C’è una storia che arriva da Dearborn, Michigan, e vale molto più di un aneddoto aziendale. Ford Motor Company, uno dei simboli più robusti del capitalismo industriale americano, ha fatto qualcosa di raro nel mondo delle corporation: ha ammesso pubblicamente di avere sbagliato. E lo ha fatto con una precisione quasi chirurgica, nella persona di Charles Poon, vicepresidente dell’ingegneria hardware dei veicoli, che a fine giugno ha dichiarato senza eufemismi: «Abbiamo sbagliato a pensare che, introducendo l’intelligenza artificiale e aggiustando i requisiti di progetto, avremmo ottenuto un prodotto di qualità.» (MotorBox)
La vicenda, nella sua brutalità fattuale, è questa. Dalla metà del decennio, Ford ha eliminato oltre 5.300 posizioni stipendiate contando sull’assunto che i sistemi di controllo qualità guidati dall’intelligenza artificiale potessero ingerire requisiti di progettazione, rilevare schemi di difetto e intercettare le anomalie prima che i veicoli raggiungessero la linea di produzione. (Awesome Agents) Un’operazione di riduzione dei costi mascherata da innovazione tecnologica, come spesso accade nell’industria contemporanea. Il risultato è stato l’opposto di quello atteso: molti ingegneri esperti avevano lasciato l’azienda prima che il loro know-how potesse essere trasferito ai modelli AI, e i sistemi automatizzati si sono ritrovati ad operare su basi di dati incomplete, senza la supervisione di chi aveva l’esperienza per riconoscere i problemi prima che diventassero richiami. (MotorBox)
Per rimediare, Ford ha dovuto fare marcia indietro nel senso più letterale e costoso del termine. Ha richiamato in servizio i cosiddetti “gray beards” , le “barbe grigie”, professionisti veterani provenienti in parte da ex dipendenti Ford, in parte dalla filiera dei fornitori , per tornare a intercettare i difetti prima che un componente raggiunga la linea di produzione. (TuttoTech.net) Oltre 350 figure specializzate, con il compito di affiancare il personale più giovane, migliorare il funzionamento delle tecnologie di automazione e riprogrammare gli strumenti di intelligenza artificiale affinché fossero in grado di individuare eventuali difetti prima ancora che si manifestassero durante la produzione. (Greenmove)
Il paradosso è che questa retromarcia ha funzionato. Nel giugno 2026, Ford è stata proclamata miglior marchio mainstream nel JD Power U.S. Initial Quality Study, primo riconoscimento del genere in sedici anni, dopo essere risalita dal quindicesimo al primo posto tra i marchi di massa. (Business Wire) Un’ascesa che il CEO Jim Farley ha definito «un successo istantaneo costruito in quattro anni di lavoro intensivo». La retorica è comprensibile; la sostanza è un’altra.
Perché la storia di Ford non è la storia di un’azienda che si è ravveduta e ha trionfato. È la storia di un errore sistemico che rivela qualcosa di strutturale nel rapporto tra intelligenza artificiale e competenza umana accumulata. La perdita di know-how tacito , quella conoscenza che non è documentata nei manuali né catturata nei dataset di training , non si recupera con le riassunzioni: si ricostituisce lentamente, attraverso anni di lavoro sul campo. Le riassunzioni risolvono il problema dello staff, non il problema della conoscenza. (Tom’s Hardware) E c’è un ulteriore elemento di ironia che i dati non nascondono: Ford guida l’intera industria automobilistica per numero di richiami, con un volume cinque volte superiore a quello del secondo brand del settore. Il premio JD Power misura la qualità percepita nei novanta giorni successivi all’acquisto; le campagne di richiamo misurano i difetti che emergono nel tempo. (Tom’s Hardware) Due metriche che raccontano storie diverse della stessa automobile.
È qui che la vicenda smette di essere una notizia di settore e diventa una questione culturale e politica. In ogni comparto produttivo avanzato , dalla manifattura alla sanità, dall’editoria alla pubblica amministrazione , si sta replicando lo stesso schema: riduzione del personale qualificato, affidamento crescente agli strumenti automatizzati, aspettativa che l’algoritmo possa sostituire l’esperienza maturata in anni di pratica. Ford ha avuto la sfortuna, o forse la fortuna, di operare in un settore in cui i fallimenti sono misurati pubblicamente, i richiami sono registrati da agenzie governative e i premi vengono assegnati da terze parti indipendenti. La maggior parte delle aziende che fa questo errore lo corregge in silenzio e non ne parla.
«L’intelligenza artificiale è uno strumento fantastico, ma è valida solo quanto le informazioni usate per addestrarla», (Slashdot) ha dichiarato Poon. Una frase ovvia, in teoria. Dirompente, nella pratica, perché viene pronunciata da un vicepresidente di una delle più grandi case automobilistiche del mondo, dopo anni in cui il contrario sembrava essere assioma condiviso.
La lezione del caso Ford è scomoda per l’industria globale proprio perché è semplice: l’intelligenza artificiale non è un sostituto dell’intelligenza umana, è un moltiplicatore di essa. E un moltiplicatore, per definizione, vale zero se il fattore che amplifica è zero. Quando si elimina il capitale umano per ridurre i costi, non si ottiene automazione efficiente: si ottiene automazione vuota. Ford lo ha imparato a proprie spese, con anni di qualità in calo, costi di garanzia elevati e una reputazione compromessa. Ora che ha recuperato il terreno, la speranza è che la lezione resti incisa, e non venga archiviata come una fase passeggera del passato industriale da dimenticare alla prima trimestrale in attivo.
Il mercato premia la memoria corta. La qualità, no.
pH Wikipedia