Ford возвращает опытных инженеров-ветеранов после сбоев ИИ-камер на заводах

Американский автопроизводитель Ford вернул в штат опытных инженеров-ветеранов — их в компании в шутку называют «гребердами» (greybeards, «седобородыми») — после того, как сотни ИИ-камер, отвечавших за проверку дизайна и качества на производстве, начали регулярно давать сбои. Об этом 30 июня 2026 года сообщила британская газета Guardian.

Что пошло не так с ИИ-камерами

Ford массово внедрил системы компьютерного зрения на производственных линиях: сотни камер должны были автоматически сверять детали с чертежами и находить дефекты сборки без участия человека. Такая автоматизация контроля качества давно распространена в автопроме — камеры ищут царапины на кузове, зазоры между панелями и отклонения от эталонной геометрии. Но, по данным Guardian, у Ford эта система оказалась куда менее надёжной, чем ожидалось, и компания столкнулась с систематическими сбоями проверки.

• Ford использовал сотни ИИ-камер для контроля дизайна и производства
• Автоматические проверки регулярно давали сбои
• Компания начала возвращать в штат инженеров-ветеранов
• Guardian сообщил об этом 30 июня 2026 года
• Прозвище «греберды» отсылает к седой бороде, а не к формальной должности

Кто такие «греберды»

«Гребердами» в Ford в шутку называют опытных инженеров старшего возраста — прозвище отсылает к седой бороде, а не к официальной должности. Их возвращают именно туда, где алгоритмы хуже всего справляются с нестандартными случаями: непривычным ракурсом детали, бликами на металле или редкими типами брака, которых не было в обучающих данных камер. Многолетний опыт сборки конвейера пока остаётся страховкой там, где автоматика ошибается молча — то есть просто пропускает дефект, вместо того чтобы просигнализировать о нём.

Подобные системы компьютерного зрения обучаются на тысячах размеченных примеров дефектов и штатных деталей, но реальный конвейер производит бесконечное разнообразие мелких вариаций — от партии металла до освещения в цехе в разное время суток. Когда алгоритм сталкивается с ситуацией, которой не было в обучающей выборке, он может либо пропустить реальный брак, либо, наоборот, забраковать исправную деталь, — и оба сценария дорого обходятся конвейеру, если их некому перепроверить. Именно поэтому ИИ-системы хорошо ловят типовые, часто повторяющиеся отклонения, но плохо справляются с редкими и нестандартными случаями, которые как раз и определяют репутацию бренда за качество сборки.

Что это значит

Кейс Ford показывает практический предел текущей автоматизации на производстве: ИИ хорошо масштабирует рутинную проверку, но не заменяет полностью человеческую экспертизу там, где цена ошибки высока. Без человека, способного заметить сбой и объяснить, почему конкретная деталь не такая, как остальные, ошибки просто накапливаются на конвейере, пока не всплывут уже у дилера или в жалобах владельцев, — поэтому даже передовые автоконцерны возвращаются к гибридной модели «алгоритм плюс опытный глаз».