Ford Merekrut Kembali Inspektur “gray beard” Setelah Pemeriksaan Kualitas dengan AI Tersendat

• Ford Motor Co. memanggil kembali para insinyur veteran yang disebut “gray beard” untuk mengurangi masalah kualitas yang sudah menahun, menugaskan mereka melatih karyawan muda dan melengkapi tool AI
• Dalam 3 tahun terakhir, perusahaan telah merekrut 350 insinyur veteran; banyak di antaranya adalah mantan karyawan Ford, sementara sebagian berasal dari pemasok
• Mengandalkan tool AI saja, yang tidak memberikan hasil sesuai harapan, membuat penanganan kualitas menjadi sulit, dan masalah kualitas telah menimbulkan biaya hingga miliaran dolar bagi perusahaan
• Tenaga kerja yang direkrut kembali bertugas meneruskan penilaian lapangan sekaligus menyesuaikan ulang tool AI yang digunakan untuk penanganan kualitas
• Ford menempati peringkat pertama di antara merek mass-market dalam JD Power Initial Quality Survey terbaru yang dirilis pada hari Kamis

---

Penanganan kualitas yang dilengkapi tenaga veteran

• Ford Motor Co. menanggapi masalah kualitas yang telah berlangsung lama bukan dengan otomatisasi saja, melainkan dengan kembali mengerahkan tenaga berpengalaman
• Para insinyur yang oleh perusahaan disebut “gray beard” membantu penilaian karyawan muda dan memprogram ulang tool AI yang tidak memberikan hasil sesuai harapan

Merekrut kembali 350 orang dalam 3 tahun

• Ford telah merekrut 350 insinyur veteran selama 3 tahun terakhir
• Tenaga yang direkrut mencakup banyak mantan karyawan Ford, serta insinyur dari pemasok
• Mereka dikerahkan untuk menangani masalah kualitas yang sebelumnya tampak sulit diselesaikan

Keterbatasan tool AI dan beban biaya

• Tool AI Ford yang digunakan untuk menyelesaikan masalah kualitas belum mampu menjalankan peran yang diharapkan secara memadai
• Masalah kualitas telah menimbulkan biaya hingga miliaran dolar bagi Ford
• Perusahaan berupaya memanfaatkan pengalaman para insinyur veteran untuk sekaligus melengkapi tool AI dan kemampuan karyawan muda

Hasil survei JD Power

• Ford meraih peringkat pertama di antara merek mass-market dalam JD Power Initial Quality Survey terbaru yang dirilis pada hari Kamis
• Hasil ini disajikan sebagai capaian setelah perekrutan kembali insinyur veteran dan upaya menangani masalah kualitas

[GN⁺]

