2026年6月25日，君迪（JD Power）發布了第40屆美國新車初始質量研究（IQS）報告，這一數據基於新車型出廠後90天內的初始質量得出。福特汽車以每百輛車出現152個問題（152 PP100）的成績登頂主流品牌榜首，距離它上一次拿到這個位置，已經過去了16年。
在整車整體排名上，福特從2025年的第14位躍升至第3位，僅次於保時捷（138 PP100）和捷尼賽思（151 PP100）。在細分市場，福特的 F-150、Mustang和 F系列 Super Duty連續第二年拿下各自市場中的最高分。
這是福特等了很久的一個好消息。但在隨後舉行的媒體吹風會上，福特負責整車硬體工程的副總裁查爾斯·潘（Charles Poon）承認了一個不那麼光彩的事實：「我們曾經錯誤地以為，只要引入 AI，調整一下原有設計要求，就能生產出高質量的產品。」
藉由查爾斯之口，人們終於得知，福特過去幾年質量下滑，根本原因之一在於公司過度依賴 AI和自動化系統，一線資深工程師掌握的經驗知識隨著裁員而流失。
作為補救，查爾斯表示，過去三年間，福特已經陸續重新僱傭、新招或提拔了350名經驗豐富的工程師，由他們帶領新人、重建訓練 AI所需的數據管道，改進原本被設計用來取代人類工程師的自動化工具。
福特從2019年開始進入持續的白領裁員周期。當時，公司在全球一次性裁掉了7,000人，約占白領員工總數的10%。2022年再裁約3,000人。
2023年6月，福特向工程崗位開刀，在美國和加拿大實施新一輪裁員，覆蓋旗下燃油車、電動車和車隊服務三個業務單元，至少1,000個受薪和合同崗位受到影響。福特 CEO吉姆·法利（Jim Farley）曾公開表示，福特的工程部門「比競爭對手多用了25%的工程師來完成同樣的工作」。
到2025年5月，工程部門再次傳出裁員。2025年6月，吉姆在阿斯彭思想節（Aspen Ideas Festival）上判斷，「AI將取代美國一半的白領。」
福特引入 AI的決策可以追溯至千禧年初期。2002年左右，公司率先將神經網絡嵌入發動機失火檢測等場景中，但大規模部署 AI、使其進入設計驗證和質控決策層，是在2022年之後。
2017年，福特向主營 L4級別無人駕駛的初創公司 Argo AI投資10億美元。但到2022年10月，燒了錢卻沒看到多少產出，福特選擇撤資，並在後續將 AI應用的重心轉向更務實的輔助駕駛和製造質控。
2023年起，福特在位於密西根州的一家工廠率先部署移動 AI視覺檢測系統，用手機拍照加圖像比對來判斷零部件安裝是否到位。據查爾斯透露，公司在發動機熱測試環節部署了 AI異常檢測：在每台發動機上採集數百個數據點，結合之前數千台的數據，由 AI尋找微小偏差，只要發現異常，哪怕在公差範圍內，對應產品和零件都會被拉下產線復檢。
一系列操作下，2023年當年，福特在君迪 IQS榜單排名第15位，2024年仍低於行業平均水平。2025年，福特發起了153次召回，涉及近1,300萬輛車，創下單一車企單年召回數的行業新高。
截至2026年6月，福特已經發起51次召回，覆蓋超1,100萬輛車，仍然是全美召回數最多的車企，是排名第二的車企（Stellantis，19次）的兩倍多。但與此同時，2026年，福特的 IQS排名卻跳到了第一，每百輛問題數比上一年下降了41個，在所有主流品牌中改善幅度最大。
考慮到汽車開發周期通常是3~5年，如今召回創新高，原因要從三年前找。這樣一來，裁員加速、AI部署擴大和質量惡化的交匯點就落在了2022到2023年。
福特目前部署的 AI應用大致分兩類。一類是產線上的檢測 AI：視覺比對零件安裝、熱測試找發動機異常、對幾百個數據通道做模式識別。這一類技術成熟、規則相對明確，能直接向操作員提示設備異常情況。查爾斯肯定了 AI在這一場景中的應用，認為這是人類檢驗員很難做到的事情。
