Компания сделала ставку на искусственный интеллект в производстве — и была вынуждена вернуть сотни опытных инженеров, чтобы восстановить качество.

Я объясняю, почему это не провал технологии, а типичная управленческая ошибка — и что она означает для российского рынка, где дефицит инженеров превышает 600 тысяч человек.

Что важнее — мощный алгоритм или живой опыт инженера? Я задаю себе этот вопрос постоянно, когда разбираю кейсы крупных компаний. История Ford, который недооценил людей ради ИИ, даёт мне неожиданно прямой ответ. И этот ответ стоил компании нескольких лет работы.

Что произошло

Как сообщает The Verge (25 июня 2026 года), Ford возглавил рейтинг качества J.D. Power 2026 U.S. Initial Quality Study среди массовых брендов — но добился этого неожиданным способом. Компания вернулась к опыту «седобородых инженеров» после неудачного внедрения ИИ-систем.

Логика была стандартной: ИИ плюс новые проектные требования должны сами по себе дать высокое качество. На практике оказалось иначе. Часть самых знающих специалистов покинула компанию до того, как алгоритмы были должным образом обучены, — и качество просело.

Чтобы исправить курс, Ford нанял или вернул около 350 опытных инженеров — чтобы они обучали и молодых сотрудников, и сами ИИ-инструменты. При этом топ-менеджеры честно признали: отзывы автомобилей остаются «запаздывающим индикатором» качества, и настоящие последствия ошибок видны не сразу.

Показательно, что от ИИ Ford не отказался. Наоборот — расширил автоматизированное тестирование. Но теперь алгоритмы ускоряют проверки, а осмысленность им придают люди.

Что я вынес из этой истории

Я не владею автозаводами и не управляю корпорацией с вековой историей. Я предприниматель, который годами изучает закономерности успеха — в том числе на примере крупных владельцев капитала, строивших империи в разных отраслях. И история Ford для меня — квинтэссенция урока, который я вижу раз за разом.

Я убеждён: ИИ — это рычаг, а не замена. Сначала экспертиза, потом алгоритмы. Не наоборот.

Сильнейшие игроки, за чьими решениями я слежу, не спрашивают: «Что может сделать ИИ?» Они спрашивают: «Кто наши лучшие люди и как мы усиливаем их с помощью ИИ?» Для меня эта разница — колоссальная.

Ford допустил ошибку, которую я наблюдал в десятках компаний — от стартапов до промышленных гигантов. Соблазн автоматизации затмил уважение к живому опыту. Но качество — это не формула «алгоритм плюс требования». Это наследие знаний, которые передаются от инженера к инженеру через продуктовые циклы.

Как это отражается на российском пользователе

Для России я вижу этот кейс особенно показательным — по трём причинам, и все они подкреплены свежими цифрами.

1. Автопром: риск повторения ошибки на локальной сборке. Российский рынок сегодня — это прежде всего китайские бренды и локальная сборка. По данным «Автостата», в 2025 году доля местной сборки китайских авто выросла вдвое и достигла 43–50% продаж. Лидер локализации — завод Haval в Тульской области, где собирается до 93% машин бренда.

И вот здесь ошибка Ford становится прямым предупреждением. Когда производство переносится в новую страну, а инженерная школа ещё не сформирована, соблазн «закрыть» пробел автоматизацией огромен. Но эксперты «Автостата» уже фиксируют закономерность: больше всего нареканий — по машинам «серого» импорта, которые не прошли климатическую адаптацию для РФ (отказы электроники, замерзание мультимедиа зимой). На официальные, локализованные автомобили жалоб на порядок меньше. Вывод для покупателя прост: качество определяют люди, которые адаптируют продукт под реальные условия, а не только конвейер и алгоритмы.

2. Кадры: дефицит, который нельзя закрыть одним ИИ. Это самый острый момент. В России, по консенсус-оценкам отраслевых исследований (включая Forbes), совокупный дефицит дипломированных инженеров на конец 2025 года — около 600 000 человек. Минпромторг оценивает нехватку рабочих и инженерно-технических специалистов в обрабатывающей промышленности в 2 миллиона. Острее всего — в промышленной роботизации (минус 42 тыс. человек) и кибербезопасности промышленных систем (минус 35 тыс.).

При таком голоде соблазн заменить недостающих людей алгоритмами велик как нигде в мире. Но кейс Ford показывает финал этого сценария: без опытных специалистов, которые обучают ИИ, экономия оборачивается годами исправлений и повторным наймом — уже по более высокой цене. Для российского бизнеса это прямой сигнал: ИИ должен усиливать оставшихся экспертов, а не создавать иллюзию, что без них можно обойтись.

3. Цифровые сервисы: где проходит граница «человек — алгоритм». Российские банки, ретейл и IT — среди мировых лидеров по внедрению ИИ. Роботы в крупных банках уже обрабатывают до 9 из 10 входящих звонков. ВТБ научил ИИ-ассистента отрабатывать более 1700 сложных сценариев, Сбер перевёл поддержку на генеративную модель GigaChat, а у ретейлера Hoff семантический ИИ-поиск показал ROI 743%.

Но пользователи знакомы и с обратной стороной — чат-ботами, которые не решают проблему. И вот что важно: самые зрелые игроки уже пришли к модели Ford. Показателен подход Yandex Cloud, где ИИ работает «в режиме суфлёра» — анализирует диалог и подсказывает живому оператору решение, а не заменяет его полностью. Это ровно та философия, к которой Ford вернулся после кризиса: алгоритм ускоряет, человек отвечает за смысл. Для рядового пользователя это разница между сервисом, который реально помогает, и стеной автоматических ответов.

Главный вывод

Для меня история Ford — не про провал ИИ. Это история о том, что настоящая трансформация начинается не с машин, а с людей, которые их обучают. Зрелый подход, который я вижу у сильнейших игроков — от Детройта до российских банков, — не слепая вера и не отторжение, а интеграция опыта и алгоритмов.

Особенно это верно для России с её кадровым дефицитом: здесь каждый опытный инженер стоит на вес золота, и разменивать его на скорость автоматизации — стратегическая ошибка. Когда компания это понимает, она перестаёт быть организацией, которая просто внедряет технологии. Она становится организацией, которая учится.

Источники: The Verge, J.D. Power, «Автостат», Forbes, Минпромторг, TAdviser, Yandex Cloud.