Opini Hacker News

• Sebagai orang yang pernah mengalami demam offshoring pada pertengahan 2000-an, arus kali ini juga hampir mengikuti lintasan yang sama
  Para CEO/CFO perusahaan besar mengobrol dengan teman main golf mereka tentang “berapa banyak yang dihemat dengan tenaga kerja luar negeri”, lalu pada tahap 1 mem-PHK banyak orang dan mengirim pekerjaan ke luar negeri, sehingga metrik keuangan terdongkrak selama 5–6 kuartal
  Saat masuk tahap 2, karyawan dan organisasi mulai rusak, dan terungkap bahwa hambatan budaya serta komunikasi masih sulit dilampaui secara efisien. Hanya segelintir yang benar-benar bisa melakukannya dengan baik, sebagian besar tidak cocok
  Sekitar tahap 3, orang-orang yang mampu mencari pekerjaan lain sudah pergi, dan perusahaan tersisa seperti cangkang yang hangus, lalu pada tahap 5 lenyap secara alami
  • Intinya adalah keuntungan jangka pendek. Para partner dari perusahaan seperti Accenture dan Infosys mengelilingi eksekutif perusahaan industri lama, dan meski kinerja perusahaan memburuk, itu bisa ditutupi sementara dengan trik akuntansi
    Lalu ketika satu kuartal benar-benar hancur, seluruh tahun fiskal ikut goyah, saling lempar tanggung jawab dimulai, dan muncul istilah seperti “mengencangkan ikat pinggang” serta “mengubah biaya tetap menjadi biaya variabel”
    Pada saat itu, proposal yang diajukan Big Consulting, yang bisa langsung dicatat sebagai penghematan pada tahun fiskal ini, terlihat sangat menarik
    Retakannya cepat terlihat: manajemen program/proyek kurang, kualitas layanan terasa menurun tetapi tidak ada metrik, ketika tim pertama pergi tenaga outsourcing harus dilatih ulang, dan estimasi skala proyek baru pun tidak bisa dilakukan
    Di dalam unit bisnis muncul departemen IT bayangan, dan penyedia outsourcing tidak tertarik pada konsolidasi vendor atau menekan vendor lain
    Jika tujuannya memperbaiki departemen IT yang secara kronis berkinerja buruk secara strategis, mungkin ada nilainya; tetapi jika dilakukan tergesa-gesa untuk menutupi lesunya bisnis inti, hampir tidak efektif
  • Bagian lucunya, meski semua orang sepakat bahwa kepemimpinan seperti ini sudah rusak, begitu mereka sendiri naik ke posisi dengan wewenang dan pengambilan keputusan serupa, kebanyakan akhirnya melakukan hal yang sama
  • Ini masih terus terjadi sampai sekarang, hanya saja mereka berusaha menyisakan beberapa tenaga teknis internal. Masalahnya, secara teori staf internal tidak boleh melakukan perubahan langsung dan hanya harus “membantu”, jadi insentif untuk tetap tinggal rendah
  • Solusinya tentu saja melampaui hambatan budaya dengan AI. Karena AI juga menerjemahkan, tenaga luar negeri bahkan tidak perlu bisa bahasa perusahaan, dan biaya bisa dipangkas lebih jauh /s
• Terlepas dari gagasan mengganti karyawan dengan AI yang memang picik, Ford telah memecat karyawan yang salah
  LLM bekerja paling baik di tangan engineer senior yang terampil, yang sudah memahami komponen-komponen di bawahnya dan bisa bekerja pada tingkat abstraksi tinggi
  Dalam arti tertentu, memakai agen LLM mirip dengan memberi instruksi kepada junior yang sangat pintar dan cepat, tetapi punya blind spot dan kurang pengetahuan organisasi
  Orang yang pandai melakukan itu adalah senior; kalau seniornya di-PHK, berarti mereka melepas orang-orang yang paling mampu memanfaatkan LLM
  • Itu hal paling mendasar. Untuk membuat prompt pekerjaan arsitektur yang kompleks, setidaknya pada tingkat abstraksi kita harus tahu solusinya
    Jika tidak ada rancangan sistem yang benar di kepala, LLM mana pun tidak akan bisa menciptakannya dari kehampaan
  • Siapa yang bilang Ford mem-PHK karyawan? Di artikel tidak ada isi seperti itu
• Karena model-modelnya tidak memenuhi hype, arus seperti ini secara umum akan menjadi perkembangan standar
  LLM dan agen sangat membantu saat memecahkan masalah sulit, tetapi belum sampai tahap di mana kita cukup melakukan desain dan arsitektur lalu menyerahkan semua pekerjaan sisanya
  Memang makin dekat, dan untuk kasus penggunaan tertentu mungkin sudah bisa, tetapi untuk pekerjaan level rendah atau migrasi skala besar di perusahaan besar masih belum memadai
  Ada agen, dan kami juga memakai agen dari agen, tetapi tetap saja ada bagian besar proyek yang harus dipotong karena kodenya sampah dan dilemparkan ke anjing. Ini berdasarkan GLM-5.2
  • Di sini pengembangan berbasis dokumen membantu. Sekitar 75% alur kerja saya adalah membuat dokumen pada tingkat abstraksi yang makin rendah hingga akhirnya menjadi kode
    Setelah lolos pengujian, biasanya kodenya optimal, rapi, bebas bug, dan terdokumentasi dengan sangat baik
    Namun manusia tetap harus terus ikut campur secara iteratif
• https://archive.is/DI4Cq
  The Verge juga membahasnya:
  https://www.theverge.com/transportation/956316/ford-quality-...
  • Semua media seharusnya lebih banyak membahas ini
• Alasan AI gagal di lingkungan industri adalah karena SKILL.md atau metode injeksi pengetahuan lainnya tidak menjamin kepatuhan. AI menganggap dirinya “lebih tahu”
  • Teman saya juga menyiapkan banyak mekanisme seperti hook untuk mencegah ini, tetapi LLM tetap kadang melanggarnya
    Saya tidak terlalu berharap ada solusi yang benar-benar sempurna untuk ini
  • Saya tidak yakin apakah ini sindiran. Menurut saya alasan utamanya gagal adalah karena banyak pengetahuan dan pengalaman bersifat intuitif dan tidak terdokumentasi
  • Kalau kepatuhan adalah masalah intinya, kita tidak perlu repot-repot menemukan cara agar komputer tidak hanya melakukan persis sesuai instruksi
• Engineer software Amerika membutuhkan serikat pekerja
  Kalau belum bekerja di tempat lain, saya tidak akan kembali tanpa kenaikan gaji 20% dan kontrak yang sangat kuat
  • Industri ini berulang antara boom dan bust. Proyek muncul lalu hilang, dan meski bekerja di perusahaan software, tingkatnya hanya sedikit lebih ringan
    Jika menginginkan stabilitas dengan menerima potensi kenaikan yang lebih terbatas, pekerjaan yang terus membutuhkan pengelolaan IT/server mungkin lebih baik
• Ford telah merekrut 350 engineer selama 3 tahun terakhir, dan ini terjadi bersamaan dengan kurangnya penggunaan alat inspeksi AI
  Ini tidak ada hubungannya dengan LLM, dan hampir pasti soal pilot MAIVIS dan AiTriz yang melakukan inspeksi visual dengan jaringan saraf konvolusional (CNN) lama pada hardware IBM khusus
  • Benar. Banyak orang sepertinya melewatkan poin penting soal waktu. Kesalahannya disadari 3 tahun lalu, dan lead time dalam desain mobil serta proses manufaktur itu panjang
    Selain itu, pemicu cerita ini adalah “Ford kembali ke peringkat atas survei kualitas JD Power”, jadi keterlambatan pemberitaan saja menambah 6–18 bulan lagi
    Dengan begitu, kesalahan PHK semula terjadi 5–8 tahun yang lalu

