Ford 過去三年一直在默默重新雇用約 350 名資深工程師,因為原本用來取代他們的自動化品質管控系統與 AI 工具,無法把公司的品質維持在它所需要的水準。乍看之下,這讀起來就像是企業收回 AI 承諾這個日益壯大的類型裡的又一筆紀錄。但 Ford 自己給出的真正解釋,比那要更具體、也更有用。
Ford 負責車輛硬體工程的副總裁 Charles Poon 直白地點出了這個誤判:公司相信自己可以換上 AI、卻還能交出一台高品質的車。關鍵的微妙之處在於,AI 本身並沒有根本性的故障。失敗發生在軟體的上游。有經驗的工程師透過買斷與自然流失離開,而他們腦中的那套制度性知識從來沒有被保存下來。數十年來辛苦累積、關於一個細微設計缺陷長什麼樣、或哪一個測試結果其實悄悄令人警覺的判斷力,就這樣離開了這棟大樓。
而這正是 AI 把事情變得更糟、而非更好的地方。以不含那種判斷力的資料訓練出來的工具,並不會莫名其妙地把它重建起來。它們做的恰恰相反。少了一位老手去標記出薄弱的輸入,自動化系統就把它當成正常,並把它一路傳遞下去,放大了小錯誤,而不是攔下它們。這項技術既有自信又快速,而當它有自信的那件事其實是錯的時候,這恰恰是最糟的組合。AI 非常擅長把任何被餵給它的訊號放大,包括一個壞的訊號。
Ford 最後採取的解方,才是值得好好坐下來細想的部分。它沒有放棄 AI,也沒有單純地多買一些。它把有經驗的工程師找回來,同時做兩件事。他們如今主持強制性的會議,嚴謹地排查品質問題,他們指導那些從未得到交接的年輕員工,並且重新編寫了 AI 工具,在故障抵達顧客之前就把它攔截下來。換句話說,人被重新放回了那個同時訓練下一代工程師與軟體本身的迴圈裡。這套專業必須先存在於人身上,然後才有可能被編碼進其他任何東西裡。
這個故事誠實的版本是混雜的,並不是一段整齊的翻身敘事。Ford 在最新一輪 JD Power 新車品質調查中成為排名最前的主流品牌,這顯示這次的路線修正確實起了某種作用。但同一家公司今年也是召回次數最多的美國車廠,至今已發出 51 次召回、涵蓋超過 1100 萬輛車,是其次高對手的兩倍多。所以這既不能證明 AI 失敗了,也不能證明重新雇人就修好了一切。那個能長久站得住、也更難迴避的教訓比較窄:只活在有經驗的人身上的制度性知識,並不會免費地轉移到一個模型裡;而一家先把那些人移走、然後寄望軟體已經把他們吸收進去的公司,終將付出昂貴的代價去發現:它並沒有。你不能把判斷力開除掉,又同時把判斷力留下來。