Il ritorno della maestria nell'era dell'intelligenza artificiale

Il dibattito sul fatto che l'intelligenza artificiale sostituirà il lavoro umano si svolge spesso attraverso la stessa dicotomia: o vinceranno le macchine o vinceranno gli esseri umani. L'ultima mossa di Ford sulla qualità rompe questa facile contrapposizione. Negli ultimi tre anni, l'azienda ha assunto, reintegrato o promosso circa 350 esperti tecnici di grande esperienza. Questi esperti formano i giovani ingegneri, gestiscono le revisioni del design, cercano potenziali punti di errore prima che arrivino alla produzione e contribuiscono allo sviluppo di strumenti di qualità basati sull'intelligenza artificiale.

Sui social media, l'evento è stato riassunto come: “L'intelligenza artificiale ha fallito, Ford ha riassunto 350 ingegneri”. Una frase d'effetto, ma incompleta. Ford non ha rinunciato all'intelligenza artificiale; continua a utilizzare sistemi di visione, test automatici e strumenti di validazione del software nelle sue fabbriche. Ciò che è cambiato non è l'investimento nella tecnologia, ma la convinzione che la tecnologia da sola sia sufficiente. La verità scoperta da Ford è questa: non si può garantire la qualità solo con più dati, telecamere e automazione.

Perché la qualità non consiste solo nel vedere il prodotto difettoso durante il processo o alla fine della linea. Il vero problema è prevedere perché quell'errore si verificherà già in fase di progettazione. Un ingegnere esperto, anche se non vede nulla di contrario alle regole nel disegno tecnico, può intuire che il pezzo causerà problemi durante l'assemblaggio. Sa per esperienza passata che una tolleranza, sebbene accettabile sulla carta, creerà deviazioni nella produzione in serie, che un cambiamento software entrerà in conflitto inaspettatamente con un altro sistema o che un fornitore riprodurrà lo stesso problema in determinate condizioni.

Non tutte queste informazioni sono scritte nelle procedure. Nella scienza del management, questo viene chiamato “conoscenza tacita”: una conoscenza esperta che nasce dall'esperienza e che non può essere interamente trascritta in testi e regole. L'essere umano, attraverso i guasti, i tentativi falliti, i reclami dei clienti e le crisi di produzione vissuti nel corso degli anni, impara non solo i risultati registrati, ma anche il contesto. Distingue quali dati sono veramente importanti, quale misurazione può essere fuorviante e quale piccolo segnale debba essere considerato il precursore di un grande guasto. L'intelligenza artificiale può trovare schemi nei dati che le vengono presentati, ma non può creare spontaneamente una memoria aziendale che non è mai stata trasferita al sistema.

Anche le dichiarazioni dei dirigenti Ford puntano in questa direzione. L'azienda ammette di non aver dato abbastanza importanza all'esperienza degli ingegneri senior che hanno attraversato numerosi cicli di sviluppo prodotto negli anni passati. Una volta compresa questa lacuna, l'azienda sta rimettendo gli esperti tecnici al centro del processo. Queste persone non sono solo ispettori che trovano errori; agiscono come guide che stabiliscono connessioni tra diversi campi dell'ingegneria e alimentano i sistemi di intelligenza artificiale con informazioni più accurate.

I risultati sono notevoli. Ford è salita al primo posto tra i marchi del mercato di massa nello studio sulla qualità iniziale negli Stati Uniti del 2026 di J.D. Power. Il punteggio del marchio è sceso da 193 problemi per 100 veicoli a 152 problemi in un anno. Ford è diventata così leader di questa categoria per la prima volta dal 2010. Anche F-150, Mustang e Super Duty si sono classificati al primo posto nelle rispettive classi.

La trasformazione in Ford non consiste solo nel riassumere esperti esperti. Nel 2023, l'azienda ha unificato le unità di ingegneria del veicolo, produzione, catena di approvvigionamento e qualità sotto lo stesso sistema industriale; ha rafforzato le revisioni settimanali del design e ha coinvolto i fornitori nel processo di sviluppo più precocemente. Mentre i lavoratori in fabbrica beneficiano di sistemi di visione supportati dall'intelligenza artificiale, i software dei veicoli vengono testati con centinaia di migliaia di scenari automatici prima di raggiungere il cliente. In altre parole, la ricetta per il miglioramento non è “spegnere le macchine e richiamare gli umani”, ma collegare i processi, prevenire l'errore prima che nasca invece di eliminarlo dopo la produzione e sottoporre la tecnologia al controllo del giudizio esperto.

