AI إدارة الجودة انقلبت! بعد أن استدعت فورد 350 مهندسًا مخضرمًا، تفوقت في استطلاع الجودة على تويوتا وهوندا

فورد (شركة فورد) غرقت أعمق في الاعتماد المفرط على مراقبة الجودة الآلية، وفي النهاية استدعت 350 مهندسًا مخضرمًا لإعادة تدريب الذكاء الاصطناعي. خلف هذا الانعكاس تجربة حول "ما يمكن للآلة أن تتعلمه وما لا يمكنها استبداله".
(خلاصة سابقة: التخلي عن الإصدارات المتدرجة من أجل الذكاء الاصطناعي! تشير التقارير إلى أن أبل ألغت M6 Pro/Max، وسيقفز جهاز Mac المتطور مباشرة إلى "جيل M7")
(إضافة خلفية: تتهم Anthropic علي بابا بشن "أكبر هجوم استنساخ في التاريخ"، حيث استخدمت Claude 28.8 مليون مرة)
فهرس هذه المقالة
تبديل

• الذكاء الاصطناعي يتغذى على بيانات قديمة، ويخرج مشاكل قديمة
• قفز من المركز العاشر إلى الأول، تويوتا وهوندا تخلفتا
• ليست مسألة أن الذكاء الاصطناعي يخسر أمام البشر، بل أن الذكاء الاصطناعي يحتاج إلى أن يُغذى بواسطة الأشخاص الصحيحين
  بغض النظر عن مدى سرعة تعلم الآلة، فهي لا تستطيع تعلم الحدس الذي راكمه المهندسون على مدى ثلاثين عامًا على خط الإنتاج. استغرقت شركة فورد للسيارات (Ford) ثلاث سنوات لتدرك ذلك أخيرًا. في استطلاع الجودة الأولي لعام 2026 من JD Power (IQS، أي تقييم الجودة للأشهر الثلاثة الأولى بعد تسليم السيارة الجديدة)، حصلت فورد على 152 PP100 لتحتل المركز الأول بين العلامات التجارية الرئيسية، بتحسن كبير قدره 41 نقطة عن العام السابق، وهو أكبر تحسن سنوي بين جميع العلامات التجارية الرئيسية في هذه الدورة، وأول مرة تتصدر فيها منذ 16 عامًا.
  لكن ثمن هذه النتيجة هو الاعتراف بأن أدوات الذكاء الاصطناعي جعلت نظام الجودة بأكمله ينحرف.

الذكاء الاصطناعي يتغذى على بيانات قديمة، ويخرج مشاكل قديمة

أخبر تشارلز بون، نائب رئيس هندسة المركبات في فورد، الصحفيين في مؤتمر هاتفي إعلامي هذا الأسبوع: "الذكاء الاصطناعي أداة جيدة جدًا، لكن جودتها تعتمد على المعلومات التي تستخدمها لتدريبه."
المشكلة هنا بالتحديد. في السنوات القليلة الماضية، أدخلت فورد بسرعة أنظمة فحص الجودة الآلية، لكنها في هذه العملية لم تغذيها بأثمن شيء: الأحكام العملية للمهندسين المخضرمين المتراكمة عبر أجيال متعددة من المنتجات.
وأوضح بون أكثر: "اعتقدنا خطأً أنه بمجرد إدخال الذكاء الاصطناعي وتغذيته ببيانات متطلبات التصميم الحالية، يمكننا إنتاج منتجات عالية الجودة. لكننا أدركنا لاحقًا أنه لتعزيز قدرات أدوات الأتمتة والتعلم الآلي، يجب ضمان تدريبها من قبل الأشخاص الأكثر خبرة."
هؤلاء الأشخاص الأكثر خبرة، تطلق عليهم فورد داخليًا "مهندسو اللحى البيضاء". على مدى السنوات الثلاث الماضية، أعادت فورد توظيف 350 من المخضرمين، معظمهم من الموظفين السابقين الذين تقاعدوا أو انتقلوا إلى الموردين بعد العمل في فورد. مهمتهم ليست مجرد القدوم إلى العمل، بل إعادة السيطرة على خط الدفاع بأكمله للجودة.
أخبر كبير مسؤولي العمليات كومار جالهوترا الصحفيين أن هؤلاء المهندسين هم "جوهر" تحول الجودة في فورد. وهم الآن يديرون اجتماعات جودة إلزامية، ويبحثون بشكل منهجي عن المشكلات المحتملة، ويعيدون ضبط منطق تشغيل أدوات الذكاء الاصطناعي، بحيث تمنع الآلة نقاط الفشل المحتملة قبل دخول المكونات إلى المصنع.
وقال جالهوترا:

