Ford が、AI 主導の取り組みが製品品質を実現できなかった後、いわゆる「グレイビアード(白髪)」エンジニアを呼び戻すことを決定したことは、単なる企業の方針修正以上の意味を持つ。これは、企業の AI に対する期待の広範な再調整における一つのデータポイントであり、まさに今、あらゆる企業の取締役会が積極的な自動化支出を正当化することを求められている時期に起きている。

Ford が示した誤り――プロセスに AI を注入すれば自動的に優れた成果が得られると想定したこと――は、この周期における経営上の決定的な過ちである。生成モデルや予測モデルは、明確に境界が定められた問題内でのパターン補完において優れている。しかし、暗黙知、エッジケースの判断、物理的安全性に対する説明責任が支配的な領域では、その性能は急激に低下する。自動車工学は、公差がミクロン単位で測定され、リコールに数十億ドルのコストがかかる、まさにそのような領域である。この教訓は、航空宇宙、医療機器、産業システム、そして自信を持った誤った出力のコストが単に煩わしいだけでなく壊滅的となるあらゆる分野に適用できる。

経営幹部にとっての戦略的要点は、AI を人員削減の代替物として位置づけることをやめ、保持された専門知識の上に重ねられる生産性の乗数として扱い始めることである。AI で成功している企業――NVIDIA の設計チーム、主要な半導体ファウンドリ、トップクラスの製薬 R&D グループ――は、モデルと、機械の出力を監査し、覆し、文脈化できる深いドメイン知識を持つ人間の責任者とを組み合わせている。AI イニシアチブの資金を確保するためにシニア人材を削減した企業は、今、AI を安全に展開するために必要な評価能力そのものを破壊したことに気づいている。プレミアム付きでの再雇用は、予測可能で高価な続編である。

また、価格に織り込む価値のある労働市場のシグナルもある。苦労して得た組織知識を持つ中堅およびシニアエンジニアは、AI で飽和した環境において、より価値が低くなるのではなく、より高くなっている。なぜなら、彼らは AI を使用可能にする希少資源だからである。二極化が予想される。ルーティンのジュニア職は圧縮される一方、専門家による監督職は賃金上昇を要求する。投資家は、ドメインエキスパートを再配置するのではなく削減することに依拠する「AI 効率化」の話には精査が必要である。

推奨される行動:AI の展開を、すべての重要なチェックポイントで人間による説明責任を伴う品質保証された工学分野として扱うこと、シニアスタッフをオフロードするのではなく保持し再教育すること、そして速度だけでなく欠陥率や手戻りに対する AI の影響を測定する内部指標を構築すること。Ford の教訓を――それを経験するのではなく、ここで読むことによって――安価に学ぶ企業は、持続可能な優位性を保持するだろう。