AIの力不足、フォードが「白髭」エンジニアを再雇用

近日、フォード・モーター・カンパニーは業界で話題となる決断を下した。生産製造に人工知能（AI）を導入した後に品質が低下した問題を補うため、定年退職した複数のベテランエンジニアを再雇用したのだ。社内ではこうした経験豊富なベテランエンジニアたちを「グレービアード（gray beard）」（白髭）と呼んでいる。彼らはかつて、会社がAI自動化を積極的に推進した際に退職を勧奨されたり、早期退職を余儀なくされたりした人々だ。

AIの理想と現実のギャップ

2020年代初頭、フォードは野心的なAI転換計画を策定し、溶接・塗装・最終組立などの重要工程にマシンビジョンとインテリジェントアルゴリズムを全面導入することで「ゼロ欠陥」生産を実現しようとした。当時の幹部は投資家向け会議で繰り返し、AIは人間よりも精確に異常を検知し設備故障を予測できるため、コストを大幅に削減しつつ品質を向上させられると強調した。しかし実際に導入してみると、問題が次々と発生した。AIモデルは非標準的な作業条件に対応する際に誤判定を頻発し、正常な工程を欠陥としてフラグを立てる一方で、本当に危険な微細なクラックを見逃した。また適応型アルゴリズムがパラメータ調整の際に局所的な指標を過度に最適化した結果、車両全体の長期的な信頼性がかえって損なわれた。「AIを導入しさえすれば自然と高品質な製品が生まれると誤って信じていた」とフォードのプロジェクト責任者は社内会議で率直に語った。「しかし現実には、アルゴリズムは『手の感覚』を理解できず、溶接の火花の音の変化が何を意味するかも分からないのだ。」

「グレービアード」エンジニアの帰還

修理返品率の継続的な上昇と顧客からの苦情に直面し、フォードの経営陣はついて一見「後退」とも見える決断を下した。20年以上の現場経験を持つエンジニアたちを職場に呼び戻したのだ。こうした「グレービアード」エンジニアの中には、すでに3〜4年退職していた者もいれば、転職してカフェを経営していた者さえいた。しかしフォードは市場価格より50%高い顧問料を提示して彼らを工場へ呼び戻した。彼らの主な仕事はAIに取って代わることではなく、AIを「手なずける」ことだ。システムに合理的な安全境界を設定し、どの偏差が正常な工程のばらつきで、どれが真の欠陥かをアルゴリズムに教え込む作業である。再雇用されたあるベテラン溶接エンジニアは取材の中でこう語った。「AIが見ているのは数字の羅列だが、私が見ているのは金属が変形する瞬間だ。機械はルールに従って判断するしかない。しかしルールはすべての変数を網羅することは永遠にできない。」

"Mistakenly we thought that by just introducing artificial intelligence ... that would produce a high-quality product."——フォード・プロジェクト責任者

業界の背景：製造業へのAI展開における普遍的な困難

フォードの経験は孤立したケースではない。自動車から半導体に至るまで、製造業全体でAIへの期待は高いが、実際の効果はしばしば大きく下回る。グローバルコンサルティング会社マッキンゼーが2025年に発表したレポートによれば、スマート製造プロジェクトの60%以上において、AIシステムは展開後の最初の6ヶ月以内に顕著な性能劣化が発生した。その原因には、データ分布のドリフト、非標準的なシナリオの欠如、そして人間の暗黙知の軽視が含まれる。例えば、ドイツのあるプレミアム自動車メーカーは、AIを使ってエンジン組立ラインのトルク制御を最適化しようとしたが、作業者のワーク着脱における微妙なリズムの差異を無視した結果、ボルト締付けトルクのロット間ばらつきがかえって拡大した。また日本のある電子部品メーカーは、AIによる視覚検査に過度に依存した結果、（性能には影響しない）正常な表面のわずかな酸化を不良品と判定し、廃棄率が15%も急上昇した。これらのケースが共通して指摘するのは、一つの核心的な問題だ。現在のディープラーニングに基づくAIは本質的に「統計的マッピング装置」であり、物理世界の因果論理を理解できず、熟練職人が持つ「火加減を見る、音を聞く、感触を確かめる」という暗黙のスキルを持ち合わせていないという点だ。

編集後記：AIには「老校長」が必要だ

フォードの「グレービアード」エンジニア復帰は、技術の進歩と人間の知恵に関する皮肉な物語のように聞こえるかもしれないが、私にはこれこそが現在のAI活用における正しいアプローチを示していると思える。AIは万能薬ではなく、まして人間を一キーで置き換える魔法の杖でもない。暗黙知が多く存在し、非構造化環境で高い信頼性が求められる場面では、AIは「主ドライバー」ではなく「副ドライバー」の役割を担うべきだ。経験豊富なエンジニアは学校の「老校長」のようなものだ。彼らは最先端のアルゴリズムを必ずしも知らないかもしれないが、規律と柔軟性のバランスをどう取るか、そして校則の外で「状況に応じた裁量判断」をどう下すかを知っている。将来の真に効率的なモデルは、「AI＋人間」でも「人間＋AI」でもなく、「人間がAIに教え、AIが人間を補佐する」という螺旋的な向上サイクルかもしれない。

注目すべきは、フォードがAIを完全に諦めたわけではないという点だ。同社は今後、この経験を基に新たな「ヒューマン・イン・ザ・ループ」システムの開発を計画していると伝えられている。「グレービアード」エンジニアによる修正データをAIモデルに継続的にフィードバックし、アルゴリズムがエッジケースを徐々に処理できるよう学習させるというものだ。これこそが産業AIの現場展開における正解かもしれない——機械で人を代替するのではなく、人の経験で機械への道を切り開き、機械の効率で人のエネルギーを解放するのだ。

本記事はTechCrunchより編訳