另一類則是設計驗證和質控決策層面：由 AI判斷設計方案是否可行、材料組合會否在極端工況下出問題、跨系統的接口設計是否會帶來軟體衝突。用 AI替代人工，最終出問題的正是這一環節。
資深工程師在多個產品周期中積累的豐富經驗，構成了他們在設計驗證環節不可替代的核心價值。這些判斷都是難以直接被書面總結、用於 AI訓練的「隱性知識」。查爾斯承認，AI的好壞完全取決於訓練數據的質量，然而，資深工程師早在收集數據前就已經離開，AI能學到的只有不完整的版本。
福特首席營運長庫馬爾·加洛特拉（Kumar Galhotra）雖然承認，公司越來越多依賴自動化質控系統，沒有得到想要的結果。但同時，福特在汽車軟體的驗證流程里依然新增了超10萬個由 AI驅動的自動化測試，覆蓋各種邊緣場景。
對於這種用 AI填 AI挖的坑的行為，查爾斯解釋稱，公司正把質量管理理念從「出了問題再修」轉向預防優先，最近18個月專門成立了一個40人的軟體質量保證團隊，專門在生產環節之前攔截可疑問題。
他還表示，汽車軟體不能學矽谷「先發布後修復」的套路。手機軟體卡頓事小，但汽車制動系統出問題將關乎人命。
AI進入產業鏈，因缺乏行業經驗導致企業產品質量下滑的案例中，上一個代表性案例是瑞典金融科技公司 Klarna。2022到2024年間，Klarna削減了約700個客服崗位，主要被替換為與 OpenAI合作開發的 AI助手。
CEO塞巴斯蒂安·謝米亞特科夫斯基（Sebastian Siemiatkowski）甚至公開聲稱自己是 OpenAI「最喜歡的小白鼠」。這套系統在量化指標上確實出色，上線一個月內處理了230萬次對話、覆蓋75%的客戶交互、支持35種語言。公司同期總員工數從5,527人降到3,422人，縮減約40%。
到2025年5月，塞巴斯蒂安卻在彭博社（Bloomberg）的訪談中表示：「我們太注重效率和成本，結果卻是質量下降，AI帶來的效率提升也是不可持續的。」因此，Klarna開始重新招聘可以遠程兼職的真人客服。諮詢公司高德納（Gartner）已經給出了預測：到2027年，因 AI裁減客服崗位的企業里，將有一半會被迫重新招人。
（來源：Ford）
為什麼部分企業低估了資深人士的不可替代性，同時卻高估了 AI解決專業問題的能力？原因可能是多層面的。
首先是激勵結構。裁員帶來的成本節約是即時、可量化的，對於上市公司而言，甚至可以寫進當季的財報里，用於拉升股價；與此同時，人才流失導致的質量下降是滯後的、難以歸因的，只有當問題在後續幾年間出現，決策者才會意識到做錯了選擇。
第二是指標錯位。AI系統在可測量的維度上往往表現良好，在汽車領域，它能提升檢測速度、處理量，進而降低單位成本。但它替代不了是不容易被指標捕捉，卻至關重要的經驗資源。福特的 AI每天可以檢測海量發動機數據，實時表現亮眼。但在設計驗證環節引入 AI，判斷力的退化無法通過指標即時體現。
按照當前 AI的能力，學習這些經驗並非難事，但裁員的速度跑在了 AI能力成熟度的前面，珍貴的訓練數據難以回流至訓練階段。哈佛商業評論（Harvard Business Review）2025年底對1,006名全球高管進行的調查顯示，60%的企業已因 AI減少了人員編制，但只有2%表示，大規模裁員與 AI的實際部署有關。
AI在標準化檢測環節表現良好是客觀事實，福特也因此加大了投入。但當企業決定用 AI取代人類，參與設計方案決策，流失的卻是靠多個產品周期才能沉澱出來的無形資產。查爾斯為這類經驗做了具體闡釋：「資深工程師在問題滲入系統之前就能識別和解決它們」。
AI接管判斷決策層，最有效的路徑或許是讓人類工程師親手訓練系統。福特連這一步都沒走完就啟動裁員，最後還是要把人請回來給 AI補課。當然，讓 AI「蒸餾」自己的知識對老員工而言實在談不上公平，但在企業層面，至少不會丟了產品質量，損失市場信譽。
