Ford、AI品質検査の不調で「gray beard」検査官を再雇用

 (bloomberg.com)
1 ポイント 投稿者 GN⁺ 5 시간 전 | 1件のコメント | WhatsAppで共有
  • Ford Motor Co.は慢性的な品質問題を減らすため、「gray beard」と呼ばれるベテランエンジニアを再び呼び戻し、若手社員の教育とAIツールの補完に投入した
  • 過去3年間で350人のベテランエンジニアを採用しており、多くは元Ford社員で、一部はサプライヤー出身である
  • 期待されたほどの成果を出せなかったAIツールだけでは品質対応が難しく、品質問題は同社に数十億ドル規模のコストをもたらした
  • 再雇用された人材は、現場での判断を伝えると同時に、品質対応に使われるAIツールを再調整する役割を担う
  • Fordは木曜日に公開された最新のJD Power Initial Quality Surveyで、大衆ブランドの中で1位を記録した

ベテラン人材で補完した品質対応

  • Ford Motor Co.は長年続く品質問題を自動化だけで解決するのではなく、経験豊富な人材を再投入する方式で対応している
  • 会社が「gray beard」と呼ぶエンジニアは、若手社員の判断を助け、期待した成果を出せなかったAIツールを再プログラミングしている

3年間で350人を再雇用

  • Fordは過去3年間で350人のベテランエンジニアを雇用した
  • 採用された人材には元Ford社員が多く含まれ、サプライヤー出身のエンジニアもいる
  • 彼らは、解決が難しいとみられていた品質問題に対応するため投入された

AIツールの限界とコスト負担

  • 品質問題の解決に使われたFordのAIツールは、期待された役割を十分に果たせなかった
  • 品質問題はFordに数十億ドル規模のコストをもたらした
  • 会社はベテランエンジニアの経験を活用し、AIツールと若手社員の能力をともに補完しようとしている

JD Power調査の結果

  • Fordは木曜日に公開された最新のJD Power Initial Quality Surveyで、大衆ブランドの中で1位を獲得した
  • この結果は、ベテランエンジニアの再雇用と品質問題への対応後の成果としてあわせて示されている

