福特重新雇佣 350 名工程师：AI 未能取代机构专长

福特在过去三年中重新雇佣了 350 名工程师，此前一次用人工智能取代人类专业知识的尝试未能保持产品质量和机构知识。这一逆转凸显了 AI 能处理显性数据的能力与其无法复制资深工程师隐性经验之间的关键差距。

AI 未能取代隐性知识的失败

福特试图通过 AI 自动化质量检查和设计需求，但这不足以维持高质量的产品。公司发现，仅仅将设计需求输入 AI 系统并不能产生高质量的输出，因为 AI 缺乏完成复杂工程所需的经验性上下文。

行业观察者将此次失败归因于两类知识的区别：

• 显性知识： 可以轻松在文档、维基或 markdown 文件中编码的信息。
• 隐性知识： 通过多年产品周期在个人头脑中形成的基于经验的知识。

虽然 AI 能处理显性知识，却无法复制资深工程师用来识别细微失效或基于以往错误优化设计的隐性知识。

AI 实施中的战略误判

福特的策略是在假设 AI 能填补空缺的前提下裁掉经验丰富的工程师。这种做法产生了多种系统性风险：

高层监督的缺失

经验丰富的工程师是最能有效利用 AI 工具的人。由于大型语言模型（LLM）常表现为“聪明却盲目”的新人，需要能够在高抽象层次上工作并指导、验证其输出的高级工程师。通过剔除高级员工，福特失去了最有能力让 AI 产生生产力的人。

与“离岸外包”的类比

分析师将这场 AI 驱动的裁员周期比作 2000 年代中期的离岸外包趋势。两者都因削减人手以追求短期财务指标而导致文化、沟通和专业壁垒最终破坏组织运作，进而引发昂贵且困难的重新招聘过程。

AI 工具的技术局限

一些技术分析表明，导致失败的并非大型语言模型本身，而是专用的 AI 检测工具——例如运行在定制硬件上的卷积神经网络（CNN）——未能满足汽车质量控制的严格要求。

组织与文化影响

用 AI 替代人力的决定以及随后必须重新招聘的局面，引发了对公司治理和员工忠诚度的担忧。

“有趣的是，对做出这一‘错误’的高管没有任何后果。似乎几乎无限制地为高管们以 AI 为借口进行裁员提供了掩护。”

批评者认为，高管的激励机制失衡，所谓的“大胆战略决策”——通过 AI 削减成本——无论成功与否都会得到奖励。此外，人们对被裁后因自动化而重新雇佣的工程师的忠诚度也持高度怀疑态度。

结论：AI 是工具，而非替代品

福特案例是一个警示：AI 是提升生产力的工具，而不是替代人力的手段。要在复杂的工业环境中让 AI 有效，必须由具备深厚领域专长的人类来驱动。没有人类提供监督和机构背景，AI 驱动的高风险工程自动化往往会导致质量下降。