Ingenioererne som Ford lod ga og betalte for at fa tilbage

Da Charles Poon, Fords vicepræsident for køretøjshardware, forklarede fejlen i slutningen af juni 2026, gav han ikke softwaren skylden. Han gav antagelsen bag den skylden. "Fejlagtigt troede vi, at det blot at indfore kunstig intelligens og indlaese de designkrav, vi havde, ville give et produkt af høj kvalitet," sagde han ifolge omtale fra TechCrunch og Fox Business den 28. og 30. juni. Det gjorde det ikke. Ford havde laenet sig op ad AI for at overvage kvaliteten af sine køretøjer, værktøjerne forstaerkede svage input i stedet for at fange designfejl, og virksomheden havde brugt cirka tre ar pa stille at genansætte 350 erfarne ingeniører for at rette skaden.

Detaljen, der gør dette fra en automatiseringshistorie til en beslutningshistorie, er, hvor videnen tog hen. Mange af Fords mest erfarne ingeniører var allerede gaet, for deres domme kunne kodes ind i noget, en model kunne laere af. AI'en blev traenet pa dokumenterne, ikke pa instinktet, der fortalte en ingeniør med tredive ars erfaring, hvor en del ville svigte, laenge for den naede samlebåndet. Da folkene gik, gik det instinkt med dem, og ingen maengde indlaeste krav bragte det tilbage.

Hvorfor det betyder noget: man kan ikke automatisere det, der aldrig blev skrevet ned

Hvorfor det betyder noget: det salgsargument, enhver ejer horer nu, er, at man kan give sine dokumenter til en model og erstatte sine seniorer. Ford er kontrolcasen, drevet af en virksomhed med naesten ubegraensede ressourcer, og den viser basisrate-fejlen i argumentet. Antagelsen er, at ekspertens domme bor i de artefakter, eksperterne producerer. Ofte gør de ikke. De bor i deres hoveder som tavs viden, monstergenkendelsen, der aldrig naede en specifikation, og en model traenet kun pa papirarbejdet arver dets blinde vinkler. Vaerktojet slog ikke fejl, fordi det var svagt. Det slog fejl, fordi det, det skulle erstatte, aldrig var blevet indfanget.

Ja, men: dette er ikke et argument mod AI i kvalitetskontrol. Ford slukkede ikke værktøjerne. De tilbagevendte ingeniører genopbyggede dem, og AI'en markerer nu defekter, for komponenter nar samlebåndet - mennesker gentraener systemet i stedet for, at systemet erstatter menneskene. Lektien handler om rækkefølgen, ikke værktøjerne: bevis, at modellen gengiver dommen, for du lader dommen forlade bygningen.

Beslutningsreglen: behandl seniorers afgang som uigenkaldelig

Bundlinjen: for du automatiserer en domsopgave, stil et spørgsmål - er den viden, jeg erstatter, faktisk kodet ind i mine data, eller kun i hoveder? Kan du ikke svare ja med beviser, vaedder du pa en ubevist hypotese, og vaeddemalet har en asymmetrisk bagside. At miste en erfaren specialist er en naesten uigenkaldelig beslutning. Relationerne, mønsterbiblioteket, videnen om hvilken leverandor der skaerer hvor - intet af det kommer tilbage med den naeste ansaettelse. Fords kvalitetsreform bragte den i top blandt volumenmaerkerne i JD Power-undersogelsen 2026, en placering den ikke havde naet i 16 ar, og Jim Farley beskrev de faldende garantiomkostninger som hundreder og atter hundreder af millioner dollars i medvind. Det er størrelsen pa forskellen mellem at traeffe denne beslutning rigtigt og forkert.

For en europaeisk ejer er den praktiske regel at lade automatisering og ekspert kore parallelt, indtil modellen påviseligt slar den menneskelige dom i de sager, der betyder noget, og at beholde eksperten indtil da. At automatisere en seniors arbejde er et reversibelt eksperiment. At lade senioren ga er det ikke. Ordn rækkefølgen derefter.

Læs videre: Den der bruger 145 milliarder siger, det ikke virker endnu  ·  Google: 9% overhead, elforbrug op 37%