La compañía Ford se vio obligada a recontratar a antiguos ingenieros para solucionar los errores de sus sistemas automatizados. Esto ocurrió a pesar de que Ford ocupaba el primer lugar en el ranking de calidad inicial de J.D. Power entre los fabricantes de automóviles de producción masiva. La empresa ha hablado abiertamente sobre los desafíos enfrentados en los últimos años, especialmente en relación con su dependencia de los sistemas automatizados en la producción y el diseño.
Resultó que estos sistemas automatizados no eran tan fiables como se había previsto, lo que llevó a Ford a contratar a técnicos experimentados —en algunos casos, recontratando a antiguos empleados— para corregir los errores generados por los robots de la compañía. Según Ford, la inteligencia artificial (IA) es poderosa, pero propensa a fallos, y su eficacia depende completamente de la calidad de los datos utilizados para entrenar los modelos de IA. Además, el fabricante de automóviles subestimó el valor de los conocimientos acumulados por sus ingenieros experimentados, quienes habían participado en varios ciclos de desarrollo de vehículos. Esta combinación de factores resultó en una disminución de la calidad de los automóviles de Ford.
«Erróneamente creímos que la simple implementación de la inteligencia artificial y el ajuste de nuestros requisitos de diseño garantizarían un producto de alta calidad», declaró Charles Pun, vicepresidente de desarrollo de hardware de vehículos, durante un briefing con periodistas esta semana. Según Pun, algunos de los empleados más experimentados de Ford se marcharon antes de que todos sus conocimientos pudieran ser completamente transferidos a los sistemas automatizados de la compañía. Esto hizo necesario el regreso de algunos de estos trabajadores para reentrenar los sistemas o, en algunos casos, para mentorizar a ingenieros más jóvenes que actualmente intentan mantener la calidad de los automóviles de Ford.
Pun señaló que Ford ha contratado, ascendido o recontratado a más de 350 ingenieros experimentados para restaurar este nivel de experiencia. Además de mentorizar a los ingenieros más jóvenes, también se les ha encomendado mejorar la recopilación de datos y el entrenamiento de la IA que subyace en los sistemas automatizados de Ford. «Es aquí donde algunos de nuestros ingenieros más experimentados tenían experiencia en la resolución y detección de estos problemas antes de que se infiltraran en el sistema», dijo Pun.
Cambio de enfoque en calidad y software
Actualmente, Ford lidera la industria en número de retiros del mercado, y sus calificaciones de calidad han disminuido en los últimos años. Estos desafíos se han vuelto más pronunciados recientemente debido a las dificultades asociadas con el lanzamiento de los modelos Explorer y Aviator, los fallos en las cadenas de suministro durante la pandemia de COVID-19 y el notable aumento en el número de retiros de vehículos. Según Kumar Galhotra, director de operaciones de Ford, el fabricante de automóviles finalmente llegó a la conclusión de que su enfoque de calidad se había vuelto demasiado fragmentado. Diferentes departamentos trabajaban de manera aislada, y la compañía dependía en gran medida de la filosofía de «encontrar y corregir», que se centraba en identificar defectos después de que aparecían y corregirlos lo más rápido posible.
Aunque este enfoque podía resolver problemas inmediatos, no prevenía su aparición. «Estamos pasando de una mentalidad de ‘encontrar y corregir’ a prevenir problemas antes de que ocurran», dijo Galhotra. Nos centramos en los factores contribuyentes y los indicadores tempranos en lugar de los resultados finales. Dejen de observar el problema y comiencen a resolverlo.
La transformación va más allá del hardware de los automóviles. Los equipos de desarrollo de software y tecnologías digitales ahora colaboran más estrechamente con los equipos de ingeniería de vehículos, producción y cadena de suministro, informaron los ejecutivos. Ford ahora intenta combinar la velocidad y flexibilidad asociadas con el desarrollo de software con el rigor y los requisitos de validación de la ingeniería de clase automotriz. Históricamente, esto no siempre fue así.
Ford detectaba errores de software solo en las etapas posteriores del proceso, ya que no aprovechaba completamente los ciclos disponibles de iteraciones rápidas, dijo Pun. Sin embargo, el fabricante de automóviles no podía lanzar actualizaciones de software tan rápido como las compañías de electrónica de consumo, con la mentalidad de «moverse rápido y corregir después», señaló Pun. Los automóviles, a diferencia de los teléfonos inteligentes, operan en un entorno crítico para la seguridad, donde los clientes dependen del correcto funcionamiento del software desde el momento de la entrega del vehículo.
Para resolver este problema, Ford creó un equipo especializado de 40 personas en garantía de calidad de software, cuya única obligación es prevenir problemas antes de que ocurran. Sin embargo, esto no significa que Ford no aspire a integrar la IA en más de sus procesos.
El fabricante de automóviles afirma que ha ampliado significativamente sus capacidades de prueba automatizada, añadiendo más de 100.000 nuevas pruebas basadas en IA, diseñadas para detectar casos límite y cargar sistemas de software en una amplia gama de condiciones. Dado que el sistema de prueba es altamente automatizado, los cambios de software pueden ser rápidamente revalidados incluso en las etapas posteriores del desarrollo, garantizando que las modificaciones no conduzcan a nuevos defectos. «Dado que estas pruebas son altamente automatizadas, incluso si tenemos un cambio tardío en el software, podemos pasar rápidamente por todo el proceso de validación para garantizar que funcione perfectamente antes de llegar al cliente.