TLDR;

Porque os sistemas de IA usados nas checagens de qualidade deixaram de detectar defeitos como humanos experientes faziam, a Ford recontratou engenheiros veteranos para recuperar o padrão. A empresa recontratou mais de 300 inspetores veteranos para corrigir falhas, reavaliar processos e treinar melhor as ferramentas automatizadas. Isso mostra que a IA depende de dados e conhecimento humano para funcionar bem e que há risco desses engenheiros serem usados para treinar os sistemas e depois novamente demitidos.

Resumo

Relatos recentes mostram que a Ford recontratou mais de 300 engenheiros veteranos após sistemas de inteligência artificial usados em inspeções de qualidade falharem em detectar defeitos: a montadora havia substituído engenheiros caros por software e por 900 câmeras com IA para “automatizar” checagens, mas a tecnologia, treinada com dados inadequados e sem o conhecimento dos profissionais experientes, deixou passar problemas que geraram recalls e investigações. Executivos admitiram que não valorizaram a experiência acumulada ao treinar as ferramentas e agora trazem de volta funcionários de longa trajetória para elevar a qualidade e requalificar os modelos de IA — gerando temor de que esses especialistas sejam explorados para treinar os sistemas e depois dispensados novamente. Jornalismo e comentários destacaram o contraste entre o discurso inicial, segundo o qual a IA reduziria empregos brancos, e a realidade praticada; críticas atingiram manchetes que desvalorizam “gray beard” (engenheiros de cabelo grisalho) quando, na verdade, a sabedoria e o conhecimento histórico são cruciais. Situações semelhantes ocorrem em outras montadoras, como Volkswagen e GM, que ampliaram a presença da IA em design, processos e simulações, levantando debates sobre limites e riscos da automação. A lição é clara: integrar IA requer talento humano, treino adequado e supervisão contínua.