福特不得不重新雇用前工程师来纠正其自动化系统造成的错误

# 福特不得不返聘前工程师，以修复自动化系统造成的错误 来源：https://www.theverge.com/transportation/956316/ford-quality-jd-power-ranking-ai-automated-mistakes 为了庆祝其在 J.D. Power 初始质量排名中成为主流汽车制造商第一名，福特正在公开谈论近年来面临的挑战，特别是在生产和设计方面对自动化系统的依赖。事实证明，这些自动化系统并不像之前假设的那样稳健，迫使福特雇佣经验丰富的技术人员——有时会返聘前员工——来纠正公司机器人所犯的错误。 在福特看来，人工智能功能强大但也有其缺陷。其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其资深工程师积累的机构知识的价值，这些工程师经历过多个车辆开发周期。而这些现象的结合导致福特汽车的质量下滑。 福特车辆硬件工程副总裁 Charles Poon 在本周的一次记者简报会上表示：“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，就能生产出高质量的产品。” “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，就能生产出高质量的产品。” —— Ford 车辆硬件工程副总裁 Charles Poon 据 Poon 称，公司一些最有经验的人员在将积累的知识完全转移到福特的自动化系统之前就离开了。这迫使公司不得不召回其中一些员工来重新训练这些系统，或者在某些情况下，指导那些正在努力维持福特车辆质量的年轻工程师。Poon 表示，福特已雇佣、晋升或返聘了超过 350 名经验丰富的工程师，以重建这一专业层次。除了指导年轻工程师外，他们还负责改进支撑福特自动化系统的数据收集和 AI 训练。 Poon 说：“这正是我们一些最有经验的工程师在问题潜入系统之前就能解决和识别这些问题的经验所在。” 福特目前在召回数量上领先行业（https://go.skimresources.com/?id=1025X1701640&xs=1&url=https%3A%2F%2Fwww.usatoday.com%2Fstory%2Fcars%2Frecalls%2F2026%2F06%2F20%2Fcar-recall-leaders-2026-ford-stellantis%2F90611355007%2F），并且其质量评级在过去几年中有所下滑（https://fordauthority.com/2026/02/ford-ranked-below-average-in-2026-vehicle-dependability-study/）。这些挑战在近期变得更为明显，伴随着 Explorer 和 Aviator 发布的困难、新冠疫情期间供应链的中断，以及车辆召回数量的显著增长。 据福特首席运营官 Kumar Galhotra 称，这家汽车制造商最终得出结论，其质量管理方法过于分散。不同部门各自为政，公司严重依赖“发现并修复”的理念，即在缺陷出现后尽快识别并修正。虽然这种方法可以解决眼前的问题，但并不能从根本上预防这些问题的发生。 Galhotra 说：“我们正在从‘发现并修复’的心态转向在问题发生之前进行预防。我们关注的是推动因素和早期指标，而不是输出结果。不要再赞赏问题，而是开始解决问题。” 这种转变不仅仅局限于车辆硬件。高管们表示，软件和数字团队现在与车辆工程、制造和供应链团队的合作更加紧密。福特正试图将软件开发的快速和灵活性与汽车级工程所需的严谨和验证要求结合起来。 Poon 表示，历史上并非总是如此。福特在流程后期才发现软件错误，因为它没有充分利用可用的快速迭代周期。话虽如此，这家汽车制造商不能像消费电子公司那样以“快速行动，之后修复”的心态来推送软件更新。与智能手机不同，车辆运行在安全关键的环境中，客户依赖软件从车辆交付那一刻起就正常运行。为了解决这个问题，福特成立了一个由 40 人组成的专门软件质量保证团队，其唯一职责是在问题发生之前进行预防。 但不要以为福特不致力于将 AI 整合到更多流程中。这家汽车制造商表示，它已大幅扩展了自动化测试能力，增加了超过 10 万个新的 AI 驱动测试，旨在识别边缘情况并在各种条件下对软件系统进行压力测试。由于测试框架高度自动化，即使在开发后期，软件改动也可以快速重新验证，确保修改不会引入新缺陷。 Poon 说：“由于这些测试高度自动化，即使我们在软件中做了后期更改，我们也可以快速运行整个验证流程，确保它在到达客户手中之前完美运行。我们已经将软件可靠性确立为具有严格指标的严谨学科。” **关注本文中的话题和作者**，即可在个性化首页 feed 中查看更多类似内容并接收邮件更新。 - Andrew J\. Hawkins