関連記事

1件のコメント

 
GN⁺ 5 시간 전
Hacker Newsの意見
  • 2000年代半ばのオフショアリング熱を経験した立場からすると、今回の流れもほぼ同じ軌跡をたどっている
    大企業のCEO/CFOたちがゴルフ仲間に「海外人材でどれだけ節約できたか」を吹聴し、第1段階として人を大量に解雇して仕事を海外に回し、5〜6四半期のあいだ財務指標を押し上げる
    第2段階に入ると社員と組織が壊れ始め、文化・コミュニケーションの壁はまだ効率的には越えにくいという事実が明らかになる。本当にそれをうまくやれるのはごく少数で、大半には合わない
    第3段階あたりになると、他で職を見つけられる人はすでに去っており、会社は燃え残った抜け殻のように残り、第5段階で自然消滅する
    • 要は短期利益が核心だ。AccentureやInfosysのような会社のパートナーたちが古い産業企業の幹部を取り囲み、会社の業績が悪くても会計上の小細工でしばらく覆い隠せる
      やがて1つの四半期が大きく崩れると会計年度全体が揺らぎ、責任の押し付け合いが始まり、「ベルトを締め直す」「固定費を変動費に変える」といった言葉が飛び交う
      その瞬間、Big Consultingが持ってくる「今期の削減額としてすぐ計上できる提案」が非常に魅力的に見える
      ひずみはすぐ表れる。プログラム/プロジェクト管理が不足し、サービス品質も落ちた感じはあるのに指標がなく、最初のチームが抜けるとアウトソーシング人材をまた教育し直さなければならず、新規プロジェクトの規模見積もりもできない
      事業部の中にはシャドーIT部門が生まれ、アウトソーシング業者はベンダー統合や他ベンダーへの圧力には関心がない
      慢性的に成果の悪いIT部門を戦略的に改善する目的なら価値があるかもしれないが、中核事業の不振を隠すために慌ててやると、ほとんど効果はない
    • こうしたリーダーシップが壊れていることには皆同意していても、いざ似た権限と意思決定の立場に上がると、たいてい同じことをしてしまうのが皮肉だ
    • 今もなお起き続けていて、ただ社内の技術人材を何人か残そうとしているだけだ。問題は、社内人材が理論上は変更を直接やってはいけず「手伝うだけ」でなければならないため、残る動機が弱いことにある
    • 解決策はもちろん文化の壁をAIで越えることだ。翻訳もしてくれるので、海外人材は会社の言語すら話す必要がなくなり、さらにコストを下げられる /s
  • 社員を解雇してAIで置き換えようという発想自体が近視眼的だという点はさておき、Fordは間違った社員を解雇した
    LLMは以下の構成要素をすでに理解しており、高い抽象化レベルで仕事ができる熟練シニアエンジニアの手で最もよく機能する
    ある意味でLLMエージェントを使うのは、とても賢くて速いが死角があり、組織知識の乏しいジュニアに指示を出すのに近い
    それをうまくやれるのがシニアであり、シニアを解雇したなら、LLMを最もうまく活用できる人たちを手放したことになる
    • それは基本中の基本だ。複雑なアーキテクチャ作業プロンプトを作るには、少なくとも抽象化レベルでは解法を分かっていなければならない
      頭の中に正しいシステム設計がなければ、どんなLLMでもそれを空中から作り出すことはできない
    • Fordが社員を解雇したと誰が言った？ 記事にはそんな内容はない
  • モデルが誇大広告に見合わなかった以上、こうした流れは全体として定番の展開になるはずだ
    LLMやエージェントは難しい問題を解くとき大いに役立つが、私たちが設計とアーキテクチャだけやって残りを全部任せられる段階ではまだない
    近づいてはいるし、特定のユースケースではすでに可能かもしれないが、低レベル作業や大企業の大規模移行作業にはまだ足りない
    エージェントもあり、エージェントのエージェントも使っているが、それでもプロジェクトの大きな塊を切り出して、ひどいコードなので犬にでも投げてやるしかないということがある。GLM-5.2時点の話だ
    • ここではドキュメント駆動開発が役に立つ。私の作業フローの75%は、徐々に抽象度を下げながら文書を生成し、最終的にそれをコードにすることだ
      テストを通した後は、たいていコードは最適でクリーンでバグもなく、ドキュメント化も非常によくできている
      ただし人間が継続的に何度も介入する必要がある
  • https://archive.is/DI4Cq
    The Vergeでも取り上げられている:
    https://www.theverge.com/transportation/956316/ford-quality-...
    • もっと多くのメディアがこれを取り上げるべきだ
  • 産業現場でAIが失敗する理由は、SKILL.mdやその他の知識注入手法が遵守を保証しないからだ。AIは自分のほうが「よりよく分かっている」と思い込む
    • 私の友人もこれを防ぐためにフックのような仕組みを山ほど用意したが、LLMはそれでも時々それらを破る
      ここに完全無欠の解法があるとはあまり期待していない
    • これが皮肉なのかはよく分からない。主な失敗理由は、多くの知識と経験が直感的で、文書化されていないことだと思う
    • 遵守が核心的な問題だったなら、コンピュータが指示されたことだけをそのまま行うのを避ける方法を、わざわざ発明する必要はなかったはずだ
  • アメリカのソフトウェアエンジニアには労働組合が必要だ
    もしすでに他に就職していないのなら、20%の賃上げと鉄壁の契約なしには戻るべきではない
    • この業界は好況と不況が繰り返される。プロジェクトは生まれては消え、ソフトウェア会社で働いていてもその度合いが少し弱いだけだ
      上振れ余地がより限られることを受け入れてでも安定を望むなら、IT/サーバー管理のように継続的に必要とされる仕事のほうがよいかもしれない
  • Fordはこの3年間でエンジニア350人を採用しており、これはAI検査ツールの不十分さと同時に起きたことだ
    これはLLMとは関係なく、ほぼ間違いなくカスタムIBMハードウェア上で旧式の畳み込みニューラルネットワーク（CNN）を使って視覚検査を行うMAIVISとAiTrizのパイロットに関する話だ
    • その通り。多くの人が時点という重要な点を見落としているように思う。ミスは3年前に認識されており、自動車の設計と製造工程のリードタイムは長い
      しかもこの話のきっかけは「FordがJD Power品質調査ランキングの上位に復帰した」ことであり、報道の遅れだけでもさらに6〜18か月が加わる
      そうなると、元の解雇の誤りは5〜8年前に起きたことになる

