被 AI 取代的老師傅，最後變成 AI 的老師

「我們曾錯誤地以為，只要引入 AI，再把設計要求輸入系統，就能做出高品質產品。」 這是福特汽車工程副總裁 Charles Poon 今年對彭博說的話。三年前，他在生產線裝了 900 台 AI 攝影機，讓系統自動抓品質問題，資深品質工程師那時看起來是可以精簡的人力。 那 900 台攝影機現在還在跑。被請回來的，是 300 多個頭髮花白的老師傅，公司內部叫他們「灰鬍子」。 但他們不是回來做品管的。他們的工作是帶年輕工程師、主持強制性的故障排查會議，以及改進那些 AI 工具。福特把他們請回來，是讓他們去教 AI。 這個地方值得停一下。AI 攝影機還在跑，品質偵測系統沒有被放棄。但裡面有一個問題一直沒被問到：AI 從哪裡學到「這條焊縫表面看起來沒問題、幾年後在震動下可能會鬆」這件事？ 那種判斷，沒有人寫在規範手冊裡。它存在於一個在工廠做了二十幾年的工程師的腦子裡。公司把這些人裁掉，再把 AI 請進來，AI 能學到的只有那些被寫下來的規格。沒被寫下來的部分，一起走了。 2023 年，Klarna 讓 AI 客服接了相當於 700 個員工的工作量，每年省 4000 萬美元，滿意度跟著暴跌。到 2025 年，CEO 自己承認做過頭，又開始把人請回來。豐田做法不同，當其他工廠搶著換機器人，豐田讓工匠重新手工打造零件，先理解材料和工序，再去改進機器人的動作程序。同樣都是人機搭檔，先後順序不同，結果差很多。 這類失誤出現時，AI 通常學到了應該學的，只是那些最難表達的判斷從來沒有被給進去。企業最有價值的那批知識，往往沒有人寫清楚，因為做得到就做得到，從來沒有人需要解釋。等 AI 進來了才發現，這些東西不在系統裡，不在文件裡，只在那些已經離開的人腦子裡。 福特的灰鬍子現在每天做的事，就是把那些說不清楚的判斷，一條一條翻出來，翻成機器讀得懂、年輕人接得住的語言。從師父那裡學來的，現在換他們教給 AI。 你在某個行業做久了，那些說不清楚但一眼就知道有問題的判斷，是 AI 現在最需要、最難找到的訓練資料。因為它從來沒有被好好寫下來過。