Ford vuelve a contratar inspectores “gray beard” tras tropiezos de la IA en control de calidad

• Ford Motor Co. volvió a incorporar a ingenieros veteranos, conocidos como “gray beard”, para reducir sus persistentes problemas de calidad, capacit ar a empleados jóvenes y complementar herramientas de IA
• En los últimos 3 años ha contratado a 350 ingenieros veteranos; muchos son exempleados de Ford y algunos provienen de proveedores
• Con solo las herramientas de IA, que no rindieron como se esperaba, fue difícil responder a los problemas de calidad, que le han costado a la empresa miles de millones de dólares
• El personal recontratado se encarga de transmitir criterio de campo y, al mismo tiempo, reajustar las herramientas de IA usadas en la respuesta a problemas de calidad
• Ford ocupó el primer lugar entre las marcas generalistas en la más reciente JD Power Initial Quality Survey, publicada el jueves

---

Respuesta de calidad reforzada con personal veterano

• Ford Motor Co. está enfrentando sus duraderos problemas de calidad no solo con automatización, sino también reincorporando personal con mucha experiencia
• Los ingenieros a los que la empresa llama “gray beard” ayudan a mejorar el criterio de los empleados jóvenes y reprograman herramientas de IA que no lograron los resultados esperados

350 recontrataciones en 3 años

• Ford contrató a 350 ingenieros veteranos durante los últimos 3 años
• Entre el personal contratado hay muchos exempleados de Ford, así como ingenieros provenientes de proveedores
• Fueron incorporados para abordar problemas de calidad que parecían difíciles de resolver

Límites de las herramientas de IA y costo financiero

• Las herramientas de IA de Ford utilizadas para resolver problemas de calidad no cumplieron plenamente el papel que se esperaba
• Los problemas de calidad le han generado a Ford costos por miles de millones de dólares
• La empresa busca complementar tanto las herramientas de IA como las capacidades del personal joven aprovechando la experiencia de ingenieros veteranos

Resultado de la encuesta de JD Power

• Ford obtuvo el primer lugar entre las marcas generalistas en la más reciente JD Power Initial Quality Survey, publicada el jueves
• Este resultado también se presenta como un efecto posterior a la recontratación de ingenieros veteranos y a la respuesta frente a los problemas de calidad

[GN⁺]