言及されている「MAIVIS と AiTriz のパイロット」がいつ実装されたのかは分からないが、もう一つの可能性として、Ford の広報チームが今 AI 逆風 の物語が流行しているのを見て、複数の要因があったかもしれない前向きなニュースイベントを説明するのに、それを日和見的に強調したのかもしれない。
個人的には、こうした「AI 逆風」テーマの記事は、かつて企業がどうせやりたかったレイオフを正当化するために持ち出していた「AI による人員削減」テーマと同じくらい、限定的に受け止めるべきだと思う。

  • 投稿タイトルは「Ford rehires 350 engineers after AI fails to preserve expertise or train juniors」だったが、記事の内容はそうではない。
    投稿者へ: “Please submit the original source. If a post reports on something found on another site, submit the latter.” - https://news.ycombinator.com/newsguidelines.html
    今は記事の元のタイトルに戻してある。
    付け加えると、メディアが記事タイトルを時々変更することがあるので、投稿者はたいていガイドラインに従っているのだが、こちらが追いつくのに時間がかかることもある。
  • その通り、これは AI とは無関係に見える。このコメントが最上位に上がるといい。
  • 最初の試みは失敗して一歩引いたが、少し時間が経てばまた試して、その人たちを再び解雇するだろう。
    • 永久労働機械 という夢は、資本家たちが虚構の夢を追うために地球まで破壊するほど執着しているものだ。抑圧者たちは止まるべきだ。
  • 知識には二種類ある。Markdown ファイルや Wiki に容易にコード化できる 明示知 と、組織の構成員の経験の中に主に宿る 暗黙知 だ。
    明示知は、巨大な組織知識の氷山の頂上にすぎない。
    • その暗黙知は簡単に数値化できる価値がなく、損益計算書にも現れないので、ほとんどの役員は考慮しない。
      キャリアを通じて、こういうことを何度も見てきた。誰かが去る、あるいは解雇が起きるときにこれを考慮しないと、会社は、誰かが何年ものあいだ静かに運用したり維持したりしていて、他の誰も意識していなかった手順を後から把握しようとして右往左往することになる。
    • 蒸留のプロセスを使うこともできるかもしれない。AI がシニアエンジニアに繰り返し質問するような形で、もちろんそうすべきではないが。オリーブから油を搾り取るみたいに。
  • 単純化して考えてみる。従業員 100 人で同時に家 12 軒を建てる会社があるなら、6 人の骨組みチームを 2 人+ロボット 1 台のチームに置き換える実験ができる。
    より良い選択肢があるかどうか、いくつもの実験ができ、そのしわ寄せは従業員 4 人に行く。
    従業員 1000 人で同時に家 100 軒を建てる会社なら、12 人ほど減らしてロボットチームを 3 つ作れる。
    従業員 1 万人で同時に家 1000 軒を建てる会社でも、実験には依然として数チームあれば十分で、影響を受ける従業員は 20〜30 人程度で済むだろう。
    企業が自分の事業からここまで乖離していて、この程度の 大規模な被害 なしには変化の影響を理解できなくなっているというのが驚きだ。