何が起きたか
Bloombergの報道によると、Fordは「グレービアード（白ひげ）」と呼ばれるベテラン技術者350人を再雇用しました。元従業員やサプライヤー出身者を含み、部品が工場のラインに到達する前に故障要因を特定する役割を担います。
Kumar Galhotra氏らFord幹部は「AIに設計要件を読み込ませれば高品質な製品ができると、我々は誤って考えていた」と認めています。Charles Poon氏も自動品質管理システムへの依存を強めすぎたと振り返りました。
なぜ重要か
注目すべきは、FordがAIを「捨てた」わけではない点です。再雇用したベテランは若手の教育と、AIツールの再プログラミングに充てられます。つまり、AIに学習させるための「正解データ」と判断軸を持つ熟練者を、組織の内部に呼び戻したのです。
Fordはこの施策で年間10億ドルの削減を見込み、今週発表されたJDパワー初期品質調査では主流ブランドの首位を獲得しました。AI単体ではなく「ベテラン×AI」の組み合わせが、品質という結果に直結したことを示すデータと言えます。
含意：暗黙知のデジタル化という難題
製造業の品質管理は、設計図面に現れない「経験で気づく違和感」に支えられてきました。AIが扱えるのは形式知化された情報だけで、暗黙知をどう抽出しモデルに組み込むかという中間プロセスを飛ばすと、自動化は機能しません。Fordの判断は、その中間プロセスをやり直すための投資です。
💼 事業会社視点：これは自社にどう効くか
日本の製造業・受託開発・SaaSベンダーにとって示唆は重い内容です。自動車・電機メーカーは、熟練工の定年退職を「AIで補える」と読み替えてきた経営計画を見直す必要があります。AIに置き換える前に、暗黙知を引き出す再雇用・嘱託契約の枠組みを先に作るべきです。10億ドル削減という数字は、品質不良の手戻りコストがAI自動化の人件費削減効果を上回ることを示しています。
製造業向けSaaS・AIベンダーにとっては販売ストーリーの転換点です。「AIで人を減らす」提案は刺さらず、「ベテランの判断軸をAIに学習させる伴走サービス」が刺さります。受託開発企業も、PoCで終わらせず「誰の暗黙知を、どの工程で、どう形式知化するか」まで設計に含めない限り、Fordと同じ失敗を顧客側で再現させることになります。経営者が今動くべきは、AI投資の前段としての「熟練者のナレッジ抽出予算」の確保です。