فورد در پی ناکامی نسبی سیستمهای مبتنی بر هوش مصنوعی در تضمین سطح کیفیت مورد انتظار، ۳۵۰ مهندس باتجربه را دوباره به تیم خود بازگرداند
طبق گزارش بلومبرگ، مدیر عملیات فورد، کومار گالهوترا، به خبرنگاران گفته است که خودروساز آمریکایی در ماههای اخیر بیش از حد به «سیستمهای خودکار کنترل کیفیت» اتکا کرده و نتیجه آن رضایتبخش نبوده است. به همین دلیل فورد تصمیم گرفت ۳۵۰ مهندس باتجربه — برخی از کارکنان سابق و برخی دیگر از مهندسانی که در تأمینکنندگان کار میکردند — را مجدداً استخدام کند تا نقاط ضعف طراحی و تولید را قبل از ورود قطعات به خط تولید شناسایی کنند.
چرا فورد به مهندسان باتجربه بازگشت؟
مدیر ارشد مهندسی سختافزار خودرو در فورد، چارلز پون، تصریح کرده است که این شرکت «اشتباه» کرده که گمان برده با صرفاً وارد کردن الزامات طراحی در ابزارهای هوش مصنوعی، محصولی با کیفیت بالا بهدست خواهد آمد. تجربه فورد نشان میدهد که اتکا صرف به هوش مصنوعی بدون تکیهگاه کافی از دانش تخصصی حوزه و بازخورد میدانی، میتواند منجر به خطاها و افت کیفیت شود. بنابراین بازگرداندن مهندسان باتجربه برای شناسایی «نقاط شکست» و آموزش نیروی جوانتر بهعنوان مکمل فرایندهای خودکار در نظر گرفته شده است.
نقش مهندسان باتجربه در بازسازی کیفیت
فورد از این متخصصان که در میان کارکنان به «مهندسان باتجربه (gray-beard)» شناخته میشوند، برای چند کار کلیدی استفاده میکند:
– شکار و رفع نقاط احتمالی شکست در طراحی و تولید قبل از ورود قطعات به خط تولید
– آموزش و منتورینگ مهندسان جوانتر و انتقال دانش فنی عمیق حوزه خودرو
– بازتنظیم و آموزش مجدد ابزارهای مبتنی بر هوش مصنوعی تا با دادههای عملیاتی و دانش تخصصی همراستا شوند
آیا فورد هوش مصنوعی را کنار میگذارد؟
فورد اعلام کرده که قصد رها کردن کلی برنامههای مبتنی بر هوش مصنوعی را ندارد. در واقع، هدف ترکیب بهتر هوش مصنوعی با دانش انسانی است؛ بهطوری که ابزارهای خودکار با نظارت مهندسان باتجربه تنظیم و بهینهسازی شوند. این رویکرد ترکیبی (Human-in-the-loop) میتواند ریسکهای ناشی از تصمیمگیری صرفاً ماشینی را کاهش دهد و کیفیت نهایی محصول را بهبود بخشد.
پیامدهای مالی و اعتباری
فورد پیشبینی کرده این تغییر استراتژی میتواند امسال منجر به کاهش هزینهای معادل یک میلیارد دلار شود. علاوه بر این، شرکت در تازهترین گزارش «JD Power Initial Quality Survey» که این هفته منتشر شد، بهعنوان بالاترین رتبه میان برندهای متداول در کیفیت اولیه معرفی شد — دستاوردی که بازگشت مهندسان باتجربه و اصلاح فرایندهای کیفیت را تأیید میکند.
تحلیل کوتاه برای صنعت خودرو و هوش مصنوعی
این اقدام فورد نمونهای از چالشی است که بسیاری از صنایع در مسیر پیادهسازی فناوریهای نوین با آن مواجهاند: هوش مصنوعی ابزار قدرتمندی است اما بدون دادههای صحیح، دانش حوزهای و فرایندهای اعتبارسنجی انسانی، نمیتواند همیشه نتایج عملی و قابل اتکایی تولید کند. شرکتهایی که میخواهند از هوش مصنوعی بهره ببرند، نیاز دارند ترکیبی متوازن از خودکارسازی و نظارت انسانی ایجاد کنند تا کیفیت، ایمنی و رضایت مشتری حفظ شود.
منبع: بلومبرگ؛ اظهارات کومار گالهوترا و چارلز پون و نتایج نظرسنجی JD Power.