كشفت فورد مؤخرًا أن الشركة اضطرت إلى إعادة توظيف حوالي 350 مهندسًا من ذوي الخبرة على مدار السنوات الثلاث الماضية لتوجيه الموظفين الأصغر سنًا وإعادة كتابة أنظمة التشخيص وأدوات الذكاء الاصطناعي التي كانت ضعيفة الأداء سابقًا لتعويض العيوب الصارخة في مراقبة الجودة. قال تشارلز بون، نائب رئيس فورد لهندسة أجهزة المركبات، في مقابلة إن الإدارة قد قللت في السابق من شأن الخبرة العميقة المتراكمة لدى كبار المهندسين الذين شهدوا جولات متعددة من تكرارات المنتج، وأن استبدالها ببساطة بالذكاء الاصطناعي "يعد خطأً فادحًا".
وشدد بون على أن الذكاء الاصطناعي "أداة جيدة للغاية"، لكنها "لا يمكن أن تكون جيدة إلا بقدر المعلومات المستخدمة لتدريبه". وبدون البيانات التجريبية عالية الجودة وسيناريوهات التطبيق الصحيحة، سيكون من الصعب على الخوارزميات وحدها دعم متطلبات الموثوقية لمنتجات السيارات المعقدة. يتم الآن ترتيب المهندسين القدامى الذين تم تعيينهم مرة أخرى لاستضافة اجتماعات منتظمة إلزامية، والتركيز على استكشاف مشكلات المركبات وإصلاحها، وإعادة برمجة البرامج الهندسية الآلية وأدوات الذكاء الاصطناعي لإزالة العيوب المحتملة قدر الإمكان قبل دخول الأجزاء إلى خط الإنتاج.
ينصب تركيز هؤلاء الخبراء الفنيين على تحديد نقاط الضعف في عمليات التصميم والتصنيع في مرحلة مبكرة لتقليل الخسائر الناجمة عن عمليات السحب واسعة النطاق وعيوب الجودة. يقال إن فورد أنفقت مليارات الدولارات على مشكلات الجودة وعمليات الاستدعاء، وتهدف الشركة إلى خفض النفقات بقيمة مليار دولار هذا العام، لذا فإن تحسين الجودة يُنظر إليه على أنه مفتاح البقاء والربحية.
واستناداً إلى المؤشرات الخارجية، فإن هذا التعديل بدأ يؤتي ثماره. في استطلاع J.D. Power لجودة المركبات الجديدة العام الماضي، وهي دراسة سنوية تقيم أداء جودة السيارة خلال الأشهر الثلاثة الأولى من ملكيتها، احتلت فورد المرتبة العاشرة فقط بين العلامات التجارية الرئيسية، وسجلت أقل من متوسط الصناعة. ومع ذلك، في نفس القائمة هذا العام، صنفت شركة J.D. Power شركة فورد رقم 1 بين العلامات التجارية الرئيسية، متجاوزة المنافسين مثل تويوتا وهوندا. وأرجع فورد هذا التحسن "القفز إلى الأمام" بشكل مباشر إلى عودة القدرات المهنية والخبرة للمهندسين المعاد توظيفهم.
يُنظر إلى تجربة فورد أيضًا على أنها نموذج مصغر للموجة الحالية من "استبدال الذكاء الاصطناعي" على نطاق واسع في المؤسسات. أجرت Careerminds، وهي منظمة خدمات في مكان العمل، إحصاءات سابقًا عن الشركات التي نفذت "عمليات تسريح العمال بسبب الذكاء الاصطناعي" ووجدت أن 35.6% منها اضطرت لاحقًا إلى إعادة توظيف أكثر من نصف الموظفين المسرحين، وأعادت 32.7% أخرى توظيف 25% إلى 50% من الموظفين الأصليين. وهذا يوضح أنه من الناحية العملية، تجد العديد من الشركات أن الذكاء الاصطناعي لا يمكنه القيام بشكل كامل بوظائف العمل المعقدة التي أكملها البشر في الأصل، ويتعين عليها إجراء تصحيحات بين التكلفة واستمرارية الأعمال.
تعتبر شركة Fintech Klarna مثالًا رئيسيًا آخر. في عام 2024، أعلن الرئيس التنفيذي للشركة سيباستيان سيمياتكوفسكي بطريقة رفيعة المستوى أن برنامج الدردشة الآلي الذي تم إطلاقه حديثًا تحمل عبء عمل يعادل 700 موظف خدمة عملاء بدوام كامل في الشهر الأول من إطلاقه. وعليه، قامت الشركة بتجميد التوظيف وإلغاء مئات الوظائف. ومع ذلك، بحلول منتصف عام 2025 و2026، بدأت Klarna في تكثيف توظيفها لموظفي خدمة العملاء من البشر مع انخفاض رضا العملاء بشكل كبير.
لقد اتضح أن الذكاء الاصطناعي ممتاز في التعامل مع الأسئلة البسيطة والموحدة مثل التحقق من أرصدة الحسابات، ولكن بمجرد مواجهة طلبات المستخدم المعقدة التي تتطلب فهم السياق والعاطفة والفروق الدقيقة، يمكن أن ينزلق بسهولة إلى إجابات ميكانيكية وغير حادة و"شبيهة بالروبوت" مليئة بالمصطلحات المؤسسية التي تفشل في حل المشكلة حقًا. وفي هذه الحالة، سرعان ما ينفد صبر المستخدمين على خدمات الذكاء الاصطناعي الخالص، ويتعين على الشركات إعادة النظر في الاستراتيجية الجذرية لـ "الذكاء الاصطناعي الشامل".
لقد اعتبر العديد من مراقبي الصناعة اعتراف فورد بالأخطاء وعودتها إلى "التعاون بين الإنسان والآلة" بمثابة دعوة للاستيقاظ: حتى مع التطور السريع لتكنولوجيا الذكاء الاصطناعي، لا يزال الخبراء البشريون ذوو الخبرة يلعبون دورًا رئيسيًا في تصميم الأنظمة المعقدة ومراقبة الجودة وخدمة العملاء. بالنسبة لتلك الشركات التي تأمل في تسريح أعداد كبيرة من الموظفين واستبدالهم مباشرة بالذكاء الاصطناعي، فإن كيفية إيجاد توازن بين تحسين الكفاءة والخبرة المهنية قد تكون أكثر أهمية من مجرد متابعة التشغيل الآلي.