Tuttavia, non bisogna esagerare. Lo studio J.D. Power non si basa sull'intera vita dei veicoli o sulla durata a lungo termine, ma sui problemi segnalati dai nuovi proprietari di veicoli nei primi 90 giorni e sui registri di assistenza. Nella classifica generale dei marchi, Porsche è davanti a Ford con 138 problemi per 100 veicoli. Anche Genesis è leggermente davanti ai 152 punti di Ford con 151 problemi. Inoltre, i problemi passati di Ford relativi ai richiami non sono stati completamente eliminati. Pertanto, non c'è un “miracolo”, ma un forte miglioramento nella giusta direzione.

Questa distinzione è importante. Perché leggere il caso Ford come “L'uomo ha sconfitto l'intelligenza artificiale” sarebbe superficiale quanto l'affermazione “L'intelligenza artificiale sostituirà tutti gli ingegneri”. Il risultato raggiunto dall'azienda non è il prodotto di una gara tra uomo e macchina, ma di una corretta divisione del lavoro. L'intelligenza artificiale può scansionare migliaia di immagini in pochi secondi, testare centinaia di migliaia di scenari software e cogliere schemi che l'occhio umano potrebbe perdere. Al contrario, l'ingegnere esperto decide quale domanda debba essere posta, quale risultato sia insolito e cosa significhi un reperto nelle reali condizioni di produzione.

Il problema fondamentale qui non è la tecnologia, ma la mentalità gestionale. Quando le aziende allontanano i dipendenti esperti dal sistema per ridurre i costi o digitalizzarsi rapidamente, non riducono solo le spese salariali. Perdono anche la memoria degli errori passati, il rapporto maestro-apprendista e la capacità di giudizio che entra in gioco nei momenti di crisi. Poi cercano di riacquistare queste informazioni da database, progetti di consulenza o una nuova applicazione di intelligenza artificiale. Eppure, alcune informazioni non possono essere recuperate dopo che le persone che le portano hanno lasciato l'azienda.

Per questo motivo, accanto agli investimenti in intelligenza artificiale, è necessario inserire un “bilancio della memoria aziendale”. Quali informazioni critiche risiedono solo nella mente di pochi dipendenti? Come vengono trasferite queste informazioni alle nuove generazioni? Con le valutazioni di quali esperti vengono addestrati i sistemi di intelligenza artificiale? Quando la tecnologia rileva un errore, c'è ancora la competenza umana in azienda per comprenderne la causa principale? L'automazione effettuata senza porsi queste domande può produrre fragilità, non efficienza.

L'esperienza di Ford è importante anche oltre il settore automobilistico. Dalla sanità al settore bancario, dai media ai servizi di ingegneria, molte aziende vedono l'intelligenza artificiale come una scorciatoia per ridurre il numero di persone. Eppure, specialmente nei lavori ad alto rischio e complessi, il guadagno principale non deriva dall'eliminazione dell'uomo dal sistema, ma dal miglioramento della qualità delle decisioni. Svalutare il dipendente esperto e poi richiamarlo per addestrare l'intelligenza artificiale non è una trasformazione digitale; è un costoso errore di gestione.

La lezione appresa da Ford è in realtà piuttosto antica: la qualità non nasce dal controllo effettuato dopo che il prodotto è uscito dalla linea, ma dal coinvolgimento nel processo, fin dall'inizio, di persone che possiedono le giuste conoscenze. L'intelligenza artificiale può accelerare, espandere e rendere più visibile questo processo. Ma senza l'essere umano che sa cosa è importante, che dubita dove i dati tacciono e che riconosce le tracce di un errore già vissuto, il sistema rimane incompleto.

Perché la qualità non è solo dati. La qualità è memoria preservata; è un investimento nel futuro.