Ford haalt 350 ervaren ingenieurs terug nadat AI de kwaliteit niet alleen redde

Ford is voor het eerst in zestien jaar de nummer 1 in de kwaliteitsranglijst van JD Power onder de grote automerken. En juist nu het bovenaan staat, doet het bedrijf iets opvallends: openheid over hoe het bijna misging. De oorzaak van jarenlange kwaliteitsproblemen lag deels in een te groot vertrouwen op geautomatiseerde systemen in productie en ontwerp. De oplossing was niet meer AI, maar het terughalen van ervaren mensen. Voor elk Nederlands maak- en MKB-bedrijf dat zijn productie- of ontwerpprocessen automatiseert, is dat een concrete waarschuwing.

Wat er bij Ford misging

Ford ging ervan uit dat het invoeren van kunstmatige intelligentie de kwaliteit vanzelf omhoog zou trekken. Dat bleek een misrekening. De geautomatiseerde systemen waren minder robuust dan gedacht, en hun effectiviteit hing volledig af van de kwaliteit van de data waarmee ze waren getraind. Daar bovenop had Ford de waarde onderschat van de kennis die zat opgeslagen in ervaren ingenieurs die meerdere ontwikkelcycli hadden meegemaakt. Een deel van hen vertrok voordat die kennis was overgedragen aan de systemen.

"Ten onrechte dachten we dat we, alleen door kunstmatige intelligentie in te voeren en de ontwerpeisen aan te passen, een product van hoge kwaliteit zouden krijgen", aldus Charles Poon, vicepresident vehicle hardware engineering, in een briefing met journalisten. Het resultaat van de combinatie van zwakke data en weggelekte kennis: een daling in de kwaliteit van Fords auto's.

De oplossing was menselijk

Ford nam, promoveerde of haalde ruim 350 ervaren ingenieurs terug om die laag van vakkennis te herstellen. Hun taak is drieledig: jongere ingenieurs begeleiden, problemen herkennen voordat ze in het systeem sluipen, en de dataverzameling en AI-training verbeteren die de geautomatiseerde systemen voeden. Met andere woorden: de mensen zijn niet teruggehaald om de AI te vervangen, maar om hem te leren wat hij nog niet wist.

Dat is precies de kern. Een AI-systeem maakt bestaande kennis schaalbaar, maar het kan kennis die nooit is vastgelegd niet uit het niets reproduceren. Verdwijnt de ervaren vakman voordat zijn oordeel in data en regels zit, dan automatiseer je een gat. Het risico dat de vaardigheid die AI waardevol maakt langzaam slijt als iedereen op AI leunt, is bij Ford geen abstractie gebleken maar een rekening.

Wat dit voor jou betekent

De verleiding is groot om automatisering te zien als een knop waarmee je kwaliteit en snelheid tegelijk koopt. Ford laat zien dat het zo niet werkt: automatisering versterkt een goed proces en vergroot de fouten van een slecht proces. Wil je productie, calculatie of ontwerp automatiseren, begin dan bij twee dingen. Eerst je data, want een model is zo goed als waar het op getraind is. En daarna het vastleggen van het oordeel van je beste mensen, voordat ze met pensioen gaan of vertrekken.

Bouw vervolgens bewust een menselijke controle in op de plekken die ertoe doen. Bepaal per processtap wanneer een actie automatisch mag doorlopen en wanneer een mens beslist, zodat een fout van het systeem zichtbaar wordt voordat hij je klant bereikt. Dat is geen rem op automatisering. Het is de voorwaarde waaronder automatisering je iets oplevert in plaats van kost.