورڈ نے AI اور آٹومیشن کی غلطیوں کو درست کرنے کے لیے تجربہ کار انجینئرز کو دوبارہ کیوں ملازمت پر رکھا

JD Power کی ابتدائی کوالٹی رینکنگ میں فورڈ کی حالیہ پہلی پوزیشن کے ساتھ ایک حیران کن اعتراف بھی سامنے آیا ہے: کمپنی کو اپنے خودکار نظاموں (automated systems) کی غلطیوں کو درست کرنے کے لیے سابقہ انجینئرز کو واپس لانا پڑا۔ یہ تبدیلی ٹیکنالوجی کی صنعت کے لیے ایک اہم سبق ہے کہ انسانی ادارہ جاتی علم (institutional knowledge) کو محفوظ کیے بغیر AI پر حد سے زیادہ انحصار کرنا کتنا خطرناک ہو سکتا ہے۔

"AI-First" انجینئرنگ کے نقصانات

کئی سالوں تک، فورڈ نے مصنوعی ذہانت (AI) اور تبدیل شدہ ڈیزائن کی ضروریات پر بھروسہ کرتے ہوئے اپنے پیداواری اور ڈیزائن کے عمل کو بہتر بنانے کی کوشش کی۔ تاہم، کمپنی کو معلوم ہوا کہ محض AI متعارف کروانے سے اعلیٰ معیار کی مصنوعات کی ضمانت خود بخود نہیں ملتی۔ بنیادی مسئلہ دوہرا تھا: AI ماڈلز کی تربیت کے لیے استعمال ہونے والے ڈیٹا کا معیار ناکافی تھا، اور کمپنی نے "ادارہ جاتی علم" (institutional knowledge) کی اہمیت کو کم سمجھا تھا۔

فورڈ کے وی پی آف وہیکل ہارڈویئر انجینئرنگ، چارلس پون نے اعتراف کیا کہ کمپنی نے غلطی سے یہ فرض کر لیا تھا کہ آٹومیشن تجربہ کار انجینئرز کی باریکیوں اور مہارت کا متبادل بن سکتی ہے۔ جیسے جیسے تجربہ کار عملہ کمپنی چھوڑتا گیا، ان کی جمع شدہ مہارت مکمل طور پر خودکار نظاموں میں منتقل نہیں ہو سکی، جس کے نتیجے میں گاڑیوں کے معیار میں کمی آئی اور 'ریکالز' (recalls) میں اضافہ ہوا۔

مہارت کی بحالی: "Human-in-the-Loop" حکمت عملی

اس صورتحال کو درست کرنے کے لیے، فورڈ نے انسانی سرمائے (human capital) میں بڑے پیمانے پر دوبارہ سرمایہ کاری شروع کی ہے۔ کار ساز کمپنی نے 350 سے زیادہ تجربہ کار انجینئرز کو ملازمت پر رکھا ہے، ترقی دی ہے یا واپس بلایا ہے۔ یہ تجربہ کار افراد صرف جسمانی نقائص کو درست کرنے کے لیے نہیں ہیں؛ بلکہ انہیں ایک زیادہ پیچیدہ مشن سونپا گیا ہے: AI نظاموں کی دوبارہ تربیت کرنا اور نوجوان انجینئرز کی رہنمائی کرنا۔

ان ماہرین کے ذریعے مسائل کو "نظام میں داخل ہونے" سے پہلے ہی پہچان کر، فورڈ بنیادی طور پر ایک اعلیٰ معیار کا فیڈ بیک لوپ (feedback loop) تیار کر رہا ہے۔ یہ طریقہ کار اس بات کو یقینی بناتا ہے کہ مستقبل کے AI ماڈلز کی تربیت کے لیے استعمال ہونے والا ڈیٹا گاڑیوں کی تیاری کے دہائیوں پر محیط عملی تجربات سے مستفید ہو، جس سے سلیکون پر مبنی منطق اور حقیقی دنیا کی مکینیکل پیچیدگیوں کے درمیان فرق کو ختم کیا جا سکے۔

