TechSpot significa análise técnica e conselhos em que você pode confiar.
THE TAKEAWAY: O esforço da Ford para modernizar seus sistemas de engenharia e produção com inteligência artificial inicialmente não entregou os ganhos que a empresa esperava. Em vez disso, expôs uma lacuna que a tecnologia sozinha não poderia preencher: a perda de julgamentos de engenharia duramente conquistados construídos ao longo de décadas.
É uma mudança que vem quando a Ford retorna ao topo da J.D. As classificações iniciais de qualidade da Power entre as principais marcas. A melhoria reflete mudanças não apenas em seus processos, mas também em como a empresa usa a IA - e onde ela traça a linha entre automação e experiência humana.
Nos últimos anos, a Ford expandiu seu uso de IA em design e fabricação, apoiando-se em sistemas automatizados para acelerar as decisões e simplificar o desenvolvimento. Mas esses sistemas se mostraram menos resilientes do que o previsto, particularmente quando alimentados com dados incompletos ou insuficientemente diferenciados.
"Erroneamente, pensamos que, apenas introduzindo inteligência artificial e ajustando os requisitos de design que tínhamos, isso produziria um produto de alta qualidade", disse Charles Poon, vice-presidente de engenharia de hardware de veículos, em um briefing esta semana com repórteres (via The Verge).
O problema, de acordo com os executivos da Ford, não era simplesmente técnico. À medida que engenheiros experientes deixaram a empresa, grande parte de seu conhecimento institucional - muitas vezes não documentado e construído através de ciclos repetidos de produtos - nunca chegou aos conjuntos de dados treinando esses sistemas de IA. Isso deixou lacunas em como os problemas foram identificados e evitados.
Para resolver isso, a Ford trouxe de volta e promoveu mais de 350 engenheiros experientes. O papel deles vai além da orientação. Eles agora estão moldando ativamente como os dados são coletados, interpretados e alimentados nos modelos de IA da empresa, reconstruindo efetivamente a base da qual esses sistemas dependem.
"É aí que alguns de nossos engenheiros mais experientes tiveram experiência em resolver e identificar esses problemas antes que eles entrem no sistema", disse Poon.
A Ford enfrentou classificações de qualidade em declínio nos últimos anos e atualmente lidera a indústria em recalls. Lançamentos de veículos de alto perfil, incluindo o Explorer e o Aviator, revelaram desafios de execução, enquanto as interrupções na cadeia de suprimentos da era da pandemia adicionaram mais tensão.
A Ford teve que emitir recalls para vários modelos de alto perfil, incluindo o Aviator
Os executivos dizem que essas questões foram agravadas por ineficiências estruturais. Diferentes equipes - abrangendo software, hardware, fabricação e cadeia de suprimentos - muitas vezes trabalhavam isoladamente. Essa fragmentação reforçou uma abordagem reativa à qualidade, onde os defeitos foram identificados tardiamente e corrigidos sob pressão.
"Estamos passando dessa mentalidade de encontrar e consertar para prevenir problemas antes que eles ocorram", disse o COO Kumar Galhotra. "Estamos focados em facilitadores e indicadores iniciais versus saídas. Pare de admirar o problema e comece a resolvê-lo."
Uma parte fundamental dessa mudança envolve a integração mais estreita das práticas de desenvolvimento de software com a engenharia automotiva tradicional. No passado, a Ford frequentemente descobria defeitos de software no final do ciclo de desenvolvimento. Ao mesmo tempo, não poderia adotar a mentalidade de liberação rápida comum na tecnologia de consumo, onde os problemas são frequentemente resolvidos após a implantação. Isso porque os veículos operam sob diferentes restrições - o software deve funcionar corretamente desde o início, dadas as implicações de segurança.
Para fechar essa lacuna, a Ford estabeleceu uma equipe dedicada de garantia de qualidade de software de 40 pessoas focada inteiramente na validação em estágio inicial e prevenção de defeitos.
A IA ainda desempenha um papel central na Ford, mas a empresa a está usando dentro de limites mais claros. A empresa adicionou mais de 100.000 testes orientados por IA que visam casos de ponta e empurram o sistema sob uma ampla gama de condições.
Os testes são executados em um sistema automatizado que permite que os engenheiros verifiquem rapidamente o software após as alterações, mesmo no final do desenvolvimento. O objetivo é capturar quaisquer novos defeitos sem retardar o processo.
"Como esses testes são altamente automatizados, mesmo que tenhamos uma alteração tardia no software, podemos voltar rapidamente por todo o processo de validação para garantir que funcione perfeitamente antes de chegar ao cliente", disse Poon. "Estabelecemos a confiabilidade do software como suas próprias disciplinas rigorosas com métricas rigorosas."
A experiência da Ford aponta para um desafio mais amplo para as empresas que usam IA em sistemas industriais complexos. A automação pode acelerar o trabalho e ampliar os testes, mas ainda depende de dados sólidos e das pessoas que sabem como usá-los.
No caso da Ford, o plano é contar com uma configuração mais equilibrada na qual a IA apoia os engenheiros em vez de substituí-los. Agora quer que seus sistemas reflitam não apenas o poder de computação, mas também o conhecimento prático que acumulou ao longo de anos de fabricação de veículos.
Comentários