Comentarios en Hacker News

• Para quienes vivimos la fiebre del offshoring de mediados de los 2000, esta tendencia va casi por el mismo camino
  Los CEO/CFO de las grandes empresas se la pasan presumiendo con sus amigos del golf “cuánto ahorraron con personal del extranjero”, y en la fase 1 despiden a montones de personas y mandan el trabajo afuera, inflando los indicadores financieros durante 5 o 6 trimestres
  Al llegar a la fase 2, el personal y la organización empiezan a deteriorarse, y queda claro que las barreras culturales y de comunicación todavía son difíciles de superar de forma eficiente. Muy pocos lo hacen bien; para la mayoría no funciona
  Cerca de la fase 3, la gente con capacidad de conseguir otro trabajo ya se fue, y la empresa queda como una cáscara quemada que termina extinguiéndose de forma natural en la fase 5
  • La clave son las ganancias de corto plazo. Socios de firmas como Accenture e Infosys rodean a ejecutivos de empresas industriales tradicionales, y aunque a la compañía le vaya mal, por un tiempo eso se puede tapar con trucos contables
    Pero cuando un trimestre sale realmente mal, se tambalea todo el año fiscal, empieza el pase de culpas y aparecen frases como “apretarse el cinturón” o “convertir costos fijos en variables”
    En ese momento, la propuesta de Big Consulting, que permite registrar ahorros de inmediato en este mismo ejercicio fiscal, se vuelve muy atractiva
    Las grietas se notan rápido: falta gestión de programas/proyectos, se siente una baja en la calidad del servicio pero no hay métricas, cuando se va el primer equipo hay que volver a capacitar al personal tercerizado, y ni siquiera pueden estimar el tamaño de los proyectos nuevos
    Dentro de la unidad de negocio aparecen departamentos de TI en la sombra, y al proveedor de outsourcing no le interesa consolidar vendors ni presionar a otros vendors
    Si el objetivo es mejorar estratégicamente un departamento de TI crónicamente ineficiente, puede tener algo de valor, pero si se hace de apuro para tapar el mal desempeño del negocio principal, casi nunca sirve
  • Lo chistoso es que, aunque todos coinciden en que ese liderazgo está roto, cuando llegan a posiciones con poder y capacidad de decisión parecidas, la mayoría termina haciendo exactamente lo mismo
  • Eso sigue pasando incluso ahora, solo que intentan dejar a unos cuantos técnicos internos. El problema es que el personal interno, en teoría, no puede hacer los cambios directamente y solo puede “ayudar”, así que hay poco incentivo para quedarse
  • La solución, por supuesto, es usar IA para saltarse la barrera cultural. Como además traduce, el personal del extranjero ni siquiera necesita hablar el idioma de la empresa, y así se pueden recortar todavía más los costos /s
• Incluso dejando de lado que despedir empleados para reemplazarlos con IA ya es una idea miope, Ford despidió a los empleados equivocados
  Los LLM funcionan mejor en manos de ingenieros senior con experiencia, capaces de trabajar en un alto nivel de abstracción porque ya entienden los componentes de abajo
  En cierto sentido, usar agentes LLM se parece a darle instrucciones a un junior muy inteligente y rápido, pero con puntos ciegos y poco conocimiento organizacional
  Quien sabe hacer eso bien es un senior; si despediste a los senior, entonces sacaste justamente a la gente que mejor podía aprovechar los LLM
  • Eso es lo más básico. Para crear prompts de trabajo de arquitectura complejos, al menos tienes que conocer la solución a nivel de abstracción
    Si no tienes el diseño correcto del sistema en la cabeza, ningún LLM va a inventarlo de la nada
  • ¿Quién dijo que Ford despidió empleados? El artículo no dice eso
• Como los modelos no cumplieron con el hype, esta tendencia en general va a ser un desarrollo bastante estándar
  Los LLM y los agentes ayudan mucho a resolver problemas difíciles, pero todavía no estamos en el punto en que podamos hacer solo diseño y arquitectura y delegarles todo lo demás
  Nos hemos acercado, y quizá en algunos casos de uso específicos ya sea posible, pero para tareas de bajo nivel o migraciones masivas en grandes empresas todavía no alcanzan
  Tenemos agentes y hasta agentes de agentes, pero igual sigue pasando que les asignas bloques grandes del proyecto y devuelven código basura que hay que tirarles a los perros. Hablo de GLM-5.2
  • Aquí ayuda el desarrollo guiado por documentación. El 75% de mi flujo de trabajo consiste en generar documentación en niveles de abstracción cada vez más bajos hasta que termina convirtiéndose en código
    Después de pasar las pruebas, por lo general el código queda óptimo, limpio, sin bugs y extremadamente bien documentado
    Aun así, hace falta intervención humana constante y repetitiva
• https://archive.is/DI4Cq
  The Verge también lo está cubriendo:
  https://www.theverge.com/transportation/956316/ford-quality-...
  • Todos los medios deberían cubrir esto mucho más
• La razón por la que la IA falla en el entorno industrial es que SKILL.md y otros métodos de inyección de conocimiento no garantizan el cumplimiento. La IA cree que “sabe más”
  • Un amigo mío también preparó un montón de mecanismos tipo hook para evitarlo, pero los LLM igual a veces se los saltan
    No tengo mucha esperanza de que exista una solución perfecta para esto
  • No sé si eso es sarcasmo. Yo diría que la razón principal de estos fracasos es que mucho conocimiento y experiencia son intuitivos y no están documentados
  • Si el cumplimiento fuera el problema central, no habría sido necesario inventar formas de hacer que las computadoras no se limiten a obedecer exactamente lo que se les indica
• Los ingenieros de software en Estados Unidos necesitan sindicato
  Si no consiguieron trabajo en otro lado, no deberían volver sin un aumento del 20% y un contrato blindado
  • Esta industria vive en ciclos de auge y caída. Los proyectos aparecen y desaparecen, aunque si trabajas en una empresa de software eso se siente un poco menos
    Si estás dispuesto a aceptar menos potencial de crecimiento a cambio de estabilidad, quizá te convenga más TI/administración de servidores, porque ese tipo de trabajo se sigue necesitando
• Ford contrató a 350 ingenieros en los últimos 3 años, y eso ocurrió al mismo tiempo que se veían las limitaciones del uso de herramientas de inspección con IA
  Esto no tiene nada que ver con LLM; casi seguro se refiere a pilotos de MAIVIS y AiTriz para inspección visual con redes neuronales convolucionales (CNN) antiguas sobre hardware IBM personalizado
  • Exacto. Mucha gente parece estar perdiendo de vista el punto clave del momento. Los errores se identificaron hace 3 años, y los tiempos de anticipación en diseño automotriz y procesos de manufactura son largos
    Además, el disparador de esta historia fue que “Ford volvió a los primeros lugares en la encuesta de calidad de JD Power”, así que solo el retraso mediático ya suma entre 6 y 18 meses más
    Eso significa que el error original de despidos ocurrió hace entre 5 y 8 años

