Ford 的 AI 實驗：一場燒掉數十億的教訓
2024 年對 Ford 來說不太好過。這家百年車廠因為車輛品質問題，在保固賠償和召回上花了數十億台幣——根據 Bloomberg 報導，這直接導致獲利大幅低於預期。更慘的是，汽車研究公司 iSeeCars 的調查顯示，Ford 近年車款竟是業界召回率最高的品牌之一。
問題的根源？Ford 承認自己**「跑太快」**了。急著用 AI 和自動化系統取代資深工程師，結果品質管控全面崩盤。
老師傅回來了，但任務變了
上週 Ford 公布了一個反差極大的消息：時隔 16 年，他們首次在 JD Power 新車品質調查中拿下主流品牌第一名——去年才剛從第 10 名往上爬。
怎麼做到的？答案是把當初裁掉的資深工程師請回來。
但這些「老師傅」現在的工作內容很諷刺：
- 修 AI 搞砸的系統——自動化導入後遺留下來的漏洞
- 教 AI 什麼叫「對的」——把幾十年的經驗轉化成訓練資料
- 補捉 AI 抓不到的邊界案例（edge cases）——那些「正常測試沒問題，實際上路就出包」的狀況
你可以想成：AI 像個剛考上駕照的新手，而資深工程師是坐在副駕的教練，隨時準備踩煞車。
不只是「人贏過機器」這麼簡單
這個故事很容易被解讀成「人類工程師擊敗 AI」的勵志劇本——就像民間傳說裡用鐵鎚打贈蒸氣鑽的 John Henry。但別忘了那個故事的結局：John Henry 最後還是被蒸氣引擎取代了。
Ford 的狀況也一樣。這些老工程師被請回來，不是為了「恢復傳統作業方式」，而是為了讓自動化系統變得更好。
具體來說，Ford 做了這些調整：
| 措施 | 規模 |
|---|---|
| 專屬軟體品質保證團隊 | 40 人 |
| 新增 AI 驅動自動化測試 | 超過 10 萬個 |
| 資深工程師回任 | 未公開人數，但強調「關鍵貢獻」 |
這 10 萬個自動化測試要抓的，就是那些「AI 以為沒問題，實際會出包」的邊界狀況。而誰知道邊界在哪？當然是碰過無數次問題的老手。
給台灣公司的三個啟示
1. AI 可以幫你「快」，但不能幫你「對」
Ford 的教訓很明確：自動化測試跑得再快，如果測的是錯的東西，只是加速出包。就像學測補習班用 AI 改考卷，它能秒算分數，但能看出「這題錯是因為三角函數概念混淆、還是單紦計算粗心」的，還是那個教了 20 年的老師。
2. 資深員工的價值不是「被取代」，是「教 AI 做事」
很多公司導入 AI 時，第一個想砍的就是「貴又難管」的資深員工。但 Ford 的案例顯示，這些人的經驗恰恰是讓 AI 變好用的關鍵原料。沒有人把「為什麼這樣設計會出問題」教給 AI，它就永遠在重複同樣的錯誤。
3. 省下的薪水，可能變成召回賠償
Ford 省了多少人事成本不得而知，但公開的數字是：品質問題導致的保固和召回費用，是以數十億台幣計算。這還沒算品牌信譽的損失——畢竟誰想買一台「召回率最高」的車？
對台灣中小企業來說，這個風險可能更致命。Ford 至少還有本錢召回、道歉、重建，小公司一個重大客訴就可能直接收掉。
現在該做什麼？
如果你正在評估導入 AI 或自動化系統，可以從 Ford 的經驗學到：
✓ 先問「誰來教 AI」 別假設 AI 上線就會用。規劃時就要想清楚：誰有足夠經驗判斷 AI 的輸出對不對？這個人現在在哪？還在公司嗎？
✓ 保留「人類煞車」機制 自動化流程裡要設檢查點，讓資深員工能在關鍵環節介入。不是不信任 AI，是承認 AI 還在學。
✓ 把「訓練 AI」算進成本 導入 AI 的預算不要只算軟體授權費，要包含「讓資深員工花時間教 AI」的人力成本。這筆錢現在不花，以後可能變成召回賠償。
Ford 的故事還沒結束。這些被請回來的工程師，最終目標還是讓自己再次「被自動化取代」——只不過這次，是建立在一個真的有用的系統上。
對台灣企業來說，與其學 Ford 花幾十億買教訓，不如現在就打開你的 AI 導入計畫，問一句：「我們的老師傅，現在在哪？」
試試看吧。
