Ford Motor Company confirmó que debió dar marcha atrás en parte de su estrategia de automatización y reincorporar a más de 300 inspectores de calidad experimentados después de que sus sistemas de IA no lograran cumplir los estándares requeridos.
En los últimos años, Ford Motor Company apostó fuertemente por la inteligencia artificial como herramienta central de su estrategia productiva. Sistemas automatizados, cámaras inteligentes en planta y la promesa de mayor eficiencia a menor costo. El resultado no fue el esperado, y la empresa reconoció que la IA no fue suficiente.
La consecuencia directa fue que más de 300 inspectores de calidad con experiencia fueron reincorporados para compensar las fallas detectadas en los procesos automatizados.
La apuesta de Ford por la automatización y dónde falló
Durante el auge de la IA, impulsado en parte por el entusiasmo de los mercados financieros, Ford desplegó soluciones tecnológicas en múltiples áreas de su sistema industrial. Una de las más ambiciosas fue la instalación de unas 900 cámaras inteligentes en sus plantas de fabricación, diseñadas para detectar fallas en tiempo real y anticipar problemas en la cadena de suministro antes de que llegaran a la línea final.
El propio CEO, Jim Farley, había anticipado que la IA podría desplazar a muchos trabajadores administrativos, y el director de operaciones Kumar Galhotra destacó públicamente que la compañía estaba integrando IA en toda su estructura productiva. Según informa Ámbito Financiero.
Pero, no todo se dió como pensaban. “Pensamos que bastaba con introducir inteligencia artificial y cargar los requisitos de diseño para obtener productos de alta calidad, pero no fue así” declaró Charles Poon, vicepresidente de ingeniería de hardware de vehículos. La automatización no había captado lo que los técnicos experimentados sabían hacer sin necesidad de escribirlo en un documento.
El problema real: la IA no tenía con qué aprender
Uno de los problemas centrales detectados fue la falta de entrenamiento adecuado de los sistemas automatizados. Muchas herramientas carecían del conocimiento práctico que solo se adquiere tras años de trabajo en planta: detectar una vibración anormal por el sonido, identificar una pieza defectuosa por el tacto o anticipar un problema en la línea por patrones que ningún dataset había capturado porque nunca habían sido registrados formalmente.
A eso se sumó un error que tuvo un costo muy alto. dieron salida a los técnicos veteranos antes de que su expertise fuera incorporado a los modelos de IA. Cuando las personas que acumularon ese conocimiento se fueron, el conocimiento se fue con ellas. Los sistemas automatizados quedaron entrenados con datos que no reflejaban la profundidad del criterio que pretendían reemplazar.
La vuelta de los humanos y lo que cambió
En definitiva, a Ford no le quedó más que reincorporar a más de 300 inspectores de calidad experimentados, no solo para hacer su trabajo original sino para cumplir dos funciones adicionales que antes no estaban en su descripción de puesto. Primero, supervisar directamente los procesos donde la IA había fallado. Segundo, entrenar a los propios sistemas de inteligencia artificial con el conocimiento práctico que los modelos no habían podido capturar por sí solos.
El resultado fue visible. La automotriz logró volver al primer puesto en el estudio de calidad inicial de JD Power en Estados Unidos, un reconocimiento que no obtenía desde 2010. Alcanzar ese nivel, según destacó la propia compañía, exigió una “renovación significativa del talento”, incluyendo cambios en puestos clave de ingeniería, manufactura y cadena de suministro.
Conclusión
Ford gastó en automatización, vio caer su calidad, reincorporó a los técnicos que había despedido y recién entonces mejoró. Es una historia cara de aprender, pero también es una de las más honestas sobre los límites reales de la IA cuando se implementa sin considerar el factor humano.
La lección es valiosa, ya que muestra que el criterio, la experiencia y el conocimiento no debe ser reemplazado por la IA, sino, más bien, potenciado por la misma.