“Abbiamo scherzato, non è che potreste tornare?”. La promessa era semplice: usare l’intelligenza artificiale per intercettare difetti, migliorare la qualità dei veicoli e ridurre costi, richiami e garanzie. La realtà, però, si è rivelata più complicata. Ford – per contrappasso pionera dell’automazione – ha deciso di richiamare centinaia di ingegneri esperti dopo aver scoperto che gli strumenti di IA e automazione, da soli, non erano sufficienti a garantire il livello di qualità atteso.
Secondo le ricostruzioni della stampa americana, il gruppo ha assunto o richiamato circa 300-350 ingegneri veterani, alcuni ex dipendenti e altri provenienti da fornitori, per rafforzare i controlli e affiancare gli strumenti automatici. Non si tratta di un abbandono dell’intelligenza artificiale, ma di una correzione di rotta: l’IA resta, però deve essere guidata da chi conosce davvero i prodotti, i processi e i punti deboli delle auto.
“L’IA è fantastica, ma dipende dai dati”
A spiegare il cambio di passo è stato Charles Poon, vicepresidente Ford per l’ingegneria hardware dei veicoli. La sua frase è diventata il manifesto del caso:
“L’intelligenza artificiale è uno strumento fantastico, ma vale quanto le informazioni che usi per addestrarla”, ha detto.
Poi l’ammissione:
“Abbiamo pensato, sbagliando, che bastasse introdurre l’intelligenza artificiale e darle in pasto i requisiti di progettazione per ottenere un prodotto di alta qualità”. Il problema è che molti dei tecnici più esperti avevano lasciato l’azienda prima che la loro conoscenza potesse essere trasferita ai sistemi automatici. In altre parole: l’IA aveva i dati, ma non abbastanza memoria industriale.
Il sapere che non sta nei manuali
Il caso Ford mostra un limite molto concreto dell’automazione. In fabbrica e nella progettazione automobilistica non tutto è codificato in procedure, schemi e checklist. Molto passa dall’esperienza accumulata: sapere quali componenti tendono a creare problemi quando interagiscono, riconoscere un difetto nascosto in una fase iniziale, capire quando una modifica apparentemente piccola può avere effetti su sicurezza, affidabilità o manutenzione.
È il cosiddetto sapere tacito: quello che un ingegnere o un tecnico acquisisce dopo anni di cicli prodotto, richiami, errori, correzioni e prove. Ford, secondo The Verge, ha ammesso di aver sottovalutato proprio questo patrimonio.
Dai richiami al cambio di metodo
Negli ultimi anni Ford ha dovuto fare i conti con un numero elevato di richiami e con costi di garanzia pesanti. La strategia tradizionale, centrata sul “trova e correggi”, interveniva spesso quando il problema era già emerso. Ora la casa americana punta su un approccio più preventivo: individuare i difetti prima che arrivino in produzione o, peggio, al cliente.
Per questo i tecnici veterani sono stati richiamati non solo per controllare, ma anche per insegnare. Devono affiancare gli ingegneri più giovani, rivedere i progetti, segnalare criticità e contribuire ad addestrare meglio gli strumenti di IA. L’obiettivo non è sostituire la macchina con l’uomo, ma costruire un sistema ibrido: algoritmi veloci nella ricerca di anomalie, persone esperte nel capire quali anomalie contano davvero.
Il risultato: qualità in miglioramento
Il cambio di rotta sembra aver prodotto effetti. Ford ha ottenuto il primo posto tra i marchi generalisti nello studio J.D. Power 2026 U.S. Initial Quality Study, un risultato che l’azienda non raggiungeva da anni. Alcuni modelli, tra cui F-150, Mustang e Super Duty, hanno ottenuto risultati particolarmente positivi nei rispettivi segmenti, secondo le ricostruzioni della stampa americana.
Il dato non cancella i problemi: Ford continua ad affrontare richiami e interventi legati anche a progetti precedenti. Ma indica che la qualità iniziale dei veicoli nuovi è migliorata proprio mentre l’azienda rimetteva al centro competenze tecniche senior e controlli trasversali.
Una lezione oltre l’auto
La vicenda va oltre il settore automobilistico. Negli ultimi due anni molte aziende hanno presentato l’IA come sostituto rapido di competenze costose: programmatori, analisti, operatori di customer service, tecnici, progettisti. Ma il caso Ford mostra che, nei sistemi complessi, il problema non è solo produrre più output. È produrre output affidabile.
L’IA può generare codice, analizzare immagini, segnalare difetti, riassumere documenti e accelerare procedure. Ma quando entrano in gioco sicurezza, responsabilità, progettazione industriale e qualità, serve ancora qualcuno che sappia interpretare, contestualizzare e decidere.
L’IA non sostituisce il giudizio
La storia di Ford non è la sconfitta dell’intelligenza artificiale. È, semmai, la sconfitta dell’idea che l’intelligenza artificiale possa sostituire automaticamente esperienza, memoria aziendale e giudizio tecnico.
Il messaggio che arriva da Detroit è più sobrio e forse più utile: l’IA funziona meglio quando non viene usata per cancellare le competenze, ma per amplificarle. Se i dati sono incompleti, se l’esperienza è uscita dall’azienda e se nessuno sa più distinguere un falso allarme da un problema serio, l’algoritmo diventa fragile.