شرکت فورد که طی سالهای گذشته هزاران فرصت شغلی را با هوش مصنوعی جایگزین کرده است، حالا دست به دامان مهندسان اخراجی خود شده تا اشتباهات حاصل از بهکارگیری عجولانه سیستمهای AI را جبران کند.
شرکت فورد از اشتباهی استراتژیک در حوزه هوش مصنوعی پرده برداشت که کیفیت محصولاتش را تحت تأثیر جدی قرار داده و مدیران این غول خودروسازی را وادار کرده تا برای جبران خسارت، دست به دامان نیروهای متخصصی شوند که پیشتر از شرکت رفته بودند.
چارلز پون، معاون رئیس مهندسی سختافزار خودرو در فورد، در گفتگو با The Verge توضیح داد:
ما اشتباهاً تصور میکردیم که صرفاً با بهکارگیری هوش مصنوعی و تنظیم الزامات طراحی، میتوانیم به محصولی با کیفیت بالا دست یابیم.
اما واقعیت چیز دیگری بود. مشکل اصلی این نبود که هوش مصنوعی بهخودیخود شکست خورد، بلکه مهندسان باتجربه قبل از آنکه دانش تخصصیشان را به سیستمهای هوش مصنوعی منتقل کنند، شرکت را ترک کرده بودند. در نتیجه، فورد نهتنها فناوری هوش مصنوعی نیمهکارهای در دست داشت، بلکه کارمندان جدید نیز فاقد تجربه کافی برای پر کردن این خلأ بودند.
کوچکسازی یا تلهای که فورد برای خود گذاشت؟
#فورد طی سالهای اخیر بهتدریج نیروی کار خود را کاهش داده است؛ در مقایسه با سال ۲۰۲۰، این شرکت اکنون بیش از ۵۰۰۰ کارمند کمتر دارد. همزمان، جیم فارلی، مدیرعامل فورد، ادعا کرده بود که هوش مصنوعی «بهمعنای واقعی کلمه نیمی از تمام کارمندان در آمریکا را جایگزین خواهد کرد.
اما این رویکرد تهاجمی به جای صرفهجویی، به فورد آسیب زد. شرکت در نهایت مجبور شد ۳۵۰ مهندس باتجربه را از طریق استخدام مجدد، استخدام جدید یا ارتقای داخلی جذب کند تا آسیبهای ناشی از این سیاست را جبران نماید.
هزینههای سنگین یک اشتباه
#پیامدهای این تصمیم نادرست در آمار بهخوبی نمایان است. فورد در سال جاری بیشتر از هر خودروساز دیگری در آمریکا محصولات خود را فراخوان داده است و در رتبهبندیهای قابلیت اطمینان نیز افت محسوسی داشته است. هزینه واقعی این ماجرا را نه میتوان صرفاً در دستمزد ۳۵۰ مهندس خلاصه کرد، بلکه باید در آسیب اعتباری گستردهای جست که فورد در این مدت متحمل شده است.
فورد همچنان به هوش مصنوعی اعتقاد دارد
#با وجود تمام این شکستها، مدیران فورد پشیمان نیستند. این شرکت میگوید که بیش از ۱۰۰ هزار آزمایش جدید مبتنی بر هوش مصنوعی را برای شناسایی موارد استثنا و تقویت سیستمهای نرمافزاری به مجموعه خود افزوده است. فورد تلاش میکند با بهرهگیری از تجربه مهندسان، دادههای لازم برای آموزش سیستمهای هوش مصنوعی را فراهم کند و احتمالاً بعد از اتمام کار، دوباره دست به کاهش نیروی کار مهندسی خود خواهد کرد!
ماجرای فورد نمونهای گویا از خطری است که بسیاری از شرکتهای بزرگ با آن دستوپنجه نرم میکنند: اتکای عجولانه به هوش مصنوعی بدون آنکه زیرساخت دانشی و انسانی لازم فراهم شده باشد. ماشین هر قدر هم هوشمند باشد، حداقل فعلاً، بدون دانش انسانی که در آن دمیده شده باشد، کارساز نیست.
