为什么福特重新聘请资深工程师来修复 AI 和自动化错误
福特最近在 JD Power 的初始质量排名中跃升至第一位，但这背后伴随着一个令人惊讶的坦白：公司不得不召回前任工程师，以修复其自动化系统所犯的错误。这一转变向科技行业揭示了一个关键教训，即在不保留人类“组织知识”（institutional knowledge）的情况下过度依赖 AI 是极其危险的。
“AI 优先”工程的陷阱
几年来，福特一直试图通过重度依赖人工智能和调整设计要求来简化其生产和设计流程。然而，该公司发现，仅仅引入 AI 并不能自动保证高质量的产品。核心问题有两个方面：用于训练 AI 模型的数据质量不足，以及公司低估了“组织知识”的价值。
福特车辆硬件工程副总裁 Charles Poon 承认，公司错误地认为自动化可以取代资深工程师所提供的细微洞察。随着经验丰富的员工离职，他们积累的专业知识未能完全转化为自动化系统，从而导致车辆质量下降和召回量增加。
重建专业能力：“人在回路”策略
为了扭转这一局面，福特开展了大规模的人力资本再投资。这家汽车制造商已经聘请、提拔或召回了 350 多名经验丰富的工程师。这些资深人士不仅仅是为了修复物理缺陷，他们还承担着一项更为复杂的任务：重新训练 AI 系统并指导年轻工程师。
通过利用这些专家在问题“渗入系统”之前进行识别，福特本质上是在创建一个高质量的反馈闭环。这种方法确保了用于训练未来 AI 模型的数据能够借鉴数十年的实战车辆开发经验，从而弥合了硅基逻辑与现实世界机械复杂性之间的鸿沟。
从“发现并修复”转向“预测性预防”
在首席运营官 Kumar Galhotra 的领导下，福特正在将其基本理念从“发现并修复”转变为“预防性”理念。此前，公司处于各自为政的状态，只有在缺陷出现后才会进行识别。新战略侧重于“赋能因素和早期指标”，以便在问题显现于最终产品之前将其拦截。
这种转型在福特的软件开发中表现得最为明显。与常见的“快速行动，稍后修复”的消费电子产品不同，汽车软件运行在关乎生命安全的严苛环境中。为了应对这一挑战，福特采取了以下措施：
- 创建了一个由 40 人组成的专门软件质量保证团队。
- 整合软件、数字化和制造团队，打破部门壁垒。
- 实施了超过 10 万项全新的 AI 驱动自动化测试，以识别边缘案例并在极端条件下对软件进行压力测试。
为什么这对 AI 领域至关重要
福特的经验为任何正在经历快速数字化转型的行业敲响了警钟。它证明了 AI 是一种力量倍增器，而非深厚领域专业知识的替代品。对于开发者和创始人来说，教训是显而易见的：缺乏经验丰富的人类监督指导的自动化会导致系统性的脆弱。在 AI 时代，真正的可靠性需要一种混合模式，即用人类的严谨性来平衡机器的速度。
核心要点
- 知识鸿沟： 福特发现 AI 模型之所以失败，是因为离职资深工程师的“组织知识”未能成功编码到自动化系统中。
- 战略性重新招聘： 公司召回了 350 多名经验丰富的工程师，用于指导员工并利用更高质量、专家驱动的数据来重新训练 AI 模型。
- 预防性工程： 福特正在从被动的“发现并修复”模式转向主动预防模式，利用超过 10 万项 AI 驱动的测试，在软件缺陷到达客户手中之前将其拦截。