Por Canuto  

Ford reconoció que su dependencia excesiva de sistemas automatizados e IA terminó afectando la calidad de sus vehículos, al punto de obligarla a recontratar ingenieros veteranos para corregir errores, transferir conocimiento crítico y rediseñar sus procesos de prevención de fallas.
***

  • Ford recontrató, promovió o reincorporó a más de 350 ingenieros experimentados para recuperar conocimiento institucional perdido.
  • La empresa admitió que subestimó los límites de la IA y de la automatización en producción, diseño y validación de software.
  • Además de liderar el ranking de calidad inicial de JD Power, Ford sigue enfrentando presión por retiradas y fallas detectadas en años recientes.

Ford celebró esta semana un logro que no conseguía desde hace 16 años: ubicarse en el puesto número uno del ranking de calidad inicial de JD Power entre fabricantes de automóviles convencionales. Sin embargo, el anuncio vino acompañado de una admisión incómoda sobre los errores que la empresa cometió en su apuesta por la automatización.

La automotriz reconoció que tuvo que volver a contratar a antiguos empleados y apoyarse en ingenieros veteranos para corregir fallas generadas por sus propios sistemas automatizados. El caso expone un problema que también inquieta a otras industrias: la idea de que la IA puede reemplazar experiencia acumulada sin pérdida de calidad.

Para lectores menos familiarizados con este tema, la calidad inicial en la industria automotriz mide los problemas reportados por los clientes poco tiempo después de recibir un vehículo. Es una métrica sensible porque refleja defectos de ensamblaje, errores de diseño y fallas de software que impactan la experiencia desde el primer día.

En el caso de Ford, la tensión es evidente. La empresa recibió reconocimiento por calidad, pero al mismo tiempo sigue asociada a un elevado volumen de retiradas de vehículos y a un deterioro de sus indicadores en años recientes.

Según informó The Verge, directivos de la compañía explicaron en una rueda de prensa que parte de esa caída surgió por confiar demasiado en herramientas automatizadas que no estaban tan preparadas como la organización suponía. La lección, en palabras simples, es que la IA puede amplificar aciertos, pero también errores, si los datos y el criterio humano son insuficientes.

La experiencia que Ford perdió y luego tuvo que recuperar

Charles Poon, vicepresidente de ingeniería de hardware de vehículos de Ford, afirmó que la empresa creyó erróneamente que introducir inteligencia artificial y ajustar los requisitos de diseño bastaría para producir un vehículo de alta calidad. Su declaración resumió el núcleo del problema con una franqueza poco habitual en grandes fabricantes.

“Erróneamente, pensamos que al introducir solo inteligencia artificial y ajustar los requisitos de diseño que teníamos, eso produciría un producto de alta calidad”, dijo Poon durante la rueda de prensa. La frase refleja un giro de criterio dentro de la compañía sobre el alcance real de la automatización.

El ejecutivo añadió que algunos de los trabajadores más experimentados dejaron la empresa antes de que todo su conocimiento acumulado pudiera transferirse por completo a los sistemas automatizados. Eso creó una brecha difícil de ver en un inicio, pero costosa cuando comenzaron a aparecer defectos.

Para enfrentar ese vacío, Ford decidió traer de vuelta aparte de ese talento. En otros casos, asignó a esos perfiles la tarea de reentrenar sistemas internos o de guiar a ingenieros más jóvenes que estaban teniendo dificultades para sostener los estándares de calidad.

Poon indicó que Ford contrató, promovió o reincorporó a más de 350 ingenieros experimentados para reconstruir esa capa de experiencia. Ese grupo también recibió la misión de mejorar la recolección de datos y el entrenamiento de IA que sirven de base para los sistemas automatizados de la empresa.

El punto de fondo es relevante más allá del sector automotor. En cualquier operación industrial intensiva en software, el conocimiento institucional no siempre está documentado de forma estructurada, y muchas veces vive en la experiencia práctica de quienes ya enfrentaron problemas similares en ciclos anteriores.

Ford terminó pagando el costo de subestimar ese capital intangible. La compañía descubrió que automatizar procesos sin capturar antes la lógica de decisión de sus especialistas puede traducirse en errores repetidos, detección tardía de fallas y menor resiliencia operativa.

Del modelo de “encontrar y arreglar” a la prevención de fallas

Además de los problemas en diseño y producción, la automotriz concluyó que su enfoque hacia la calidad se había vuelto demasiado fragmentado. Kumar Galhotra, director de operaciones de Ford, explicó que los distintos departamentos operaban en silos, lo que complicaba una respuesta integrada.