"نحن نعتمد بشكل متزايد على أنظمة الجودة الآلية، لكننا لم نحصل على النتائج المرجوة. بعد إعادة الخبراء التقنيين، أصبحوا يبحثون عن نقاط الفشل قبل أن تصل الأجزاء إلى خط الإنتاج."

قفز من المركز العاشر إلى الأول، تويوتا وهوندا تخلفتا

في استطلاع JD Power IQS لعام 2025، احتلت فورد المركز العاشر بين العلامات التجارية الرئيسية، وكانت درجة جودتها أقل من متوسط الصناعة. بعد عام واحد، تجاوزت فورد مباشرة تويوتا وهوندا، وهما معيارا الجودة طويلا الأمد، لتحتل المركز الأول بين العلامات التجارية الرئيسية، بعد العلامات الفاخرة بورش وجينيسيس فقط.
من بين 10 طرازات شاركت في الاختبار، دخلت 7 طرازات من فورد في المراكز الثلاثة الأولى في فئتها، وهي أعلى نسبة بين جميع شركات صناعة السيارات. احتلت شاحنة F-150 بيك آب، وشاحنة Super Duty، وسيارة موستانج الرياضية المركز الأول في فئاتها.
أشار الرئيس التنفيذي جيم فارلي في مقابلة مع Bloomberg TV يوم الخميس: "تكاليف الضمان لدينا آخذة في الانخفاض، وتكاليف الاستدعاء آخذة في الانخفاض أيضًا. مجتمعة، أدى ذلك إلى مساهمة إيجابية تبلغ في الواقع مئات الملايين من الدولارات من جانب التكلفة لشركة فورد." الهدف العام لشركة فورد هذا العام هو خفض نفقات التكلفة بمقدار مليار دولار.

ليست مسألة أن الذكاء الاصطناعي يخسر أمام البشر، بل أن الذكاء الاصطناعي يحتاج إلى أن يُغذى بواسطة الأشخاص الصحيحين

تحول فورد هذا، يبدو ظاهريًا وكأنه "انتصار المخضرمين على الذكاء الاصطناعي"، لكن قول بون قد يكون أقرب إلى الحقيقة: المشكلة ليست في الذكاء الاصطناعي، بل في مصدر البيانات المستخدمة لتدريبه.
في السنوات القليلة الماضية، سادت رواية في صناعة التكنولوجيا مفادها أن الذكاء الاصطناعي سيحل محل العاملين في مجال المعرفة على نطاق واسع، بما في ذلك المهندسين. تقدم حالة فورد مثالًا مضادًا أكثر تعقيدًا: أدوات الذكاء الاصطناعي ليست غير قابلة للاستخدام، بل يجب تصميم عملية التدريب من قبل أولئك الذين يعرفون حقًا "أين ستحدث المشكلات" حتى تعمل بشكل فعال.
عندما تركت فورد المهندسين المخضرمين يستعيدون السيطرة على عمليات الجودة، واستخدمت خبراتهم لإعادة معايرة أنظمة الذكاء الاصطناعي، بدأت الآلة التي كانت تتغذى على بيانات قديمة وتخرج مشاكل قديمة، في تعلم كيفية التدخل قبل حدوث المشكلات.