Ford Akui Terlalu Andalkan AI, Rekrut 350 Insinyur Berpengalaman

Ford tidak membuang AI sepenuhnya. Para eksekutif menegaskan bahwa AI akan tetap dipakai, tapi sekarang berdampingan dengan pengawasan manusia. Para insinyur yang kembali itu juga bertugas melatih dan menyempurnakan sistem AI untuk penggunaan masa depan. Jadi bukan soal memilih antara manusia atau mesin — melainkan soal urutan prioritas yang tepat.

Konteks yang Lebih Luas: Ford Sedang Berjuang di Banyak Front

Cerita kualitas ini tidak bisa dipisahkan dari tekanan besar yang sedang dihadapi Ford. Unit kendaraan listrik mereka membukukan kerugian 4,8 miliar dolar AS sepanjang 2025. Penjualan Mustang Mach-E, F-150 Lightning, dan E-Transit turun 14 persen dibanding tahun sebelumnya.

CEO Jim Farley mengakui kenyataan pahit ini dalam earnings call Februari lalu. “Pelanggan sudah berbicara. Itulah intinya,” katanya singkat.

Angkanya bicara sendiri. F-150 Lightning hanya terjual 27.307 unit sepanjang 2025, turun 18,5 persen dari 2024. Mustang Mach-E mencatat 51.620 unit, stagnan. Padahal dulu Ford menerima 200.000 reservasi untuk Lightning dan memproyeksikan penjualan tahunan 150.000 unit. Jauh meleset.

Pencabutan kredit pajak federal sebesar 7.500 dolar AS pada September tahun lalu memperparah situasi. Penjualan Lightning bulan Desember 2024 tercatat 5.197 unit — setahun kemudian, angka itu tinggal 1.724 unit. Anjlok lebih dari 60 persen.

Ford juga masih menjadi produsen otomotif paling banyak mengalami recall di Amerika Serikat. Meski para eksekutif menegaskan masalah-masalah recall itu merupakan warisan dari era otomasi lama — bukan cerminan perbaikan kualitas yang sedang berjalan saat ini.

Apa Pelajarannya untuk Industri?

Kisah Ford bukan tentang AI yang jahat atau manusia yang lebih unggul secara universal. Ini tentang kegagalan memahami batas kemampuan teknologi dalam konteks yang spesifik.

Inspeksi kualitas manufaktur otomotif melibatkan variabel yang sangat kompleks: getaran, material yang sedikit berbeda dari satu batch ke batch berikutnya, kondisi lingkungan pabrik, interaksi antar-komponen yang baru muncul setelah ribuan jam penggunaan. AI butuh data historis yang kaya dan berlabel dengan benar untuk belajar mengenali masalah seperti itu. Dan data terbaik justru ada di kepala para insinyur yang pernah menghadapinya langsung.