Immaginate di avere un master in ingegneria, trent’anni di esperienza sulle linee di montaggio e la capacità quasi soprannaturale di sentire un difetto di fabbricazione solo guardando l’angolazione di una vite. Ora immaginate che un manager, seduto in un ufficio climatizzato mentre legge un pitch deck scintillante, decida che tutto questo talento può essere rimpia un modello di machine learning con un budget decisamente più contenuto.
Sembra la trama di un episodio di Black Mirror, ma è la realtà che sta colpendo Ford. La notizia è arrivata dritta dai circuiti della stampa internazionale: il colosso americano sta riassumendo 350 ingegneri e ispettori della qualità che erano stati messi da parte. Il motivo? Il grande piano di automazione basato sull’intelligenza artificiale è andato a sbattere contro la realtà dei fatti. L’IA, nonostante tutta la sua potenza di calcolo, non è riuscita a preservare il know-how critico dei veterani né, tantomeno, a formare i nuovi arrivati.
Il problema qui non è la tecnologia in sé — che tra l’altro è una figata se usata per ottimizzare la logistica o prevedere guasti ai motori — ma l’approccio ‘disruptive’ a tutti i costi. C’è questa strana mania di pensare che l’automazione possa sostituire completamente il giudizio umano e il trasferimento di competenze. È il classico errore da startup che crede di aver risolto la fisica con un layer di astrazione in più. Se elimini i senior perché ‘costano troppo’ e pensi che un modello predittivo possa istruire i junior in autonomia, finisci per creare un vuoto di competenze che nemmeno il modello GPT più avanzato può colmare.
Per noi che mastichiamo hardware e software, la cosa è familiare. Vediamo spesso tentativi di ‘democratizzare’ processi complessi tagliando fuori l’expertise tecnica, sperando che una UI carina e un algoritmo di inferenza facciano il lavoro sporco. Ma la realtà è che l’esperienza è fatta di casi limite, di eccezioni che non sono scritte nei dataset di training, di quel ‘senso’ che si sviluppa solo dopo mille ore passate in officina.
Certo, per noi che viviamo in Italia, una mossa del genere in una multinazionale americana non cambia la vita quotidiana tra un caffè e un debugging, ma il messaggio è universale e decisamente critico. Non si può fare il refactoring della forza lavoro eliminando i nodi fondamentali del sistema sperando che il resto della rete regga da solo. Ford ha capito (finalmente) che l’intelligenza artificiale è un fantastico assistente, ma un pessimo sostituto del cervello umano quando la posta in gioco è la sicurezza di un’auto in movimento.
In breve: meno hype da comunicato stampa e più rispetto per chi sa davvero come funzionano le cose. Torneremo sempre alle basi, con gli umani che supervisionano le macchine, finché qualcuno non inventerà un modello capace di capire il ‘feeling’ di un bullone allentato.
Source: Ford rehires 350 engineers after AI fails to preserve expertise or train juniors