Ford przywrócił 350 doświadczonych inżynierów po tym, jak AI zawiodła kontrolę jakości — i awansował na szczyt rankingu JD Power
Ford przez ostatnie trzy lata zrekrutował 350 weteranów inżynierii do naprawy błędów, których nie wykryły systemy AI. Firma błędnie założyła, że AI zadziała bez eksperckiego know-how. Efektem był awans na pierwsze miejsce w rankingu jakości JD Power 2026.
Bloomberg opisał 25 czerwca 2026 r. nieoczekiwaną historię odwrócenia kursu w motoryzacji. Ford, który zainwestował w systemy AI do inspekcji jakości na liniach produkcyjnych, stwierdził, że automatyzacja nie przynosi oczekiwanych rezultatów — kosztowne defekty nadal się pojawiały. W odpowiedzi firma przez ostatnie trzy lata aktywnie rekrutowała 350 weteranów inżynierii: byłych pracowników i specjalistów od dostawców, wewnętrznie określanych jako "gray beards" — osoby z rzadkim, głęboko dziedzinowym doświadczeniem.
Gdzie zawiodło założenie
Diagnoza zarządu Forda była bezpośrednia: firma błędnie założyła, że sam fakt uruchomienia narzędzi AI i zasilenia ich wymaganiami projektowymi automatycznie da jakościowy produkt. Tymczasem systemy AI wymagały eksperckich danych wejściowych — zarówno do trenowania, jak i do interpretacji wyników. Bez ludzkiej walidacji i dogłębnego rozwiązywania problemów narzędzia automatyczne zawodziły przy niestandardowych przypadkach, które dla doświadczonego inżyniera były oczywiste.
Wyniki: szczyt rankingu jakości
350 powróconych specjalistów pracowało równolegle: trenowało modele AI na swoim know-how i prowadzilo ręczne analizy defektów. Efekt zmierzono w konkretnych liczbach: w dorocznym badaniu JD Power Initial Quality Survey 2026 — mierzącym liczbę problemów zgłoszonych przez właścicieli w pierwszych 90 dniach użytkowania — Ford zajął pierwsze miejsce wśród wszystkich mainstreamowych marek samochodowych.
Lekcja dla wdrożeń AI
Historia Forda ilustruje pułapkę, na którą narażają się firmy wdrażające AI w środowiskach wymagających głębokiej wiedzy eksperckiej: efektywność AI zależy od jakości danych treningowych i nadzoru człowieka. Wdrożenia bez transferu wiedzy eksperckiej mogą krótkoterminowo obniżyć jakość, zanim błąd zostanie dostrzeżony. W tym sensie AI okazało się narzędziem wzmacniającym eksperta — nie zastępującym go.