"Find-and-Fix" سے "Predictive Prevention" کی طرف منتقلی

سی او او (COO) کمار گلہوترا کی قیادت میں، فورڈ اپنی بنیادی فلسفے کو "تلاش کرو اور ٹھیک کرو" (find-and-fix) کے بجائے ایک احتیاطی (preventative) طرز پر منتقل کر رہا ہے۔ اس سے قبل، کمپنی الگ تھلگ طریقے سے کام کرتی تھی، اور نقائص کا پتہ صرف ان کے ظاہر ہونے کے بعد چلتا تھا۔ نئی حکمت عملی "اسباب اور ابتدائی اشاروں" (enablers and early indicators) پر توجہ مرکوز کرتی ہے تاکہ مسائل کو حتمی مصنوعات میں ظاہر ہونے سے پہلے ہی روکا جا سکے۔

یہ تبدیلی فورڈ کی سافٹ ویئر ڈویلپمنٹ میں سب سے زیادہ واضح ہے۔ کنزیومر الیکٹرانکس کے برعکس، جہاں "تیزی سے کام کرو اور بعد میں ٹھیک کرو" کا طریقہ عام ہے، آٹوموٹو سافٹ ویئر ایک انتہائی حساس اور حفاظتی ماحول میں کام کرتا ہے۔ اس کے انتظام کے لیے فورڈ نے درج ذیل اقدامات کیے ہیں:

  • 40 افراد پر مشتمل ایک مخصوص سافٹ ویئر کوالٹی ایشورنس ٹیم بنائی ہے۔
  • الگ تھلگ کام کرنے والے شعبوں کو ختم کرنے کے لیے سافٹ ویئر، ڈیجیٹل اور مینوفیکچرنگ ٹیموں کو یکجا کیا ہے۔
  • 'ایج کیسز' (edge cases) کی نشاندہی کرنے اور انتہائی حالات میں سافٹ ویئر کے دباؤ کا تجربہ کرنے کے لیے 100,000 سے زیادہ نئے AI سے چلنے والے خودکار ٹیسٹ نافذ کیے ہیں۔

AI کے منظر نامے کے لیے یہ کیوں اہم ہے

فورڈ کا تجربہ کسی بھی ایسی صنعت کے لیے ایک عبرت ناک سبق ہے جو تیزی سے ڈیجیٹل تبدیلی سے گزر رہی ہے۔ یہ ثابت کرتا ہے کہ AI ایک "فورس ملٹی پلائر" (force multiplier) ہے، نہ کہ گہری مہارت کا متبادل۔ ڈویلپرز اور بانیوں کے لیے سبق واضح ہے: تجربہ کار انسانی نگرانی کے بغیر آٹومیشن نظام کی کمزوری کا باعث بنتی ہے۔ AI کے دور میں حقیقی بھروسہ مندی کے لیے ایک ہائبرڈ ماڈل کی ضرورت ہے جہاں مشین کی رفتار کو انسانی احتیاط اور سختی کے ساتھ توازن میں رکھا جائے۔

اہم نکات

  • علم کا خلا: فورڈ نے پایا کہ AI ماڈلز اس لیے ناکام ہوئے کیونکہ جانے والے تجربہ کار انجینئرز کے "ادارہ جاتی علم" کو خودکار نظاموں میں کامیابی سے شامل نہیں کیا گیا تھا۔
  • تزویراتی دوبارہ بھرتی: کمپنی نے عملے کی رہنمائی کرنے اور اعلیٰ معیار کے ماہرانہ ڈیٹا کے ذریعے AI ماڈلز کی دوبارہ تربیت کرنے کے لیے 350 سے زیادہ تجربہ کار انجینئرز کو واپس بلایا۔
  • احتیاطی انجینئرنگ: فورڈ ایک ردعمل دینے والے "تلاش کرو اور ٹھیک کرو" کے ماڈل سے ایک فعال (proactive) انداز کی طرف منتقل ہو رہا ہے، اور سافٹ ویئر کے نقائص کو صارفین تک پہنچنے سے پہلے پکڑنے کے لیے 100,000 سے زیادہ AI سے چلنے والے ٹیسٹ استعمال کر رہا ہے۔