福特重新聘用 350 位工程師，因 AI 未能取代制度性專業知識

福特在過去三年內重新聘用了 350 位工程師，原因是試圖以人工智慧取代人類專業知識的計畫未能維持產品品質與制度性知識。此一逆轉突顯了 AI 能處理顯性資料的能力與其無法複製資深工程師隱性經驗之間的重大落差。

AI 無法取代隱性知識的失敗

福特嘗試透過 AI 自動化品質檢測與設計需求的做法，證明不足以維持高品質產品。公司發現，僅僅將設計需求輸入 AI 系統並不會產生高品質的輸出，因為 AI 缺乏執行複雜工程所需的經驗性情境。

業界觀察者將此失敗歸因於兩種知識的差異：

雖然 AI 能處理顯性知識，卻無法複製資深工程師用來辨識細微缺陷或根據過往錯誤優化設計的隱性知識。

福特的策略是假設 AI 能填補缺口，於是裁撤了有經驗的工程師。此舉產生了多項系統性風險：

有經驗的工程師是最能善用 AI 工具的人。由於大型語言模型（LLM）常像「聰明卻盲目的」新人，需要能在高抽象層次上指導並驗證其輸出的資深工程師。移除這些資深人員，福特也就失去了最能讓 AI 發揮效益的人才。

分析師將此 AI 主導的裁員循環比擬為 2000 年代中期的離岸外包潮。兩者皆因削減人力以追求短期財務指標，最終因文化、溝通與專業壁壘而削弱組織運作，導致昂貴且艱難的重新招聘過程。

部分技術分析指出，失敗未必全因大型語言模型（LLM），而是因專門的 AI 檢測工具——例如在自訂硬體上運行的卷積神經網路（CNN）——未能滿足汽車品質控制的嚴格要求。

以 AI 取代人力的決策以及隨後的重新招聘，引發了企業治理與員工忠誠度的關切。

「有趣的是，做出這個『錯誤』的高層竟未受到任何懲罰。似乎對於以 AI 為藉口裁員的高層有近乎無限的寬容。」

批評者認為，執行長的激勵機制失衡，將「大膽的策略決策」— 透過 AI 削減成本 — 無論成敗都會獲得獎勵。此外，對於先前因自動化而被解雇、後來被重新聘用的工程師忠誠度，也存在相當的懷疑。

福特案例是一個警示：AI 是提升生產力的工具，而非人力的替代品。要在複雜的工業環境中有效運用 AI，必須由具備深厚領域專業的人工來驅動。若缺乏提供監督與制度性背景的人類要素，高風險工程領域的 AI 自動化往往會導致品質退化。

摘要：福特在發現 AI 工具無法取代資深員工的隱性知識與經驗以維持產品品質後，重新聘用了 350 位工程師。

標題：福特重新聘用 350 位工程師，因 AI 未能取代制度性專業知識