Ford recontrata a ingenieros despedidos para corregir los fallos de sus sistemas automatizados

Ford ocupó el primer puesto entre los fabricantes generalistas en el ranking estadounidense de calidad inicial de JD Power. La compañía aprovechó la ocasión para hablar abiertamente de las dificultades de los últimos años, sobre todo de los problemas con la automatización de la producción y el diseño.

Los robots fallaban, así que volvieron las personas

Durante varios años, Ford implantó con intensidad sistemas automatizados en la fabricación y el diseño de vehículos. La apuesta era clara: robots y algoritmos de software debían garantizar una calidad más estable que el trabajo manual y reducir la dependencia del factor humano.

La lógica no funcionó como se esperaba. Los sistemas automatizados resultaron menos fiables de lo previsto. Cometían errores tanto en la línea de producción como en el diseño de piezas y componentes. Además, algunos de esos errores solo aparecían cuando los coches ya habían llegado a los compradores y empezaban a dar problemas en los primeros meses de uso, justo lo que mide el ranking de JD Power.

Para corregir la situación, Ford tuvo que contratar a especialistas técnicos con experiencia. En varios casos recurrió a antiguos empleados, precisamente aquellos a los que había despedido para dar paso a la automatización. Sus conocimientos prácticos, acumulados durante años en la cadena de montaje, resultaron insustituibles allí donde el algoritmo fallaba: los robots no sabían adaptarse a situaciones atípicas, y un ingeniero con experiencia sí.

Los datos lo deciden todo

Ford no renuncia a la IA ni a la automatización, pero habla abiertamente de una limitación sistémica: la eficacia de estas tecnologías depende por completo de la calidad de los datos con los que se entrenan los modelos. Un conjunto de datos débil o incompleto da un modelo débil, aunque la tecnología sea técnicamente avanzada.

De ello se desprenden varias conclusiones prácticas para cualquier empresa industrial:

• Los datos incompletos u obsoletos garantizan defectos allí donde el algoritmo no ha visto casos similares
• Los robots se desenvuelven bien en operaciones repetitivas, pero se adaptan mal a situaciones atípicas
• Cuanto más compleja es la operación de producción, más crítica es la calidad del conjunto de datos de entrenamiento
• La automatización exige una auditoría constante, no un ajuste puntual y olvidarse
• La experiencia interna de los especialistas no puede sustituirse por completo con algoritmos

La transparencia de Ford en este asunto es poco habitual en el sector: los grandes fabricantes suelen no hablar en público de los fracasos de la automatización.

El primer puesto, fruto de un replanteamiento

JD Power publica cada año su ranking de calidad inicial, que recoge el número de problemas que los propietarios de coches nuevos notifican en los primeros 90 días tras la compra. Cuantos menos problemas, mejor posición.

Para Ford, el primer puesto entre las marcas generalistas es un logro importante tras varios años en los que la compañía quedó por detrás de sus competidores. Todo apunta a que renunciar a una apuesta ciega por la automatización y volver a contar con especialistas cualificados dio un resultado tangible. Los mismos ingenieros a los que la empresa recortó en su día por los robots acabaron ayudándola a recuperar la confianza de los compradores y su posición en el ranking.

Qué significa

La historia de Ford es una lección práctica para cualquier sector que apueste por la IA y la robótica en sus procesos operativos. La tendencia hacia la automatización es clara y en general está justificada, pero solo funciona en las condiciones adecuadas: datos de calidad y actualizados con regularidad, auditoría constante y experiencia humana conservada dentro de la empresa. Si falta alguno de estos elementos, los robots empiezan a fallar, y quienes acuden a corregirlos siguen siendo las personas.

La victoria en el ranking de JD Power confirmó que, por ahora, un híbrido de experiencia humana y tecnología es más fiable que intentar sustituir una por la otra por completo.