A inteligência artificial promete revolucionar praticamente todos os setores da indústria, inclusive a fabricação de automóveis. Com ela, seria possível identificar defeitos mais cedo, acelerar processos e reduzir custos. Mas uma das maiores montadoras do mundo descobriu que a tecnologia, sozinha, não entrega os resultados esperados. Antes de melhorar seus algoritmos, a empresa precisou recuperar algo que havia perdido ao longo dos anos: o conhecimento acumulado de seus profissionais mais experientes.
A inteligência artificial não resolveu o problema porque faltava algo essencial
Nos últimos anos, a Ford ampliou o uso de inteligência artificial para reforçar os controles de qualidade durante o desenvolvimento de seus veículos. O objetivo era claro: utilizar algoritmos para analisar projetos, identificar possíveis falhas e impedir que defeitos chegassem aos consumidores.
Na teoria, parecia a evolução natural da engenharia automotiva. Afinal, sistemas de IA conseguem processar enormes volumes de dados em poucos segundos, identificar padrões invisíveis ao olho humano e automatizar etapas que antes consumiam muito tempo.
Na prática, porém, os resultados ficaram abaixo das expectativas.
A montadora continuava enfrentando altos custos com garantias e sucessivos recalls. Em 2025, a empresa liderou o número de campanhas de recall nos Estados Unidos, com 153 ações envolvendo quase 13 milhões de veículos, segundo dados da National Highway Traffic Safety Administration (NHTSA).
Foi nesse contexto que os engenheiros perceberam um detalhe importante. Segundo Charles Poon, vice-presidente de engenharia de hardware da Ford, a empresa acreditou que bastaria alimentar a inteligência artificial com requisitos técnicos para que ela encontrasse automaticamente todos os problemas de um projeto.
Mas a realidade era bem diferente.
Os algoritmos dependiam de informações muito mais profundas do que simples especificações técnicas. Eles precisavam aprender com situações reais, decisões de engenharia, falhas históricas e conhecimentos adquiridos ao longo de décadas de experiência prática.
Foi justamente aí que surgiu o verdadeiro obstáculo: parte desse conhecimento havia desaparecido junto com profissionais altamente experientes que deixaram a companhia ao longo dos anos.
A solução foi trazer de volta a experiência humana para ensinar os algoritmos
Diante desse cenário, a Ford decidiu mudar sua estratégia. Em vez de reduzir a participação humana na engenharia, passou a fortalecer justamente os profissionais mais experientes da empresa.
Nos últimos anos, cerca de 350 engenheiros veteranos foram promovidos ou reintegrados para liderar revisões de projetos, orientar equipes mais jovens e colaborar diretamente com o treinamento das ferramentas de inteligência artificial.
Internamente, muitos desses especialistas receberam o apelido de “gray beards”, expressão usada para descrever profissionais com décadas de experiência acumulada. O papel deles não era competir com a inteligência artificial, mas ajudá-la a enxergar aquilo que os algoritmos ainda não conseguiam identificar sozinhos.
Esses engenheiros analisam projetos, antecipam possíveis pontos de falha e alimentam os sistemas com exemplos reais que dificilmente apareceriam apenas em bancos de dados ou documentos técnicos.
Os primeiros resultados começaram a aparecer. No estudo Initial Quality Study 2026, da J.D. Power, a Ford conquistou a melhor colocação entre as marcas generalistas. O índice caiu de 193 para 152 problemas a cada 100 veículos, representando uma melhora significativa em relação ao ano anterior e colocando a empresa na liderança do segmento pela primeira vez em 16 anos.
Modelos como a F-150, o Mustang e a linha Super Duty também alcançaram destaque em suas respectivas categorias.
A melhora ainda não elimina todos os desafios. A montadora continua lidando com recalls relacionados a veículos desenvolvidos em anos anteriores, mas acredita que os investimentos recentes deverão reduzir gradualmente esses problemas.
A principal lição, porém, vai muito além da indústria automotiva. A experiência da Ford mostra que a inteligência artificial é extremamente poderosa para acelerar análises, encontrar padrões e aumentar a produtividade. No entanto, seu desempenho depende diretamente da qualidade do conhecimento utilizado durante seu treinamento. Em setores onde um único erro pode custar milhões de dólares ou comprometer a segurança de milhares de pessoas, a experiência humana continua sendo um ativo que nenhuma máquina consegue substituir completamente.
