Ford readmite ingenieros veteranos tras fracaso de IA en calidad

El 25 de junio de 2026, Ford celebró una conferencia de prensa donde su vicepresidente de ingeniería de hardware, Charles Poon, hizo una declaración explícita: «Creímos equivocadamente que introducir inteligencia artificial e ingerir los requisitos de diseño que teníamos produciría un producto de alta calidad». La empresa anunció la contratación de 350 ingenieros veteranos, un giro estratégico que refleja una realidad que muchos en la industria ignoran deliberadamente.

Durante los últimos tres años, Ford, como muchos fabricantes, invirtió en automatizar procesos de ingeniería con sistemas de IA generativa. El objetivo era reducir costos y acelerar ciclos de desarrollo. Sin embargo, los resultados en el campo demostraron que la IA podía generar diseños y soluciones, pero carecía de la intuición y experiencia acumulada que distingue un vehículo confiable de uno problemático.

La recontratación de estos 350 ingenieros no fue un acto de nostalgia corporativa. Fue una decisión basada en resultados medibles. Cuando Ford reintegró expertise humano en fases críticas del diseño y validación, los índices de defectos bajaron perceptiblemente. La empresa alcanzó su mejor calificación en el ranking de calidad de JD Power en 16 años, lo que sugiere que la combinación de humanos experiencia y herramientas de IA es más efectiva que la automatización ciega.

Este caso ilustra un límite fundamental de la IA en ingeniería: mientras que estos sistemas pueden procesar especificaciones, optimizar parámetros y generar variantes de diseño rápidamente, no pueden replicar el razonamiento heurístico que surge de décadas de experiencia resolviendo problemas reales en plantas de manufactura y bajo condiciones de uso variadas.

El precedente de Ford probablemente inspirará decisiones similares en otras industrias manufatureras. La narrativa de que la IA podría reemplazar completamente a profesionales técnicos experimentados se desmorona cuando se miden resultados cuantitativos como tasa de fallos, durabilidad y satisfacción del cliente. En su lugar emerge un modelo híbrido donde los humanos supervisan, validan y corrigen los outputs de IA.

Esto no invalida la inversión en IA para fabricación. Significa que la IA funciona mejor como acelerador de procesos rutinarios y generador de opciones, mientras que decisiones críticas sobre calidad y seguridad requieren validación humana. Ford ha llegado a esta conclusión de manera costosa pero educativa para el sector.