포드(Ford)가 최근 JD 파워(JD Power) 초기 품질 평가에서 16년 만에 1위를 차지하며, 그 과정에서 겪었던 흥미로운 교훈을 공개했습니다. 회사는 자동화 시스템에 대한 과도한 의존이 오히려 품질 저하를 초래했으며, 이를 해결하기 위해 퇴사했던 숙련된 엔지니어들을 다시 고용해야 했다고 밝혔습니다.
포드의 차량 하드웨어 엔지니어링 부사장 찰스 푼(Charles Poon)에 따르면, 회사는 인공지능(AI) 도입과 설계 요구사항 조정만으로 고품질 제품을 만들 수 있다고 오판했습니다. 하지만 실제로는 AI 모델 학습에 사용된 데이터의 품질이 충분하지 않았고, 숙련된 엔지니어들이 축적한 제도적 지식(institutional knowledge)의 가치를 과소평가했습니다. 특히 일부 베테랑 엔지니어들이 퇴사하면서 그들의 지식이 자동화 시스템에 완전히 이전되지 못했고, 이는 익스플로러(Explorer)와 에비에이터(Aviator) 출시 당시 품질 문제로 이어졌습니다. 이에 포드는 350명 이상의 숙련된 엔지니어를 재고용하거나 승진시켜, 젊은 엔지니어들을 멘토링하고 AI 시스템의 데이터 수집 및 학습을 개선하는 데 투입했습니다.
이번 사례는 AI와 자동화 기술 도입 시 인간의 전문성과 경험이 얼마나 중요한지를 명확히 보여줍니다. AI는 강력한 도구이지만, 그 효과는 결국 AI를 훈련시키는 데이터의 품질과 이를 설계하고 관리하는 인간의 역량에 달려있습니다. 포드는 이러한 시행착오를 통해 단순히 문제를 '발견하고 고치는(find and fix)' 방식에서 벗어나, 문제가 발생하기 전에 '예방하는(prevent)' 방식으로 품질 관리 철학을 전환했습니다. 또한, 소프트웨어 개발의 속도와 유연성을 자동차 엔지니어링의 엄격한 검증 요구사항과 결합하기 위해 노력하고 있으며, 40명 규모의 소프트웨어 품질 보증팀을 신설하고 10만 개 이상의 AI 기반 테스트를 추가하는 등 품질 개선에 박차를 가하고 있습니다. 이는 AI 시대에도 인간 전문가의 역할이 결코 줄어들지 않으며, 오히려 기술과 인간의 협력이 더욱 중요해진다는 점을 시사합니다.