裝了 900 台 AI 相機，為什麼車子還是出問題？
Ford 這個案例，大概是 2025 年製造業最尷尬的 AI 翻車現場。
去年 10 月的財報會議上，營運長 Kumar Galhotra 還在炫耀：「我們在整個工業系統部署 AI。」具體做了什麼？工廠裝了 900 台 AI 相機，號稱能「在源頭檢測品質問題、減少供應鏈中斷」。
聽起來很厲害，對吧？結果現在傳出 品質問題大爆炸，被裁掉的工程師正一個個被請回來。
問題出在哪？AI 看不懂「感覺不太對」
Ford 車輛硬體工程副總 Charles Poon 直接點出致命傷：公司的自動化工具 「缺乏經驗工程師的訓練和專業」。
這什麼意思？舉個台灣工廠常見的場景：
- 老師傅走過去，聽一下機器聲音：「這個軸承要換了」
- AI 相機盯著看：「畫面正常，無異常」
- 三天後，軸承卡死，整條產線停擺
AI 很會看「已經發生的問題」，但完全不懂 「快要發生的問題」 長什麼樣子。那種「聲音悶悶的」「震動怪怪的」——需要十年經驗累積的直覺，相機學不會。
製造業導入 AI 的 3 個血淚教訓
一、AI 是放大器，不是替身
很多老闆以為買了 AI 就可以少請人。Ford 的慘劇證明：沒有懂的人坐在旁邊，AI 只是高級監視器。
正確做法：
- 保留資深工程師 → 負責判斷 AI 標記的「異常」是不是真的問題
- 讓 AI 做篩選 → 從 1000 個訊號中挑出 50 個可疑的，人類再細看
- 建立回饋迴路 → 工程師發現 AI 漏抓的問題，要回頭訓練模型
二、品質檢測不能只看「畫面」
Ford 的 900 台相機只會「看」。但汽車品質問題可能來自：
- 聲音異常（異音、頻率改變）
- 觸感變化（組裝時的阻力回饋）
- 氣味線索（過熱、材料劣化）
這些需要 多感測器融合 + 人類專家判讀，不是裝一堆攝影機就解決。
三、裁人省下的錢，會以 3 倍成本回來
根據業界數據，召回一位資深工程師的成本通常是裁員時補償金的 2-3 倍。更慘的是：
- 產品瑕疵導致的 品牌傷害
- 客戶退車、保修的 直接成本
- 工程師被競爭對手挖走的 人才流失
Ford 現在面對的，就是這三種成本一起爆炸。
台灣製造業該學什麼？
台灣有全世界最密集的電子製造供應鏈，從半導體到自行車都在談「智慧製造」。Ford 的案例給我們三個提醒：
| ❌ 錯誤做法 | ✅ 正確做法 |
|---|---|
| 用 AI 取代資深員工 | 用 AI 幫資深員工做更多事 |
| 一次導入全廠 AI | 先從單一產線試點，累積經驗 |
| 只看 AI 報告做決策 | AI 標記 + 人工確認雙軌進行 |
結論：AI 不會讓你少請人，會讓你請對人
Ford 的故事不是「AI 沒用」，而是 「AI 用錯方式」。當你把 AI 當成廉價勞工替代品，它就會用品質問題讓你付出代價。
真正的智慧製造，是讓 20 年經驗的老師傅 + AI 工具 一起工作。老師傅知道「什麼時候該相信 AI、什麼時候該相信自己的直覺」，這才是競爭力。
如果你公司正在評估導入 AI 檢測系統，記得先問：「我們有沒有留夠懂的人，來教 AI 什麼是『真的問題』？」
現在就打開你的導入計畫檢查一遍——Ford 已經幫你付過學費了。
