El retorno de la maestría en la era de la inteligencia artificial

Los debates sobre si la inteligencia artificial reemplazará el trabajo humano suelen desarrollarse bajo la misma dicotomía: o ganan las máquinas o ganan los humanos. Sin embargo, la reciente apuesta por la calidad de Ford rompe esta simplista oposición. En los últimos tres años, la empresa ha contratado, reincorporado o ascendido a cerca de 350 expertos técnicos experimentados. Estos especialistas forman a los ingenieros jóvenes, dirigen las evaluaciones de diseño, buscan posibles puntos de error antes de que lleguen a la producción y contribuyen al desarrollo de herramientas de calidad basadas en inteligencia artificial.

En las redes sociales, el suceso se resumió como: “La inteligencia artificial fracasó, Ford recuperó a 350 ingenieros”. Es una frase llamativa, pero incompleta. Ford no ha renunciado a la inteligencia artificial; sigue utilizando sistemas de visión, pruebas automáticas y herramientas de validación de software en sus fábricas. Lo que ha cambiado no es la inversión en tecnología, sino la creencia de que la tecnología por sí sola sería suficiente. La realidad que Ford ha descubierto es esta: no se puede garantizar la calidad únicamente con más datos, cámaras y automatización.

Porque la calidad no consiste solo en detectar un producto defectuoso durante el proceso o al final de la línea. El verdadero problema es poder prever por qué surgirá ese error desde la fase de diseño. Un ingeniero experimentado puede intuir que una pieza causará problemas durante el montaje, incluso si no ve nada que contravenga las reglas en el plano técnico. Sabe por su experiencia previa que, aunque una tolerancia sea aceptable sobre el papel, puede generar desviaciones en la fabricación en serie, que un cambio de software entrará en conflicto inesperado con otro sistema o que un proveedor repetirá el mismo problema bajo ciertas condiciones.

No toda esta información está escrita en los procedimientos. En la ciencia de la gestión, esto se denomina “conocimiento tácito”: el saber experto que se forma con la experiencia y que no puede plasmarse totalmente en textos y reglas. A lo largo de los años, el ser humano aprende no solo los resultados registrados, sino también el contexto a partir de las averías, los intentos fallidos, las quejas de los clientes y las crisis de producción que ha vivido. Distingue qué datos son realmente importantes, qué medición puede ser engañosa y qué pequeña señal debe considerarse el presagio de una gran avería. La inteligencia artificial puede encontrar patrones en los datos que se le presentan, pero no puede crear por sí misma una memoria corporativa que nunca se ha transferido al sistema.

Las declaraciones de los directivos de Ford también apuntan en esta dirección. La empresa admite que en años anteriores no dio suficiente importancia a la experiencia de los ingenieros veteranos que habían pasado por numerosos ciclos de desarrollo de productos. Al darse cuenta de esta carencia, la compañía está volviendo a situar a los expertos técnicos experimentados en el centro del proceso. Estas personas no son solo auditores que encuentran errores; actúan como guías que establecen conexiones entre diferentes áreas de ingeniería y alimentan los sistemas de inteligencia artificial con información más precisa.

Los resultados son notables. Ford ascendió al primer puesto entre las marcas del mercado masivo en el estudio de calidad inicial de J.D. Power de 2026 en EE. UU. La puntuación de la marca mejoró en un año, pasando de 193 problemas por cada 100 vehículos a 152. De este modo, Ford se convirtió en líder de esta categoría por primera vez desde 2010. Los modelos F-150, Mustang y Super Duty también ocuparon el primer lugar en sus respectivas clases.

