Fordが再雇用したエンジニアの役割は何ですか？

再雇用されたエンジニアは、若い世代のエンジニアのメンタリングと、自動化システムの訓練データ収集およびAI訓練の改善を担当しています。彼らは複数の車両開発サイクルを経験した経験から、問題を特定し予防することができます。

Fordはこれからどのように品質向上を進めますか？

100,000を超える新しいAI駆動テストを導入し、開発後期の変更にも迅速に対応できる検証体制を構築しています。また、40人のソフトウェア品質保証チームを設置し、問題の予防に注力する体制へシフトしています。

The Verge AI16時間前5分で読める

Fordは自動化システムの設計に過度に依存した結果、品質低下に直面し、経験豊富なエンジニアを大量に再雇用する事態に至りました。同社はこの教訓から、AIと人的知識を組み合わせ、問題の予防的解決に転換することで、品質向上と自動化のバランスを模索しています。

こういう要約が、毎朝あなたのメールに届きます。

何が起きたか
Fordは品質向上を目指してAIや自動化システムを導入しましたが、これらシステムが予想ほど堅牢ではなく、エラーを修正するため経験豊富な技術者を350人以上雇用または復職させました。同社のハードウェア開発責任者Charles Poonは「AIを導入し設計要件を調整するだけで高品質製品が生まれるという誤った考えがあった」と述べています。
なぜ重要か
Fordの事例は、AIシステムの有効性が学習データの品質に完全に依存することと、ベテランエンジニアが持つ知識や経験を失うことの代償の大きさを示しています。同社は品質ランキングで業界トップとなりましたが、その道のりで自動化への過度な依存と人的知識の軽視がもたらす落とし穴に気づかされました。
注目点
Fordは今後、問題を事後対応する「見つけて修正する」方式から「問題発生を未然に防ぐ」方式へシフトしています。また100,000を超える新しいAI駆動テストを追加し、ソフトウェア品質保証の専任チーム40人を設置して、AI活用と人的専門知識のバランスを取る体制を構築しています。

Fordが再雇用したエンジニアの役割は何ですか？: 再雇用されたエンジニアは、若い世代のエンジニアのメンタリングと、自動化システムの訓練データ収集およびAI訓練の改善を担当しています。彼らは複数の車両開発サイクルを経験した経験から、問題を特定し予防することができます。
Fordはこれからどのように品質向上を進めますか？: 100,000を超える新しいAI駆動テストを導入し、開発後期の変更にも迅速に対応できる検証体制を構築しています。また、40人のソフトウェア品質保証チームを設置し、問題の予防に注力する体制へシフトしています。