Ford richiama gli ingegneri esperti dopo che l'IA delude

Ford ha investito pesantemente in automazione e intelligenza artificiale, convinto che potesse sostituire il lavoro dei progettisti esperti. Il risultato? Prodotti che non reggevano il passo. L'azienda stessa ha ammesso il problema con una frase che suona quasi dolorosa: «Mistakenly we thought that by just introducing artificial intelligence ... that would produce a high-quality product».

Questa non è una critica generica all'IA. È la confessione di aver confuso l'efficienza con la qualità. Un algoritmo è veloce, certo, ma senza i vincoli del buon senso ingegneristico rischia di ottimizzare le cose sbagliate. Un motore progettato da un'IA che legge solo specifiche tecniche potrebbe vibrare come un trapano a percussione.

Gli «gray beard engineers» non sono semplici nostalgici del passato, sono il filtro che trasforma i numeri in auto che funzionano davvero. Sanno quali dettagli apparentemente minori creano problemi a lungo termine, quali compromessi sono accettabili e quali no, come si comporta un materiale dopo 150mila chilometri di strada sterrata.

Ford ha dovuto ricorrere a loro non per nostalgia, ma perché l'esperienza umana è un tipo di dati che nessun modello di addestramento riesce a catturare completamente. Un progettista veterano guarda un disegno 3D e vede i problemi prima ancora che il prototipo esista. Un'IA vede pixel.

Questa vicenda di Ford è l'ennesima conferma di una verità scomoda: l'IA è uno strumento straordinario, ma richiede ancora la supervisione di chi sa cosa sta facendo. Non è uno strumento "impiccabile", non è un brusco cambio di paradigma, è un amplificatore di competenza che funziona bene solo se alimentato da chi capisce davvero il dominio.

Automobilisti e tech addicted avranno notato il paradosso: proprio mentre l'IA rivoluzionava i chatbot e la generazione di immagini, a Detroit tornavano a toccarsi la testa gli ingegneri con trent'anni di mestiere. La morale è semplice: efficienza non è qualità, velocità non è affidabilità. Succede spesso che un'azienda scopra questa differenza soltanto quando è troppo tardi e magari finisce in recall costosi.