福特重聘工程师修正自动化失误
The Verge AI··作者 Andrew J. Hawkins
关键信息
福特表示，一些资深员工在知识尚未完全传入自动化系统前就离开了公司，因此公司不得不重新训练这些系统，并让他们去指导年轻工程师。高管还表示，福特正在从被动的“发现并修复”模式转向更早预防问题，同时让软件、硬件、制造和供应链团队更紧密协作。
资讯摘要
福特借着自己在 JD Power 主流汽车制造商初始质量排名中升至第一的机会，公开说明了近年来质量体系中出现的偏差。公司表示，它在生产和设计中过度依赖自动化系统，后来才发现这些系统并没有想象中那么稳健。福特车辆硬件工程副总裁 Charles Poon 说，公司曾错误地以为，只要引入 AI 并调整设计要求，就能自动产出高质量产品。福特现在承认，AI 的效果取决于训练它的数据质量。与此同时，公司低估了资深工程师的价值，这些工程师在多轮车型开发过程中积累了大量实践经验。
由于这些经验没有在员工离开前完整传入自动化系统，福特不得不招聘、晋升或重新聘用350多名有经验的工程师，重建这层专业知识。部分工程师负责重新训练自动化系统，另一部分则负责指导年轻员工，并改进支撑 AI 的数据采集和训练。福特 COO Kumar Galhotra 表示，公司过去的组织过于碎片化，过度依赖“发现并修复”的思路，而不是提前预防缺陷。福特现在试图把软件开发式的快速迭代，与汽车工程所需的验证和严谨性结合起来。公司还承认，以前软件漏洞常常在流程后期才被发现，因为它没有充分利用快速迭代周期，但汽车行业又不能像消费电子那样“快速推出、随后再修补”。
资讯正文
为了庆祝自己在 JD Power 主流汽车制造商初始质量排名中升至第一，福特公开谈论了近年来面临的挑战，尤其是其在生产和设计中对自动化系统的依赖。事实证明，这些自动化系统并不像此前假设的那样稳健，福特不得不聘请经验丰富的技术人员——有时甚至把前员工请回来——来纠正公司机器人造成的错误。
在福特看来，AI 既强大又容易出错。它的有效性完全取决于用于训练 AI 模型的数据质量。此外，这家汽车制造商低估了那些经历过多个车型开发周期的资深工程师所积累的组织知识的价值。而这些因素叠加在一起，导致福特车辆的质量下降。
“我们错误地认为，只要引入人工智能并调整现有的设计要求，就能生产出高质量产品，”福特车辆硬件工程副总裁 Charles Poon 本周在与记者的简报会上说。
“我们错误地认为，只要引入人工智能并调整现有的设计要求，就能生产出高质量产品。”——福特车辆硬件工程副总裁 Charles Poon
Poon 表示，公司的部分最资深员工在他们积累的知识尚未完全转移到福特的自动化系统之前就已经离开。这就迫使福特重新请回其中一些员工，来重新培训这些系统，或者在某些情况下，指导当下正努力维持福特车辆质量的年轻工程师。Poon 说，福特已经招聘、晋升或请回了 350 多名资深工程师，以重建这层专业经验。除了指导年轻工程师之外，他们还被要求改进支撑福特自动化系统的数据收集和 AI 训练。
“正是在那里，我们最有经验的一些工程师曾经积累了经验，能够在问题渗入系统之前解决并识别它们，”Poon 说。
福特目前在召回数量上领跑行业，而且其质量评级在过去几年里持续下滑。最近，这些挑战变得更加明显，原因包括 Explorer 和 Aviator 上市时遇到的困难、covid 疫情期间的供应链中断，以及其车辆召回数量显著增加。
根据福特首席运营官 Kumar Galhotra 的说法，这家汽车制造商最终得出结论，其质量管理方法已经变得过于碎片化。不同部门各自为政，公司又严重依赖“发现并修复”的思路，即重点是在缺陷出现后识别出来，并尽可能快速地加以纠正。虽然这种做法可以解决眼前的问题，但它并不能从一开始就防止这些问题发生。
“我们正在从那种‘发现问题并修复问题’的心态，转向在问题发生之前就加以防范，”Galhotra说。“我们关注的是赋能因素和早期信号，而不是最终结果。别再只盯着问题本身，而要开始解决问题。”
这种转型不仅限于车辆硬件。高管们表示，如今软件和数字团队与车辆工程、制造以及供应链团队的协作要紧密得多。福特现在正试图将软件开发所具备的速度和灵活性，与汽车级工程所要求的严谨性和验证标准结合起来。
从历史上看，情况并不总是如此。Poon说，由于没有充分利用可用的快速迭代周期，福特直到流程后期才发现软件漏洞。话虽如此，Poon表示，这家汽车制造商也无法像消费电子公司那样，以“快速行动，稍后修补”的心态来尽快推出软件更新。与智能手机不同，车辆运行在安全关键环境中，客户依赖软件从车辆交付的那一刻起就能正常工作。为了解决这一问题，福特组建了一支专门的40人软件质量保证团队，唯一职责是在问题发生之前将其防患于未然。
不过，不要以为福特没有致力于将AI整合进更多流程。该汽车制造商表示，已大幅扩展其自动化测试能力，新增了超过10万项由AI驱动的测试，旨在识别边缘案例，并在各种条件下对软件系统施加压力。由于测试框架高度自动化，即使软件在开发后期发生变更，也能迅速重新验证，确保修改不会引入新的缺陷。
“由于这些测试高度自动化，即便软件在后期出现变更，我们也可以迅速重新跑完整个验证流程，确保在它交付给客户之前运行得完全没问题，”Poon说。“我们已经把软件可靠性本身建立成一门严格的独立学科，并配有严格的指标。”
来源与参考
收录于 2026-06-26