Ford تعيد تجنيد المهندسين القدامى بعد أعطال كاميرات الذكاء الاصطناعي على أرضية المصنع

أعادت شركة فورد الأمريكية للسيارات توظيف مهندسين قدامى ذوي خبرة — يُطلق عليهم بسخرية "اللحى الرمادية" في الشركة — بعد أن بدأت مئات كاميرات الذكاء الاصطناعي المسؤولة عن فحص التصميم والجودة على خطوط الإنتاج بالتعطل بشكل منتظم. تم الإبلاغ عن هذا في 30 يونيو 2026 من قبل صحيفة الجارديان البريطانية.

ما الذي ذهب إلى الخطأ مع كاميرات الذكاء الاصطناعي

قامت فورد بنشر أنظمة الرؤية الحاسوبية على نطاق واسع على خطوط الإنتاج: كان يفترض بمئات الكاميرات أن تقارن تلقائياً الأجزاء بالرسومات وتجد عيوب التجميع دون تدخل بشري. كانت هذه الأتمتة لمراقبة الجودة منتشرة على نطاق واسع في صناعة السيارات منذ فترة طويلة — تبحث الكاميرات عن الخدوش على الهيكل وفجوات بين الألواح والانحرافات عن الهندسة المرجعية. لكن وفقاً لـ Guardian، تبين أن نظام فورد أقل موثوقية بكثير مما هو متوقع، وواجهت الشركة حالات فشل فحص منهجية.

• استخدمت فورد مئات كاميرات الذكاء الاصطناعي للتحكم في التصميم والإنتاج
• كانت الفحوصات الآلية تفشل بشكل منتظم
• بدأت الشركة بإعادة توظيف مهندسين قدامى
• أبلغت Guardian عن هذا في 30 يونيو 2026
• يشير مصطلح "اللحى الرمادية" إلى اللحى الرمادية وليس منصباً رسمياً

من هم "اللحى الرمادية"

"اللحى الرمادية" هو مصطلح فكاهي في فورد للمهندسين الكبار ذوي الخبرة — يشير إلى اللحى الرمادية وليس عنواناً رسمياً. يتم استدعاؤهم بالضبط حيث تؤدي الخوارزميات بشكل أسوأ مع الحالات غير القياسية: زوايا الأجزاء غير المعتادة أو البريق على المعدن أو أنواع نادرة من العيوب غير الموجودة في بيانات تدريب الكاميرات. سنوات طويلة من تجربة خط التجميع تبقى بمثابة تأمين ضد الحالات حيث تفشل الأتمتة بصمت — أي أنها ببساطة تفتقد عيباً بدلاً من الإشارة إليه.

يتم تدريب أنظمة الرؤية الحاسوبية على آلاف الأمثلة المسماة من العيوب والأجزاء الطبيعية، لكن خط الإنتاج الفعلي ينتج تنويعات لا حصر لها في التفاصيل الصغيرة — من دفعات المعادن إلى الإضاءة في الورشة في أوقات مختلفة من اليوم. عندما تواجه خوارزمية حالة غير موجودة في مجموعة التدريب الخاصة بها، يمكنها إما أن تفتقد العيوب الحقيقية أو، على العكس من ذلك، أن ترفض الأجزاء الجيدة — كلا السيناريوهين مكلفان لخط التجميع إذا لم تكن هناك إعادة فحص. هذا بالضبط السبب في أن أنظمة الذكاء الاصطناعي متفوقة في اكتشاف الانحرافات النمطية والمتكررة بشكل متكرر، لكنها تكافح مع الحالات النادرة وغير القياسية التي تحدد فعلاً سمعة العلامة التجارية للجودة.

ماذا يعني هذا

تُظهر حالة فورد الحدود العملية للأتمتة الحالية للإنتاج: الذكاء الاصطناعي يتفوق في تدرج الفحوصات الروتينية، لكنه لا يحل محل الخبرة البشرية بالكامل حيث تكون تكلفة الخطأ عالية. بدون شخص قادر على ملاحظة فشل النظام وشرح السبب في اختلاف جزء معين عن البقية، تتراكم الأخطاء ببساطة على خط التجميع حتى تظهر في الوكيل أو في شكاوى المالكين — وهذا هو السبب في أن حتى الشركات المصنعة الرائدة للسيارات تعود إلى نموذج هجين من "الخوارزمية بالإضافة إلى العين الخبيرة".