Ford recupera a ingenieros veteranos tras los fallos de sus cámaras de IA en las fábricas

El fabricante estadounidense Ford ha reincorporado a ingenieros veteranos con mucha experiencia, a los que en la compañía llaman en broma «greybeards» («barbas grises»). La decisión llega después de que cientos de cámaras de IA encargadas de verificar el diseño y la calidad en producción empezaran a fallar con regularidad. Así lo informó el diario británico Guardian el 30 de junio de 2026.

Qué falló en las cámaras de IA

Ford desplegó de forma masiva sistemas de visión por computadora en sus líneas de producción: cientos de cámaras debían comparar automáticamente las piezas con los planos y detectar defectos de montaje sin intervención humana. Este tipo de automatización del control de calidad está extendida desde hace tiempo en la industria del automóvil: las cámaras buscan arañazos en la carrocería, holguras entre paneles y desviaciones respecto a la geometría de referencia. Sin embargo, según el Guardian, en Ford el sistema resultó mucho menos fiable de lo previsto y la compañía se enfrentó a fallos sistemáticos en las inspecciones.

• Ford utilizaba cientos de cámaras de IA para controlar el diseño y la producción
• Las inspecciones automáticas fallaban con regularidad
• La compañía empezó a reincorporar a ingenieros veteranos
• El Guardian lo informó el 30 de junio de 2026
• El apodo «greybeards» alude a la barba canosa, no a un cargo formal

Quiénes son los «greybeards»

En Ford llaman en broma «greybeards» a los ingenieros veteranos de más edad: el apodo alude a la barba canosa, no a un cargo oficial. La empresa los está recolocando precisamente donde los algoritmos peor gestionan los casos atípicos: un ángulo poco habitual de la pieza, reflejos sobre el metal o tipos de defecto poco frecuentes que no figuraban en los datos de entrenamiento de las cámaras. Por ahora, los años de experiencia en la cadena de montaje siguen siendo un seguro allí donde la automatización falla en silencio, es decir, cuando simplemente deja pasar un defecto en lugar de señalarlo.

Estos sistemas de visión por computadora se entrenan con miles de ejemplos etiquetados de defectos y de piezas correctas, pero una cadena de montaje real genera una variedad infinita de pequeñas variaciones, desde el lote de metal hasta la iluminación de la nave a distintas horas del día. Cuando el algoritmo se encuentra con una situación que no estaba en el conjunto de entrenamiento, puede dejar pasar un defecto real o, al contrario, rechazar una pieza en buen estado. Ambos escenarios salen caros a la línea de producción si no hay nadie que los vuelva a comprobar.

Por eso los sistemas de IA detectan bien las desviaciones típicas y repetitivas, pero se desenvuelven mal con los casos raros y atípicos, que son precisamente los que definen la reputación de una marca por la calidad de su montaje.

Qué significa esto

El caso de Ford muestra el límite práctico de la automatización industrial actual: la IA escala bien la inspección rutinaria, pero no sustituye por completo la experiencia humana allí donde el coste de un error es alto. Sin una persona capaz de detectar un fallo y explicar por qué una pieza concreta no es como las demás, los errores se acumulan en la cadena hasta que afloran en el concesionario o en las quejas de los propietarios. Por eso incluso los grandes fabricantes de automóviles más avanzados vuelven a un modelo híbrido de «algoritmo más ojo experto».