La transformación en Ford no consiste solo en la reincorporación de expertos experimentados. En 2023, la empresa unificó sus unidades de ingeniería de vehículos, producción, cadena de suministro y calidad bajo el mismo sistema industrial; reforzó las revisiones semanales de diseño e involucró a los proveedores en el proceso de desarrollo desde una etapa más temprana. Mientras los trabajadores de fábrica se benefician de sistemas de visión asistidos por inteligencia artificial, el software de los vehículos se somete a cientos de miles de escenarios automáticos antes de llegar al cliente. Es decir, la receta de la mejora no es “apagar las máquinas y llamar de vuelta a los humanos”, sino conectar los procesos, prevenir el error antes de que nazca en lugar de filtrarlo después de producirlo, y poner la tecnología bajo la supervisión del juicio experto.

Aun así, hay que mantener la mesura. El estudio de J.D. Power no se basa en toda la vida útil o la durabilidad a largo plazo de los vehículos, sino en los problemas reportados y los registros de servicio de los nuevos propietarios durante los primeros 90 días. En la clasificación general de marcas, Porsche está por delante de Ford con 138 problemas por cada 100 vehículos. Genesis también está ligeramente por delante de los 152 puntos de Ford con 151 problemas. Además, los problemas históricos de Ford relacionados con las llamadas a revisión no han desaparecido por completo. Por lo tanto, no estamos ante un “milagro”, sino ante una mejora sólida en la dirección correcta.

Esta distinción es importante. Porque leer el caso de Ford como “El humano venció a la inteligencia artificial” sería tan superficial como la afirmación de que “La inteligencia artificial reemplazará a todos los ingenieros”. El resultado alcanzado por la empresa no es producto de una carrera entre el humano y la máquina, sino de una correcta división del trabajo. La inteligencia artificial puede escanear miles de imágenes en segundos, probar cientos de miles de escenarios de software y captar patrones que el ojo humano podría pasar por alto. A cambio, el ingeniero experimentado decide qué pregunta debe hacerse, qué resultado es inusual y qué significa un hallazgo en las condiciones reales de producción.

El problema fundamental aquí no es la tecnología, sino la mentalidad de gestión. Cuando las empresas sacan a los empleados experimentados del sistema para reducir costes o digitalizarse rápidamente, no solo reducen los gastos de personal. También pierden la memoria de los errores pasados, la relación maestro-aprendiz y la capacidad de juicio que se activa en momentos de crisis. Luego, intentan recomprar esta información de bases de datos, proyectos de consultoría o una nueva aplicación de inteligencia artificial. Sin embargo, hay conocimientos que, una vez que las personas que los portan abandonan la institución, no pueden ser recuperados.

Por esta razón, es necesario añadir un “balance de memoria corporativa” junto a las inversiones en inteligencia artificial. ¿Qué información crítica reside solo en la mente de unos pocos empleados? ¿Cómo se transfiere este conocimiento a las nuevas generaciones? ¿Con las evaluaciones de qué expertos se entrenan los sistemas de inteligencia artificial? Cuando la tecnología detecta un error, ¿existe todavía en la institución la competencia humana para comprender la causa raíz? La automatización realizada sin plantear estas preguntas puede generar fragilidad en lugar de eficiencia.

La experiencia de Ford es importante más allá del sector automotriz. En muchos campos, desde la salud hasta la banca, pasando por los medios de comunicación y los servicios de ingeniería, las empresas ven la inteligencia artificial como un atajo para reducir el número de personas. Sin embargo, especialmente en trabajos complejos y de alto riesgo, la ganancia real no proviene de sacar al humano del sistema, sino de aumentar la calidad de la toma de decisiones. Desvalorizar al empleado experimentado para luego llamarlo de vuelta para que entrene a la inteligencia artificial no es transformación digital; es un error de gestión costoso.

La lección que ha aprendido Ford es, en realidad, bastante antigua: la calidad no se crea con el control realizado después de que el producto sale de la línea, sino con la participación desde el principio de personas que poseen el conocimiento adecuado. La inteligencia artificial puede acelerar, ampliar y hacer más visible este proceso. Pero sin el humano que sabe qué es importante, que sospecha donde los datos callan y que reconoce la huella de un error ocurrido anteriormente, el sistema permanece incompleto.

Porque la calidad no es solo datos. La calidad es memoria preservada; es una inversión en el futuro.