Ford — сто лет на рынке, миллионы машин — доверила ИИ то, что умеют только люди. Урок обошёлся дорого
Ford попыталась ускорить разработку автомобилей с помощью искусственного интеллекта (ИИ), но быстро упёрлась в проблему, которую нельзя закрыть алгоритмами. Автоматические системы помогали быстрее принимать решения и проверять варианты конструкции, однако без опыта инженеров начали пропускать то, что специалисты раньше замечали почти на уровне привычки.
Компания пришла к этому выводу на фоне улучшения качества автомобилей. Ford вернулась на первое место среди массовых брендов в рейтинге первичного качества J.D. Power, но внутри компании связывают прогресс не с одним ИИ, а с пересборкой процессов: автоматизацию систем оставили, но рядом с ней снова поставили людей, которые десятилетиями учились ловить слабые места в машинах до запуска в производство.
Первые ожидания от ИИ оказались завышенными. Ford рассчитывала, что достаточно подключить искусственный интеллект, скорректировать требования к конструкции и на выходе получить более качественный автомобиль. На практике система зависела от данных, а данные не содержали всей инженерной памяти компании. Когда опытные специалисты уходили, вместе с ними исчезали знания о повторяющихся дефектах, редких сочетаниях условий и типичных ошибках на стыке проектирования, производства и поставок.
Чтобы закрыть этот провал, Ford вернула и повысила более 350 опытных инженеров. Их задача не сводится к наставничеству. Специалисты помогают решать, какие данные собирать, как трактовать найденные отклонения и что именно передавать в ИИ-модели. По сути, компания заново строит фундамент для автоматизации, чтобы алгоритмы опирались не только на массивы чисел, но и на практический опыт людей, которые уже сталкивались с похожими проблемами.
Для Ford вопрос качества последние годы был особенно болезненным. Компания теряла позиции в рейтингах и лидировала в отрасли по отзывным кампаниям. Запуски заметных моделей, включая Explorer и Aviator, показали сложности с исполнением, а перебои в цепочках поставок во время пандемии добавили напряжения. Проблемы возникали не только из-за отдельных деталей, но и из-за устройства самой разработки.
Команды, отвечающие за программное обеспечение, железо, производство и поставки, часто работали раздельно. Из-за такой разобщённости дефекты находили поздно, когда исправления уже давили на сроки и бюджет. Теперь Ford пытается перейти от привычки чинить найденные ошибки к поиску ранних признаков будущих проблем.
Отдельный блок изменений связан с программным обеспечением. Автомобили всё больше зависят от кода, но автопром не может работать по логике обычных потребительских приложений, где ошибку можно быстро поправить после релиза. В машине программный сбой сразу упирается в безопасность, поэтому качество ПО должно проходить жёсткую проверку до передачи клиенту.
Для этого Ford создала отдельную команду из 40 специалистов по контролю качества ПО. Группа занимается ранней проверкой и предотвращением дефектов, а не только поиском ошибок в конце цикла разработки. Компания также добавила более 100 тысяч ИИ-тестов, которые гоняют системы через редкие и сложные ситуации, включая пограничные случаи, где обычная проверка может не заметить сбой.
Автоматизация теперь помогает людям быстро перепроверять ПО после изменений, даже если правка появилась поздно. Тесты можно запускать повторно по всему циклу валидации и смотреть, не сломала ли новая версия уже проверенные функции. Такой подход должен ускорять разработку без отказа от строгих требований к надёжности.