أعادت Ford مهندسين سبق فصلهم لإصلاح أعطال الأنظمة المؤتمتة
تصدرت Ford تصنيف الجودة الأولية من JD Power بين شركات السيارات الجماهيرية، وأقرت بأن ذلك جاء بثمن مرتفع. فقد تبين أن الأنظمة المؤتمتة في الإنتاج والتصميم غير…
معالج بواسطة الذكاء الاصطناعي من The Verge؛ بتحرير Hamidun News
احتلت فورد المرتبة الأولى بين مصنعي السيارات الشاملة في تصنيف جودة ابتدائي أميركي من قبل جي دي باور. استغلت الشركة هذه الفرصة للحديث بصراحة عن الصعوبات التي واجهتها في السنوات الأخيرة — وخاصة مشاكل الأتمتة في التصنيع والتصميم.
الروبوتات ارتكبت أخطاء — أعيد تعيين الأشخاص
لعدة سنوات، قامت فورد بتنفيذ الأنظمة الآلية بنشاط في تصنيع وتصميم السيارات. كانت المنطق واضحة: يجب أن توفر الروبوتات والخوارزميات البرمجية جودة أكثر استقراراً من العمل اليدوي وتقليل الاعتماد على العامل البشري. لم يعمل هذا النهج كما هو مخطط له.
اتضح أن الأنظمة الآلية أقل موثوقية مما هو متوقع. ارتكبت أخطاء في كل من خط الإنتاج وفي تصميم الأجزاء والتجميعات. علاوة على ذلك، برزت بعض هذه الأخطاء فقط عندما وصلت السيارات إلى المستهلكين وسببت مشاكل في الأشهر الأولى من التشغيل — وهذا هو بالضبط ما يسجله تصنيف جي دي باور.
لمعالجة الحالة، اضطرت فورد إلى تعيين متخصصين تقنيين ذوي خبرة. في بعض الحالات، لجأت الشركة إلى الموظفين السابقين — أولئك الذين كانت قد فصلتهم سابقاً تحديداً من أجل الأتمتة. أثبتت معرفتهم العملية، المتراكمة على مر سنوات العمل على خط التجميع، أنها لا غنى عنها حيث فشلت الخوارزميات: لم تتمكن الروبوتات من التكيف مع الحالات غير القياسية، لكن المهندسين ذوي الخبرة تمكنوا.
البيانات تقرر كل شيء
لم تتخلَّ فورد عن الذكاء الاصطناعي والأتمتة — لكنها تصرح بصراحة بوجود قيد منهجي: يتم تحديد فعالية هذه التقنيات بالكامل من خلال جودة البيانات التي تم تدريب النماذج عليها. تؤدي مجموعة البيانات الضعيفة أو غير الكاملة إلى نموذج ضعيف، حتى لو كانت التقنية نفسها متقدمة من الناحية التقنية. هذا يعني عدة استنتاجات عملية لأي شركة تصنيع:
- تضمن البيانات غير الكاملة أو المتقادمة الأخطاء حيث لم تر الخوارزمية حالات مماثلة
- تتعامل الروبوتات بشكل جيد مع العمليات المتكررة — لكنها تتكيف بشكل سيء مع الحالات غير القياسية
- كلما كانت عملية التصنيع أكثر تعقيداً، كلما كانت جودة مجموعة بيانات التدريب أكثر أهمية
- تتطلب الأتمتة تدقيقاً مستمراً — وليس إعداداً لمرة واحدة ثم نسيانها
- لا يمكن استبدال الخبرة الداخلية للمتخصصين بالكامل بالخوارزميات
صراحة فورد بشأن هذا الموضوع نادرة في الصناعة: لا تناقش الشركات المصنعة الكبرى عادة بشكل علني فشل الأتمتة.
المرتبة الأولى نتيجة إعادة التقييم
تنشر جي دي باور سنوياً تصنيف جودة ابتدائي — يحسب عدد المشاكل التي أبلغ عنها أصحاب السيارات الجديدة في أول 90 يوماً بعد الشراء. عدد أقل من المشاكل يعني تصنيفاً أعلى. المرتبة الأولى بين العلامات التجارية الشاملة لفورد إنجاز كبير على خلفية عدة سنوات كانت الشركة متخلفة عن المنافسين فيها. يبدو أن الرفض في المراهنة العمياء على الأتمتة والعودة إلى المتخصصين المؤهلين حققت نتائج ملموسة. ساعد أولئك المهندسون الذين أرسلتهم الشركة في يوم من الأيام من أجل الروبوتات، في النهاية، في استعادة ثقة المستهلك والمواقع في التصنيف.
ماذا يعني هذا
قصة فورد درس عملي لأي صناعة تراهن على الذكاء الاصطناعي والروبوتات في العمليات التشغيلية. اتجاه الأتمتة مفهوم وعادة ما يكون مبرراً — لكنه يعمل فقط في الظروف المناسبة: بيانات عالية الجودة ومُحدَّثة بانتظام، وتدقيق مستمر، وخبرة بشرية داخلية محفوظة. إذا غاب أي من هذه العناصر، تبدأ الروبوتات في ارتكاب الأخطاء — وتظل هناك حاجة للأشخاص لإصلاحها. أكدت النصر في تصنيف جي دي باور: هجين من الخبرة البشرية والتكنولوجيا لا يزال أكثر موثوقية من محاولة استبدال أحدهما بالآخر تماماً.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).