福特汽车近日在时隔 16 年重夺 J.D. Power 新车质量排名主流车企第一时，罕见公开复盘了一场由 AI 引发的质量危机。硬件工程副总裁 Charles Poon 直言：“我们错误地以为，只要引入人工智能，再调整一下设计要求，就能产出高质量产品。”这场反思背后，是福特因过度依赖自动化系统而付出的惨痛代价——召回 350 多名经验丰富的工程师，才勉强稳住局面。
AI 的误判：经验流失与质量滑坡
福特的 AI 转型并未如预期般顺利。Poon 透露，公司一些最有经验的员工在离开前，其掌握的知识并未完全导入自动化系统，导致 AI 模型训练数据质量不足。这直接引发了福特汽车质量评分持续下滑，召回数量一度位居行业之首。Explorer、Aviator 等重磅车型的发布暴露出执行层面的不足，疫情导致的供应链中断更令局面雪上加霜。
首席运营官 Kumar Galhotra 承认，症结在于质量管理方式过于碎片化——各部门各自为政，奉行“发现并修复”的被动策略。他说：“我们正在从发现问题再修复，转向问题发生前就预防。关注赋能因素和早期信号，而不是最终结果。”为扭转颓势，福特被迫召回并提拔了 350 多名资深工程师，让他们指导年轻同事，并改进数据收集和 AI 训练流程。
老工程师回归：重建判断力防线
Poon 表示，这些资深工程师“过去就有丰富经验，能够在问题进入系统之前发现它们”。他们的回归已初见成效。CEO Jim Farley 称，此举降低了保修和召回成本，“为福特在成本方面节省了数亿美元”。但福特并不打算放弃 AI。公司大幅扩展了自动化测试能力，新增超 10 万项 AI 驱动的测试，用于识别边缘案例并压力测试软件系统。Poon 强调：“因为这些测试高度自动化，即使软件在后期发生变更，我们也可以快速重新验证，确保它在交付客户前完全正常运行。”
福特还成立了一支 40 人的专项质量保证团队，专职于早期验证与缺陷预防。软件与数字化团队正与工程、制造、供应链深度协同，尝试将互联网的快速迭代与汽车工程的安全标准相融合。Poon 承认，过去福特常在开发后期才发现软件漏洞，但汽车不同于消费电子——车辆运行在安全关键环境中，软件从一开始就必须正确。
行业困境：AI 制造的工作垃圾
福特的故事并非孤例。技术圈对“召回老工程师”的讨论，折射出 AI 时代更深层的矛盾。有网友评论指出，AI 最大的问题之一是它会坚定地相信自己的方案，即使存在明显漏洞，也能生成漂亮的说明文档。一旦交到资深工程师手里，问题便无所遁形，但此时公司已在模具或产线投入大量成本，事后认错无法挽回损失。
更令人担忧的是经验断层的加速。一位高管曾亲眼看到新员工提交的 AI 生成工作“完全是粗制滥造”，而新人根本没有能力辨别。Menlo Ventures 合伙人 Deedy Das 将这种现象描述为新的“阶层分化”：一边是缺乏判断力、只会靠 AI 快速拼出结果的“氛围编码者”，另一边是经验丰富的“手艺人”工程师。后者不得不大量返工，修补 AI 制造的垃圾代码，最终陷入沮丧和职业怀疑。Das 写道：“大多数软件工程师正面临一种接近抑郁的身份认同危机。”他警告，当“手艺人”放弃时，“他们曾经热爱的手艺已经死了。”
福特能采取补救行动，还算明智。但问题在于，即便留在一线，老工程师也没有变得轻松，反而开始承担更多为 AI 产物兜底的工作。这种困境正在成为整个行业的普遍现象。下一步，福特的目标是建立更平衡的模式，让 AI 支持工程师，而非取代他们——既承载算力，也沉淀公司数十年的造车经验。
文章来源：https://aidadog.com/news/ai/cnk0usqlinx8vzbm3jmomf7w