No sé cuándo se implementó el mencionado “piloto de MAIVIS y AiTriz”, pero otra posibilidad es que el equipo de PR de Ford haya visto que ahora está de moda la narrativa del retroceso de la IA y la haya enfatizado oportunistamente para explicar un evento noticioso positivo que probablemente tuvo varias causas
Personalmente, creo que estos artículos sobre la temática del “retroceso de la IA” hay que tomarlos con la misma cautela con la que antes había que ver la temática de “recortes por culpa de la IA”, que las empresas usaban para justificar despidos que de todos modos ya querían hacer

• El título enviado era “Ford rehires 350 engineers after AI fails to preserve expertise or train juniors”, pero el artículo no dice eso
  Para quien lo envió: “Please submit the original source. If a post reports on something found on another site, submit the latter.” - https://news.ycombinator.com/newsguidelines.html
  Por ahora lo devolví al título original del artículo
  Dicho sea de paso, a veces los medios cambian el título de una nota, así que normalmente quien la envió sí siguió las reglas, pero a nosotros a veces nos toma tiempo alcanzarlos
• Sí, esto no parece tener relación con la IA. Ojalá este comentario suba hasta arriba
• El primer intento fracasó, así que dieron un paso atrás, pero cuando pase un poco de tiempo lo van a volver a intentar y volverán a despedir a esa gente
  • El sueño de una máquina de trabajo perpetua es algo con lo que los capitalistas están tan obsesionados que incluso destruirían el planeta persiguiendo una fantasía. Los opresores tienen que detenerse
• Hay dos tipos de conocimiento. Está el conocimiento explícito, que se puede codificar fácilmente en archivos Markdown o en una wiki, y está el conocimiento tácito, que vive sobre todo en la experiencia de las personas dentro de la organización
  El conocimiento explícito es como la punta del iceberg del conocimiento organizacional
  • Como ese conocimiento tácito no tiene un valor fácil de cuantificar y no aparece en el estado de resultados, la mayoría de los ejecutivos no lo toma en cuenta
    He visto esto repetirse durante toda mi carrera. Cuando alguien se va o hay despidos y no se considera eso, la empresa termina corriendo a descubrir procedimientos que alguien había operado o mantenido silenciosamente durante años y en los que nadie más había pensado
  • También se podría usar destilación. Hacer que la IA les haga preguntas repetidamente a los ingenieros senior, aunque claro, no debería hacerse. Como exprimir aceitunas para sacarles el aceite
• Pensándolo de manera simple: si hay una empresa donde 100 empleados construyen 12 casas a la vez, puedes hacer un experimento cambiando un equipo de estructura de 6 personas por uno de 2 personas + 1 robot
  Puedes probar varios experimentos para ver si hay una mejor opción, y el costo recae sobre 4 empleados
  Si es una empresa donde 1000 empleados construyen 100 casas a la vez, puedes recortar unas 12 personas para formar 3 equipos con robots
  Incluso si es una empresa de 10.000 empleados que construyen 1000 casas a la vez, para experimentar igual bastan unos pocos equipos, y la cantidad de empleados afectados probablemente se quede en unas 20 o 30 personas
  Sorprende que una empresa pueda alejarse tanto de su propio negocio que ya no pueda entender el impacto de un cambio sin provocar un daño masivo de esta escala