Saya tidak tahu kapan “pilot MAIVIS dan AiTriz” yang disebutkan itu diimplementasikan, tetapi kemungkinan lain adalah tim PR Ford melihat narasi reaksi balik AI sedang populer sekarang, lalu secara oportunistis menonjolkannya untuk menjelaskan peristiwa berita positif yang kemungkinan punya banyak penyebab
Secara pribadi, menurut saya artikel-artikel bertema “reaksi balik AI” seperti ini perlu dipandang secara terbatas, sama seperti tema “pengurangan tenaga kerja karena AI” yang dulu dipakai perusahaan untuk membenarkan PHK yang memang ingin mereka lakukan

• Judul kirimannya adalah “Ford rehires 350 engineers after AI fails to preserve expertise or train juniors”, tetapi isi artikelnya tidak begitu
  Untuk pengirim: “Please submit the original source. If a post reports on something found on another site, submit the latter.” - https://news.ycombinator.com/newsguidelines.html
  Sekarang sudah dikembalikan ke judul asli artikel
  Sebagai tambahan, media kadang mengubah judul artikel, jadi biasanya pengirim sudah mengikuti pedoman, tetapi kami kadang butuh waktu untuk mengejarnya
• Benar, ini tampaknya tidak terkait dengan AI. Semoga komentar ini naik ke posisi teratas
• Upaya pertama gagal sehingga mereka mundur selangkah, tetapi setelah beberapa waktu mereka akan mencoba lagi dan mem-PHK orang-orang itu lagi
  • Impian tentang mesin tenaga kerja abadi adalah obsesi para kapitalis sampai-sampai mereka rela menghancurkan bumi demi mengejar mimpi fiktif. Para penindas harus dihentikan
• Ada dua jenis pengetahuan. Ada pengetahuan eksplisit yang dapat dengan mudah dikodekan dalam file Markdown atau wiki, dan ada pengetahuan tacit yang terutama tersimpan dalam pengalaman anggota organisasi
  Pengetahuan eksplisit itu seperti puncak gunung es dari pengetahuan organisasi yang sangat besar
  • Pengetahuan tacit itu tidak punya nilai yang mudah dikuantifikasi dan tidak muncul di laporan laba rugi, sehingga sebagian besar eksekutif tidak mempertimbangkannya
    Sepanjang karier, saya berulang kali melihat hal seperti ini. Jika ini tidak dipertimbangkan ketika seseorang pergi atau terjadi PHK, perusahaan akan kelabakan belakangan untuk memahami prosedur yang selama bertahun-tahun diam-diam dijalankan atau dipelihara seseorang dan tidak pernah dipikirkan orang lain
  • Mungkin bisa memakai proses distilasi. AI dibuat terus-menerus bertanya kepada engineer senior, tentu saja itu tidak boleh dilakukan. Seperti memeras minyak dari zaitun
• Mencoba berpikir sederhana. Jika ada perusahaan dengan 100 karyawan yang membangun 12 rumah sekaligus, mereka bisa bereksperimen mengganti tim rangka beranggotakan 6 orang dengan tim 2 orang + 1 robot
  Mereka bisa mencoba beberapa eksperimen untuk melihat apakah ada pilihan yang lebih baik, dan biayanya ditanggung oleh 4 karyawan
  Jika perusahaan dengan 1.000 karyawan membangun 100 rumah sekaligus, mereka bisa mengurangi sekitar 12 orang untuk membentuk 3 tim robot
  Bahkan jika perusahaan dengan 10.000 karyawan membangun 1.000 rumah sekaligus, beberapa tim saja tetap cukup untuk eksperimen, dan karyawan yang terdampak hanya sekitar 20–30 orang
  Mengejutkan bahwa sebuah perusahaan bisa begitu jauh dari bisnisnya sendiri sampai tidak memahami dampak perubahan tanpa kerugian massal sebesar ini