福特最近做了一个挺打脸的决定——他们重新雇了350名老工程师。这些人里有曾经离职的前员工，也有在供应商那边干过的老手。原因说起来有点尴尬：原本指望AI和自动化质检系统能把质量搞定，结果不尽如人意。
“我们误以为把AI和设计需求喂进去，就能出高质量产品”
福特首席运营官Kumar Galhotra向记者承认，公司这几年越来越依赖自动化质检系统，但结果让人失望。所以他们会把技术专家请回来，让这些人在零件上线之前就先把失败点找出来。
车辆硬件工程副总裁Charles Poon说得更直接：”我们误以为，只要引入AI、把我们的设计需求灌进去，就能产出高质量产品。”这句话基本把过去几年汽车行业对AI的盲目乐观总结到位了。
这些被返聘的工程师有个很接地气的称呼——”gray beard”（灰胡子），指的是那些在行业里干了几十年的老炮儿。他们的活儿不是取代AI，而是训练年轻员工、重新调整AI工具的参数，让这套系统真正能用。
Ford CEO Jim Farley的说法是，这批人的回归已经开始产生回报——保修和召回成本在下降，”给福特带来了数亿美元的降本红利”。
JD Power质量榜单第一，打脸还是证明？
有意思的是，就在福特公布这个人事动作的同时，JD Power发布了2026年初期的初始质量调查（Initial Quality Survey），福特在主流品牌里排到了第一。公司层面当然愿意把这个成绩和”重新雇回老工程师”联系起来讲成一个完整故事。
但这里有个问题值得想清楚：JD Power的评分是基于新车车主在购车后90天内报告的问题数量。福特这次排第一，到底是因为老工程师回来了，还是因为之前几年的AI质检虽然不完美但至少把基线拉高了？这个问题的答案可能要等一两年才能看清。
汽车行业对AI的幻灭，才刚刚开始
福特这个案例不是一个孤立事件。过去两年，汽车厂商都在讲AI赋能制造的故事——自动化质检、预测性维护、AI辅助设计，听起来都很美好。但实际落地的时候，问题一个接一个来了。
- AI质检系统对”质量”的理解是统计学意义上的，而老工程师的判断来自几十年积累的手感和经验，这两件事目前还接不上轨。
- 自动化系统的误报率和漏报率在工业场景下仍然是大问题，尤其是那些”看起来差不多但其实差一点”的瑕疵。
- AI模型的训练数据往往来自历史案例，但新车型的缺陷往往是新的，模型不一定认识。
福特的做法是把人和AI放在一起用，而不是二选一。这个思路其实比纯粹”AI优先”或者”人回归”都要务实。但问题在于，这种混合模式的人力成本显然比纯AI方案高，福特能不能长期维持这个配置，还要看那”数亿美元降本红利”能不能持续。
对其他行业来说，福特的这个教训值得记一下：AI能帮你提速，但有些判断还是得靠人。尤其是当”质量”这个词的含义超越了数据能描述的范围时，老师的傅的价值就不是AI能替代的了。