Esa fragmentación favorecía una filosofía interna de “encontrar y arreglar”. En la práctica, el sistema se concentraba en identificar defectos una vez aparecían y en corregirlos con rapidez, en vez de impedir que surgieran desde las primeras fases del desarrollo.

Galhotra sostuvo que ese método podía resolver problemas inmediatos, pero no evitaba su repetición. Por eso la empresa decidió migrar hacia una cultura enfocada en habilitadores e indicadores tempranos, con la meta de detectar señales antes de que se conviertan en fallas visibles para el cliente.

“Estamos pasando de esa mentalidad de encontrar y arreglar a prevenir problemas antes de que ocurran”, dijo Galhotra. También añadió que la empresa busca dejar de admirar el problema y empezar a resolverlo.

El cambio no es menor, porque implica rediseñar la forma en que se relacionan áreas de ingeniería, manufactura, software y cadena de suministro. En organizaciones complejas, la calidad suele deteriorarse no por una sola gran falla, sino por pequeñas decisiones mal coordinadas entre equipos.

Ford ya venía arrastrando señales de alerta. La empresa lidera actualmente la industria en número de retiradas de vehículos, y sus calificaciones de calidad habían bajado en los últimos años, lo que aumentó la presión para revisar procesos de raíz.

Entre los factores que agravaron la situación aparecen los complicados lanzamientos del Explorer y el Aviator. A eso se sumaron las interrupciones en la cadena de suministro durante la pandemia de covid y un crecimiento notable en la cantidad de retiradas de sus vehículos.

Ese contexto ayuda a entender por qué una mejora en el ranking de JD Power no borra automáticamente los problemas recientes. Más bien funciona como una señal de que Ford intenta salir de una etapa de ejecución irregular que afectó tanto su reputación como su operación industrial.

Software, validación e IA: la nueva disciplina que Ford quiere imponer

La transformación, según los ejecutivos, no se limita al hardware del vehículo. Los equipos de software y digitales ahora colaboran mucho más de cerca con las áreas de ingeniería de vehículos, fabricación y cadena de suministro.

Esa coordinación busca combinar la velocidad y la flexibilidad típicas del desarrollo de software con los estrictos requisitos de validación de la ingeniería automotriz. El desafío es complejo porque un automóvil no tolera el mismo margen de error que un dispositivo de consumo masivo.

Poon explicó que Ford estaba descubriendo errores de software demasiado tarde en el proceso. La compañía no estaba aprovechando por completo los ciclos rápidos de iteración disponibles, lo que retrasaba la detección de defectos y elevaba el riesgo de que estos llegaran a fases avanzadas del desarrollo.

Al mismo tiempo, el ejecutivo dejó claro que una automotriz no puede operar bajo la lógica de “moverse rápido y arreglar después”. Un vehículo funciona en un entorno crítico de seguridad, donde el cliente espera que el software trabaje correctamente desde el momento de la entrega.

Para corregir esa debilidad, Ford creó un equipo dedicado de aseguramiento de calidad de software compuesto por 40 personas. Su responsabilidad exclusiva es prevenir problemas antes de que ocurran, en lugar de actuar solo cuando el defecto ya apareció.

La empresa, sin embargo, no está retrocediendo en el uso de IA. Por el contrario, afirma que amplió de forma drástica sus capacidades de pruebas automatizadas y añadió más de 100.000 nuevas pruebas impulsadas por IA para detectar casos extremos y someter los sistemas a múltiples condiciones.

Según Poon, ese marco permite revalidar con rapidez los cambios de software incluso en etapas tardías del desarrollo. La idea es asegurar que una modificación puntual no introduzca defectos nuevos en otras partes del sistema.

“Debido a que estas pruebas son altamente automatizadas, incluso si tenemos un cambio tardío en el software, podemos volver a ejecutar rápidamente todo el proceso de validación para garantizar que funcione perfectamente antes de que llegue al cliente”, dijo el directivo. También afirmó que Ford estableció la confiabilidad del software como una disciplina propia con métricas estrictas.

La conclusión estratégica es clara. Ford no está rechazando la IA, sino redefiniendo su papel dentro de un sistema donde los datos, la supervisión humana y la validación rigurosa pesan tanto como la automatización misma.

Ese matiz importa para cualquier industria expuesta al entusiasmo tecnológico. La lección de Ford no sugiere que la IA sea inútil, sino que su valor depende por completo de la calidad de los datos, de la experiencia que la alimenta y del diseño organizacional que la rodea.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados