フォード、自動化システムの誤りを修正するため元エンジニアを再雇用

フォード・モーター・カンパニーは、JDパワーの初期品質ランキングで主流自動車メーカーの中でトップになったことを記念し、ここ数年直面した課題、特に生産と設計における自動化システムへの依存について率直に語った。これらの自動化システムは想定ほど堅牢ではなく、フォードは経験豊富な技術者を雇い、時には元社員を呼び戻して同社のロボットが引き起こしたエラーを修正する必要があった。

フォードの見解では、AIは強力だが落とし穴も多い。その効果はAIモデルのトレーニングに使用されるデータの質に完全に依存する。さらに、同社は複数の車両開発サイクルを経験してきたベテランエンジニアが蓄積した組織的知識の価値を過小評価していた。これらの現象が組み合わさり、フォード車の品質低下を招いた。

フォードの車両ハードウェアエンジニアリング担当副社長チャールズ・プーン氏は記者団へのブリーフィングで、「私たちは誤って、人工知能を導入し、設計要件を調整するだけで高品質の製品が生まれると考えていた」と述べた。同氏によると、同社の最も経験豊富な人材の一部が、その知識を自動化システムに完全に移行する前に退職しており、そのため一部の従業員を呼び戻してシステムを再トレーニングするか、現在車両品質の維持に苦戦している若手エンジニアを指導する必要があった。

プーン氏は、フォードは350人以上の経験豊富なエンジニアを採用、昇進、または呼び戻し、専門知識の層を再構築したと述べた。若手エンジニアの指導に加えて、彼らはフォードの自動化システムを支えるデータ収集とAIトレーニングの改善も任されている。プーン氏は「そこに、問題がシステムに忍び込む前に解決し特定する経験を持つ最も経験豊富なエンジニアがいる」と語った。

フォードは現在、リコール件数で業界をリードしており、品質評価は過去数年間で低下している。エクスプローラーとアビエーターの立ち上げの困難、パンデミック中のサプライチェーンの混乱、車両リコール件数の顕著な増加により、これらの課題は最近顕在化した。

フォードの最高執行責任者クマール・ガルホトラ氏によると、同社は最終的に品質へのアプローチが断片化しすぎていると結論付けた。部門ごとにサイロ化しており、問題が発生した後に特定して迅速に修正する「発見して修正」の考え方に大きく依存していた。このアプローチは当面の問題に対処できるが、そもそも問題が発生するのを防ぐことはできなかった。

ガルホトラ氏は「私たちは『発見して修正』の考え方から、問題が発生する前に防ぐ方向へ移行している。成果ではなく、促進要因と早期指標に焦点を当てている。問題を賞賛するのではなく、解決し始める」と述べた。

変革は車両ハードウェアにとどまらない。幹部らによると、ソフトウェアおよびデジタルチームは現在、車両エンジニアリング、製造、サプライチェーンチームとより緊密に連携している。フォードは現在、ソフトウェア開発のスピードと柔軟性を、自動車グレードのエンジニアリングの厳格さと検証要件と組み合わせようとしている。

プーン氏によると、歴史的にはそうではなかった。フォードは利用可能な迅速な反復サイクルを完全に活用していなかったため、開発の後半になってようやくソフトウェアのバグを発見していた。ただし、同氏は、フォードは「迅速に動いて後で修正する」という考え方で家電製品のようにソフトウェアアップデートを迅速に展開することはできないと述べた。車はスマートフォンとは異なり、安全が重要な環境で動作し、顧客は納車時からソフトウェアが正しく機能することを期待する。これを修正するため、フォードは問題が発生する前に防止することを唯一の責任とする40人からなる専用のソフトウェア品質保証チームを設立した。

しかし、フォードがAIをより多くのプロセスに統合することに注力していないと考えてはならない。同社は自動テスト機能を大幅に拡大し、エッジケースを特定し、さまざまな条件下でソフトウェアシステムにストレスを与えるために設計された10万以上の新しいAI駆動テストを追加したと述べている。テストフレームワークは高度に自動化されているため、ソフトウェアの変更は開発後期でも迅速に再検証でき、変更によって新しい欠陥が導入されないことが保証される。

プーン氏は「これらのテストは高度に自動化されているため、ソフトウェアに後期の変更があっても、検証プロセス全体を迅速に実行し、顧客に届く前に完全に機能することを保証できる。私たちはソフトウェアの信頼性を、厳格な指標を持つ独自の厳格な分野として確立した」と述べた。