Ford recupera a sus ingenieros «veteranos»: la IA no pudo sustituir a las personas con experiencia

Ford ha reconocido un error: la compañía creyó que implantar IA bastaría por sí solo para garantizar una alta calidad de producto, y se equivocó. Ahora el fabricante recupera a los ingenieros veteranos, los «gray beards», a los que había despedido como parte de la optimización de su producción.

La apuesta por la IA no funcionó

Durante varios años, Ford recortó de forma activa a empleados con experiencia y apostó por la automatización y la inteligencia artificial. La lógica parecía razonable: la IA asumiría tareas de ingeniería complejas, los costes bajarían y el desarrollo sería más rápido.

El resultado fue el contrario. La calidad del producto cayó justo allí donde los ingenieros con experiencia mantenían, sin hacer ruido, los procesos productivos bajo control. La compañía admitió públicamente su error:

«Pensamos erróneamente que la simple implantación de la inteligencia

artificial... garantizaría un producto de alta calidad».

Una confesión tan franca es rara en un gran fabricante de automóviles. Ford se ha convertido en una de las pocas empresas que hablan abiertamente del fracaso de la estrategia «primero la automatización, después las personas».

La IA es eficaz cuando la tarea está bien definida y respaldada por datos de calidad. Pero en la fabricación de automóviles, buena parte del conocimiento valioso es tácito: experiencia, intuición, memoria de errores pasados. Ese es justo el conocimiento que Ford perdió junto con los veteranos despedidos.

Quiénes son los «gray beards»

«Gray beards» (literalmente, «barbas grises») es la denominación informal en Estados Unidos para los ingenieros con muchos años de experiencia en producción. Son especialistas que recuerdan por qué se tomó una decisión técnica hace diez años, saben interpretar señales indirectas de problemas inminentes y saben a quién acudir en una situación fuera de lo común.

Esta pericia se deja formalizar mal. Existe en forma de intuición acumulada durante años en una planta concreta, y eso es lo que la IA no logró reproducir. Un algoritmo puede procesar millones de datos, pero no sabe lo que no sabe. Un ingeniero con experiencia sí lo sabe y avisa.

El valor de estos especialistas se manifiesta en varios planos a la vez:

• Conocimiento de la historia: por qué se hizo así y no de otra manera
• Capacidad de predecir fallos a partir de indicios indirectos
• Vínculos informales dentro de la cadena de producción
• Habilidad para manejar excepciones en las que el algoritmo se pierde
• Memoria institucional de errores pasados y de lo que costaron

Cuando las empresas despidieron en masa a estos empleados en su afán por automatizar, perdieron algo más que mano de obra. Perdieron un conocimiento que no se puede cargar en un modelo, porque quienes lo poseen no son capaces de formularlo por completo.

Por qué importa a toda la industria

La historia de Ford no es una excepción. Se aprecia un ciclo parecido en la industria aeronáutica, la farmacéutica y la energética: optimización de plantilla → automatización → caída de la calidad → regreso forzoso a las personas. Donde el producto es complejo y el coste del error es alto, este patrón se repite.

El problema no es la IA en sí. El problema es que la tecnología se implantó como sustituto de la experiencia y no como su amplificador. La IA funciona bien cuando la tarea está claramente definida, los datos son completos y los patrones se repiten. En la fabricación de productos complejos, buena parte del conocimiento valioso sigue siendo tácito, y aquí no se puede prescindir de las personas.

Es significativo que haya sido Ford, y no una empresa tecnológica, quien haya hecho este reconocimiento. La automoción es una industria donde la experiencia se mide en décadas y un solo error puede costar miles de retiradas de vehículos del mercado.

Qué significa

Ford ha reconocido abiertamente que la IA no sustituye la experiencia humana, sino que la complementa. Esta lección es importante para todo el mercado. Antes de recortar a especialistas con experiencia en favor de la automatización, conviene responder con honestidad a una pregunta: ¿qué hacen exactamente que no se pueda describir como una tarea para un algoritmo?