A Ford passou os ultimos tres anos recontratando discretamente cerca de 350 engenheiros veteranos, depois que os sistemas automatizados de controle de qualidade e as ferramentas de AI que deveriam substitui-los nao conseguiram manter a qualidade da empresa onde ela precisava estar. A primeira vista, isso parece mais um capitulo no genero crescente de empresas voltando atras em promessas de AI. A explicacao real, oferecida pela propria Ford, e mais especifica e mais util do que isso.
Charles Poon, vice-presidente de engenharia de hardware de veiculos da Ford, descreveu o erro de calculo de forma direta: a empresa acreditava que poderia trocar pessoas por AI e ainda assim entregar um veiculo de alta qualidade. A nuance crucial e que a AI nao estava fundamentalmente quebrada. A falha estava antes do software. Engenheiros experientes sairam, por meio de acordos de desligamento e rotatividade, antes que o conhecimento institucional em suas cabecas fosse registrado. Decadas de julgamento conquistado com dificuldade sobre como uma falha sutil de projeto se parece, ou qual resultado de teste e silenciosamente alarmante, simplesmente sairam do predio.
E ai que a AI piorou as coisas em vez de melhora-las. Ferramentas treinadas com dados que nao contem esse julgamento nao o reconstroem de alguma forma. Elas fazem o oposto. Sem um veterano para sinalizar uma entrada fraca, os sistemas automatizados a tratavam como normal e a propagavam, amplificando pequenos erros em vez de capta-los. A tecnologia era confiante e rapida, que e exatamente a combinacao errada quando aquilo sobre o que ela esta confiante esta errado. A AI e muito boa em escalar qualquer sinal que recebe, incluindo um sinal ruim.
A solucao que a Ford encontrou e a parte que vale a pena considerar com cuidado. Ela nao abandonou a AI, e nao simplesmente comprou mais dela. Ela trouxe de volta os engenheiros experientes para fazer duas coisas ao mesmo tempo. Eles agora conduzem reunioes obrigatorias que investigam rigorosamente os problemas de qualidade, orientam os funcionarios mais jovens que nunca receberam a transmissao do conhecimento e reprogramaram as ferramentas de AI para evitar falhas antes que cheguem a um cliente. Em outras palavras, as pessoas foram recolocadas no ciclo que treina tanto a proxima geracao de engenheiros quanto o proprio software. A expertise precisava existir nas pessoas antes de poder ser codificada em qualquer outra coisa.
A versao honesta dessa historia e mista, nao um arco de redencao bem arrumado. A Ford saiu como a marca convencional de primeiro lugar no mais recente JD Power Initial Quality Survey, o que sugere que a correcao de rumo esta fazendo algum efeito. Mas a mesma empresa tambem liderou as montadoras dos Estados Unidos em recalls neste ano, emitindo 51 ate agora que cobrem mais de 11 milhoes de veiculos, mais que o dobro de sua rival mais proxima. Entao isso nao e prova de que a AI fracassou, e nao e prova de que recontratar resolveu tudo. A licao duradoura e mais estreita e mais dificil de evitar. O conhecimento institucional que vive apenas em pessoas experientes nao se transfere para um modelo de graca, e uma empresa que remove essas pessoas primeiro e torce para que o software as tenha absorvido vai descobrir, de forma cara, que isso nao aconteceu. Voce nao pode demitir o julgamento e ficar com o julgamento.