«Scusate, abbiamo scherzato, non è che potreste tornare in azienda?». Così anche la leggendaria Ford, azienda pioniera dell’automazione, per la legge non scritta del contrappasso, ha dovuto fare marcia indietro e richiamare centinaia di ingegneri che aveva messo alla porta dopo aver scoperto che gli strumenti dell’Intelligenza artificiale, da soli, non erano sufficienti a garantire i livelli di qualità attesi. L’obiettivo dell’epurazione di personale iper-specializzato era usare l’IA per individuare difetti, migliorare la qualità dei veicoli e i ridurre costi. Target fallito, evidentemente.
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. In realtà non si tratta di un abbandono dell’intelligenza artificiale, ma di una presa di coscienza: l’apporto dell’IA resta fondamentale, però deve essere guidato da chi conosce davvero i prodotti, i processi e i punti deboli delle auto.
A spiegare il cambio di passo è stato Charles Poon, vicepresidente Ford per l’ingegneria hardware dei veicoli. La sua frase è stata rivelatrice: «L’intelligenza artificiale è uno strumento fantastico, ma vale quanto le informazioni che usi per addestrarla». 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. L’IA aveva i dati, ma non sufficiente memoria industriale.
Secondo alcuni osservatori il caso Ford mostra un limite molto concreto dell’automazione. In fabbrica e nella progettazione automobilistica non tutto è codificato in procedure e schemi, 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 un “affare” da essere umani. Si tratta del cosiddetto sapere tacito: quello che un ingegnere o un tecnico acquisisce dopo anni di cicli prodotto, richiami, errori, correzioni e prove. Ford, secondo la rivista The Verge, ha ammesso di aver sottovalutato proprio questo patrimonio.
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 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. 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.
Ma il ripensamento non ha pervaso solo al Ford. In precedenza, ha fatto scuola il caso della fintech svedese Klarna: dopo aver sostituito centinaia di operatori con chatbot basati su OpenAI, la società si è ricreduta tornando ad assumere personale umano per l’assistenza clienti. E questo perché l’IA non garantiva qualità, empatia e fiducia. Secondo i piani originari, il Ceo di Klarna, Sebastian Siemiatkowski, aveva bloccato le assunzioni per puntare tutto sull’automazione, assicurando che l’IA fosse in grado di svolgere il lavoro di 700 dipendenti. Ma ben presto la conclusione è stata che i risultati sono stati inferiori alle aspettative, sia in termini di empatia sia per capacità di risolvere i problemi più complessi, portando l’azienda a ridurre i tagli occupazionali e a riassumere personale umano. L’altro caso emblematico è quello di McDonald’s che ha sospeso a metà 2024 la sperimentazione del sistema di intelligenza artificiale per gli ordini vocali nei suoi McDrive sviluppato da Ibm. La decisione è arrivata in seguito agli innumerevoli errori del sistema, che confondeva le richieste aggiungendo o scambiando ingredienti nei sacchetti dei clienti. Per ora l’IA può attendere
