福特因自动化系统出错，不得不召回前工程师修复

背景

福特汽车（Ford）近期在 JD Power 的初始质量排名中，首次时隔 16 年重返主流汽车制造商榜首。为了庆祝这一里程碑式的成就，福特向公众坦承了其在过去几年中面临的严峻挑战，特别是过度依赖自动化系统进行生产和设计所暴露出的问题。

事实上，福特曾假设其自动化系统具备足够的稳健性，但现实情况是，这些系统并非无懈可击。为了纠正由机器人和自动化流程产生的错误，福特不得不重新雇佣经验丰富的技术人员，甚至在某些情况下召回前员工。这一过程揭示了福特在数字化转型过程中，对“技术万能论”的反思以及对传统工程经验价值的重新评估。

核心内容

福特高层在近期的媒体简报中详细阐述了其质量下滑的原因及随后的整改措施。车辆硬件工程副总裁 Charles Poon 指出，福特曾错误地认为，只要引入人工智能（AI）并调整设计要求，就能自动生产出高质量的产品。然而，AI 的有效性完全取决于用于训练 AI 模型的数据质量。福特低估了资深工程师在多个车辆开发周期中积累的机构知识（institutional knowledge）的价值，这种认知偏差导致车辆质量一度下滑。

Poon 透露，在公司将经验数据完全转化为自动化系统之前，部分最具经验的人员已经离职。这迫使福特不得不召回这些前员工，以重新训练自动化系统，或在某些情况下指导目前难以维持车辆质量的年轻工程师。据统计，福特招聘、晋升或召回了超过 350 名经验丰富的工程师，以重建这一关键的专业知识层。这些资深专家不仅负责指导新人，还承担着改善支撑自动化系统的数据收集和 AI 训练任务。

“我们的一些最资深工程师拥有在问题渗入系统之前解决和识别这些问题的经验，”Poon 表示。

福特目前面临着行业最高的召回数量，其质量评级在过去几年中持续下滑。近期，Explorer 和 Aviator 车型发布带来的困难、新冠疫情期间的供应链中断，以及召回数量的显著增长，使得这些挑战愈发凸显。

福特首席运营官 Kumar Galhotra 指出，公司最终意识到其质量管理方法过于碎片化。不同部门各自为政，公司长期依赖“发现并修复”（find and fix）的理念，即缺陷出现后尽快识别并纠正。虽然这种方法能解决眼前问题，但无法从源头上防止问题发生。

“我们正从这种‘发现并修复’的心态转向在问题发生前进行预防，”Galhotra 说，“我们关注的是赋能因素和早期指标，而非仅仅是输出结果。停止欣赏问题，开始解决问题。”

这一转型不仅限于车辆硬件。软件与数字团队现在与车辆工程、制造及供应链团队的协作更加紧密。福特正试图将软件开发的速度和灵活性与汽车级工程的严谨性和验证要求相结合。

历史上，福特往往在流程后期才发现软件漏洞，因为它未能充分利用快速迭代周期。Poon 强调，福特不能像消费电子公司那样秉持“快速行动，稍后修复”的心态，因为汽车运行在安全关键环境中，客户依赖软件在车辆交付那一刻起就能正常运行。为此，福特组建了一支专门的 40 人软件质量保证团队，其唯一职责是在问题发生前进行预防。

尽管面临挑战，福特并未停止将 AI 整合到更多流程中的努力。该公司大幅扩展了其自动化测试能力，新增了超过 10 万个由 AI 驱动的新测试，旨在识别边缘情况并在广泛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，即使在开发后期进行软件更改，也能迅速重新验证，确保修改不会引入新的缺陷。

“由于这些测试高度自动化，即使我们在软件后期进行更改，我们也可以快速重新运行整个验证流程，以确保其在到达客户手中之前完美运行，”Poon 表示，“我们将软件可靠性确立为一门拥有严格指标的严谨学科。”

关键要点

• AI 并非万能：AI 模型的有效性完全依赖于训练数据的质量。福特曾因盲目引入 AI 而低估了资深工程师经验的重要性，导致质量波动。
• 召回“老法师”：由于资深工程师离职导致机构知识流失，福特不得不招聘、晋升或召回超过 350 名经验丰富的工程师，以重新训练 AI 系统并指导年轻团队。
• 从“补救”转向“预防”：福特摒弃了传统的“发现并修复”（find and fix）模式，转而采用预防性质量管理，关注早期指标和赋能因素，旨在从源头消除缺陷。
• 软件与硬件的融合：软件团队与工程、制造及供应链团队紧密协作，试图结合软件开发的敏捷性与汽车工程的严谨性，解决传统上在后期才发现软件漏洞的问题。
• 安全关键环境的特殊性：与智能手机不同，汽车处于安全关键环境，无法采用消费电子行业“快速行动，稍后修复”的策略。福特为此成立了专门的 40 人软件质量保证团队。
• 大规模自动化测试：福特新增了超过 10 万个 AI 驱动的自动化测试用例，以应对边缘情况和压力测试，确保软件更改不会引入新缺陷，并建立了严格的软件可靠性指标。

意义与影响

福特此次的质量翻身仗及其背后的反思，为传统制造业的数字化转型提供了深刻的警示与借鉴。

首先，它打破了“技术替代人力”的简单叙事。福特的经历证明，在复杂的工业制造领域，AI 和自动化系统无法完全取代人类工程师的直觉、经验判断以及对系统潜在风险的深刻理解。机构知识的数字化迁移是一个漫长且易出错的过程，忽视这一过程将付出巨大的质量代价。

其次，福特展示了传统车企在应对软件定义汽车（SDV）趋势时的适应性调整。通过建立专门的软件质量保证团队和引入大规模 AI 测试，福特试图在保持汽车安全标准的同时，吸收互联网公司的敏捷开发优势。这种“硬件严谨性”与“软件灵活性”的结合，将是未来汽车制造商的核心竞争力之一。

最后，从“发现并修复”到“预防性质量”的转变，标志着质量管理范式的升级。这不仅有助于降低召回成本和品牌声誉风险，更体现了福特对“质量是设计出来的，而非检测出来的”这一理念的回归。对于整个汽车行业而言，如何在自动化浪潮中保留并传承核心工程智慧，是确保长期竞争力的关键命题。