ИИ не смог заменить инженеров Ford

Ford недавно оказался в любопытной ситуации. Компания признала, что слишком сильно положилась на автоматизированные системы и искусственный интеллект в проектировании и производстве автомобилей. И вместо ожидаемого роста эффективности получила набор проблем: ошибки роботов, нестабильные характеристики и повторяющиеся дефекты, которые не удавалось «закрыть» только алгоритмами.

Где сломалась идея

Основная проблема оказалась не в технологиях как таковых, а в данных и контексте.

ИИ в Ford обучался на неполной информации. В реальном производстве огромную роль играет неформализованный опыт — то, что инженеры называют «чутьём»: как ведёт себя материал в нестандартных условиях, какие мелкие отклонения предшествуют серьёзному дефекту, какие сочетания факторов опасны, хотя формально выглядят нормально.

Когда часть опытных специалистов ушла, вместе с ними исчез и этот слой знаний. Его не успели перевести в цифровую форму, и система начала «учиться в вакууме».

В результате автоматизация не только ускоряла процессы, но и масштабировала ошибки.

Возвращение инженеров

Компания в итоге пошла на нетривиальный шаг — вернула более 350 опытных инженеров. Их задачи оказались неожиданно «аналоговыми» для эпохи ИИ:

поиск и разбор причин ошибок автоматизированных систем
наставничество для молодых сотрудников
улучшение качества данных для обучения моделей
контроль и интерпретация результатов ИИ

По сути, это не откат назад, а попытка заново собрать мост между реальным производством и цифровыми моделями.

Новый подход

Теперь стратегия меняется: вместо реакции на уже возникшие проблемы компания пытается предсказывать их заранее.

Старые инженерные практики объединяются с цифровыми инструментами. Увеличивается количество тестов и симуляций, включая десятки тысяч дополнительных сценариев проверки.

Фактически речь идёт о гибридной модели: человек + ИИ + расширенное моделирование.

Что в итоге

История Ford хорошо показывает объективные границы автоматизации.

ИИ отлично справляется там, где:

много качественных данных
процессы стабильны
условия предсказуемы

Но в сложных инженерных системах, где важны редкие сценарии и накопленный опыт, человеческая экспертиза пока остаётся незаменимым элементом.

И, возможно, ключевой парадокс здесь в том, что чем умнее становятся системы, тем ценнее оказывается опыт тех, кто умеет объяснить, почему они ошибаются.

* * *
Нужна страховка? Нет проблем. Пишите мне на WhatsApp/Telegram/Max +7-963-7506754