Latest / 創意每天聽 / 福特AI出包急召350工程師：機器取代不了老師傅
Transcript
- 0:00你有沒有想過，現在很多公司都在說要用 AI 取代人力，好像 AI 什麼都能做？
- 0:10確實，這是很常見的說法，尤其是一些重複性高或數據分析的工作，大家都會想能不能讓 AI 接手。
- 0:21但是，今天這個案例真的很特別，福特汽車就做了一件出乎意料的事。他們嘗試用 AI 取代工程師，結果搞砸了。
- 0:35是的，福特汽車的副總裁 Charles Poon 親口承認，他們本來以為可以靠 AI 生產出高品質的產品，結果發現不行。
- 0:50而且，他們最後不是選擇繼續優化 AI，而是被迫重新聘用了 350 名經驗豐富的工程師。這點讓我非常詫異。
- 1:03一般公司在投入大量資源開發 AI 後，通常會想辦法讓它成功，而不是承認失敗並回頭找被取代的人力。福特這個做法確實很不一樣。
- 1:19對啊，他們等於是繞了一大圈，又回到原點。那他們具體是怎麼搞砸的呢？
- 1:27Charles Poon 解釋說，問題不在於 AI 本身壞掉，而是那些經驗豐富的工程師在離開前，沒能把他們累積的「機構知識」轉移到 AI 系統裡。
- 1:46原來如此，所以 AI 在缺乏這些關鍵的判斷和經驗數據下，就沒辦法有效判斷設計缺陷，反而把一些不好的輸入放大了。
- 2:00沒錯，AI 的學習是基於數據的，如果訓練數據缺乏人類幾十年的工程判斷，它就無法做出正確的決策。
- 2:12聽起來就像一個菜鳥，雖然有很厲害的工具，但沒有師傅帶，還是不知道怎麼用。那後來福特怎麼解決的？
- 2:24他們重新聘用、新招募或晉升了 350 名有經驗的工程師來填補這個空缺。這些人不是回去做原本的工作。
- 2:37那他們是做什麼？難道是要這些老鳥去教 AI 嗎？
- 2:43有點類似。這些回歸的工程師負責指導資淺員工，重建餵養 AI 訓練的數據管線，並優化那些原本要取代他們自身的自動化系統。
- 2:58這工作聽起來更像教練或顧問，而不是被取代的員工。福特還做了其他調整嗎？
- 3:07他們還成立了一個 40 人的專門軟體品管團隊，並增加了超過 10 萬個 AI 驅動的自動化測試，來捕捉特殊情況並驗證開發後期的軟體變更。
- 3:24這些努力真的有成效嗎？感覺是下了重本啊。
- 3:30從結果來看，確實有。福特在 2026 年 JD Power 首次品質研究中，主流品牌排名第一，這是他們 16 年來首次達到這個成就。
- 3:46哇，16 年來第一次！這真是個很強的翻身。他們這次的問題數是每 100 輛車 152 個問題，表現超越了 Nissan 和 Buick。
- 4:04而且，像是 F-150、Mustang 和 Super Duty 這幾款車，更是連續第二年獲得該級別的最佳成績。可見這些改變是有效的。
- 4:21如果我是創業者或主管，我可以從這個案例學到什麼？感覺它顛覆了我們對 AI 的一些想像。
- 4:32最重要的啟示是，AI 雖然強大，但它並非萬能，尤其是在需要「經驗判斷」和「隱性知識」的核心品質領域。
- 4:45所以，盲目用 AI 取代核心人力，風險是很大的。特別是像製造業這樣追求精準和品質的產業。
- 4:56是的。作為主管，你應該思考哪些職位的人力擁有難以被數位化的「經驗判斷」和「解決問題」的能力。這些人才不是 AI 能輕易取代的。
- 5:12也就是說，AI 應該是來「輔助」人類，而不是完全「取代」。讓 AI 處理重複性高的工作，而把人類的智慧用在更複雜的判斷和決策上。
- 5:28沒錯，而且要確保在推進自動化前，有把關鍵的機構知識和經驗充分轉移或記錄下來，否則後續要付出更高的成本來彌補。
- 5:42那對於我們這些一般的上班族來說，這個概念可以怎麼應用到自己的工作或生活中呢？
- 5:52這點其實很有趣。你可以思考，在你的工作中，有哪些是你獨特的「經驗判斷」和「解決問題」的能力，是機器或標準化流程無法輕易取代的？
- 6:08嗯，比如說，和客戶溝通的直覺判斷，或是遇到突發狀況時的應變能力，這些就不是 AI 可以輕易複製的。
- 6:20對，這些就是你的「核心價值」。你可以專注提升這些部分，讓自己更有價值。同時，也可以學習如何利用 AI 工具來提升效率。
- 6:36所以，重點不是害怕 AI 取代你，而是去找到自己的「不可取代性」，並且學會與 AI 協作，讓自己的工作更有效率。
- 6:50沒錯。福特的案例告訴我們，人類的經驗和判斷在某些關鍵領域是無可取代的。認清這一點，能幫助我們更好地應對 AI 時代的挑戰。