「AIを入れれば高品質な製品ができる」——その思い込みが招いた誤算
シリコンバレーでは今、ある自動車業界のニュースが静かに、しかし確実に波紋を広げている。世界的な自動車メーカー、Fordが「灰色ひげ（gray beard）エンジニア」——つまり、すでに退職や早期離職をしていたベテラン技術者たちを、相次いで呼び戻しているのだ。
理由はシンプルで、かつ重い。AIが期待通りに機能しなかったからだ。
Fordの幹部は率直に認めている。「AIを導入するだけで高品質な製品が生まれると、私たちは誤って信じていた」と。その結果、製造工程やエンジニアリング設計における品質が低下し、現場では熟練した人間の判断を必要とする局面が続出した。
「暗黙知」はモデルに学習させられない
ここで重要なのは、Fordが直面した問題の本質だ。製造業における高度なエンジニアリングには、マニュアル化されていない「暗黙知」が大量に存在する。たとえば、特定の部品がなぜその形状・材質でなければならないのか、過去のどの設計変更が品質トラブルにつながったのか——こうした知識は、社内文書にも仕様書にも残っていないことが多い。
生成AIや機械学習モデル（特定のデータから規則性を学ぶシステム）は、デジタル化された情報の処理には長けている。しかし数十年の経験を持つエンジニアが体に染み込ませてきた「現場感覚」を再現するのは、現状のAI技術には難しい。
Fordが再雇用したベテランたちは、まさにこの暗黙知の「生き字引」だ。彼らの存在は、AIが「効率化ツール」ではあっても「人材の代替品」ではないことを、企業が自ら証明する形になった。
AI万能論への反証として業界に刻まれる事例
この話が興味深いのは、Fordという規模・知名度の企業が公式にこの失敗を認めた点にある。テック系スタートアップや中小企業ではなく、S&P500に名を連ねるグローバル企業が「AIだけでは無理だった」と言い切ったのだ。
近年、製造業・建設・医療などの伝統産業において「DX（デジタルトランスフォーメーション）推進」の名のもとに、経験豊富なベテラン社員を早期退職させ、AIシステムに置き換える動きが加速していた。コスト削減効果が数字として見えやすく、経営判断を後押ししやすいからだ。
しかしFordのケースは、その判断が短期的なコスト最適化に見えて、中長期では品質コストや再雇用コストとして跳ね返ってくる可能性を示している。
シリコンバレー的発想と「現場」の乖離
私はシリコンバレーで長くテック業界を見てきたが、ここではどうしても「スケール（規模拡大）こそ正義」という価値観が幅を利かせやすい。人間1人が担う作業をAIに任せれば、理論上はコストゼロで無限にスケールできる——その発想は魅力的だ。
だが、自動車の設計・製造という物理的制約の多い世界では、スケールより「正確さ」と「経験に基づく判断」が命綱になる。リコール1件が数千億円規模の損失につながりうる業界で、「とりあえずAIに任せてみよう」は通用しない。
Fordの判断は、ある意味でテック業界への問いかけでもある。私たちは本当に「AIが何を得意とし、何を苦手とするか」を正直に評価できているだろうか。
人間とAIの「正しい分業」を模索する時代へ
Fordの事例が示す教訓は、AIを否定することではない。むしろ逆で、AIを正しく使うために人間の専門性をどう位置づけるか、という問いだ。
理想的なのは、ベテランエンジニアの暗黙知をAIが補助的に引き出し、記録・体系化していくハイブリッドな設計だろう。単純作業はAIが担い、経験則が求められる判断は人間が担う——この分業を丁寧に設計することが、製造業のDXにおける次のフロンティアになるはずだ。
「AIを入れれば解決する」という時代は、Fordの告白とともに静かに終わりを告げつつある。