Ford sa thải 5.300 kỹ sư, đặt cược vào AI — rồi phải mời họ quay lại

Có một câu chuyện ở Detroit đang được giới kỹ thuật truyền tai nhau, vừa buồn cười vừa đáng suy nghĩ: Ford Motor Company — tập đoàn xe hơi lâu đời nhất nước Mỹ — đã chi hàng trăm triệu đô la vào AI để thay thế kỹ sư, rồi... phải gọi điện xin họ quay lại làm việc. Tất cả diễn ra trong vòng chưa đầy sáu năm.

Đây không phải chuyện AI "nổi loạn" hay robot bỏ việc. Đây là bài học cay đắng về một thứ mà bạn không thể nén vào model weights: tri thức thể chế (institutional knowledge) — kho kinh nghiệm tích lũy hàng chục năm trong đầu những kỹ sư lành nghề.

Bắt đầu từ một quyết định tưởng chừng khôn ngoan

Từ năm 2020, Ford cắt giảm 5.300 vị trí kỹ thuật văn phòng, một phần lớn trong số đó thuộc bộ phận kiểm soát chất lượng và kỹ thuật xe. Lý do? Ban lãnh đạo tin rằng AI và hệ thống tự động hóa có thể đảm nhận phần lớn công việc mà các kỹ sư lành nghề đang làm — với chi phí thấp hơn và tốc độ nhanh hơn.

Phó chủ tịch phụ trách kỹ thuật phần cứng xe, Charles Poon, sau này thừa nhận thẳng thắn: "Chúng tôi đã sai khi nghĩ rằng chỉ cần đưa AI vào và điều chỉnh các yêu cầu thiết kế là sẽ tạo ra sản phẩm chất lượng cao."

Nghe có vẻ hợp lý trên giấy tờ. Trên thực tế thì... không hẳn.

Vấn đề không phải AI — mà là dữ liệu thiếu "hồn"

Đây là điểm mấu chốt mà nhiều công ty đang bỏ qua khi triển khai AI trong sản xuất: AI học từ dữ liệu. Dữ liệu tốt đến từ con người có kinh nghiệm. Nếu người đó rời đi trước khi truyền lại kiến thức, AI sẽ học từ khoảng trống.

Đúng như vậy đã xảy ra ở Ford. Các kỹ sư kỳ cựu ra đi trước khi kịp "dạy" hệ thống AI cách nhận diện lỗi thiết kế, cách đọc tiếng ồn bất thường từ một cụm chi tiết, hay cách biết một bản vẽ kỹ thuật trông ổn trên phần mềm nhưng sẽ gây vấn đề khi ra dây chuyền sản xuất thực tế.

Kết quả? AI nhận đầu vào yếu và... khuếch đại những điểm yếu đó thay vì bắt lỗi.

Chất lượng xe Ford lao dốc. Năm 2026, công ty đã phải thực hiện 51 lần thu hồi xe (recall), ảnh hưởng đến hơn 11 triệu phương tiện — con số gấp đôi nhà sản xuất đứng thứ hai trong danh sách.

👴 Những "râu xám" được mời quay lại

Ford phản ứng bằng cách làm điều mà ít tập đoàn nào dám thừa nhận công khai: gọi điện cho những người vừa sa thải.

Công ty tuyển lại 350 kỹ sư kỳ cựu — một số là cựu nhân viên, số khác đang làm tại các nhà cung cấp. Báo chí Mỹ gọi họ là "gray beard engineers" (kỹ sư râu xám) — một cách gọi trìu mến dành cho những người có hàng chục năm kinh nghiệm thực chiến trong ngành.

Giám đốc vận hành Kumar Galhotra khẳng định: đây là những người "nằm ở trung tâm" của nỗ lực cải thiện chất lượng sản xuất — không phải vì họ thay thế AI, mà vì họ sửa lại nền tảng mà AI đang đứng trên.

Nhiệm vụ của 350 kỹ sư này gồm ba việc:

• Mentoring các kỹ sư trẻ — truyền lại kiến thức theo cách con người học từ con người
• Vá lại các data pipeline — tái xây dựng luồng dữ liệu huấn luyện AI cho đúng
• Tinh chỉnh hệ thống tự động mà lẽ ra phải thay thế họ

Kết quả: vừa thắng vừa thua

Câu chuyện có một cái kết không hoàn toàn bi quan. Sau khi 350 kỹ sư quay lại làm việc, Ford đã giành vị trí số 1 trong nghiên cứu JD Power Initial Quality Study 2026 — lần đầu tiên trong 16 năm. Đây là thước đo chất lượng xe được ngành công nghiệp ô tô Mỹ coi trọng nhất.

Nhưng 51 lần recall với 11 triệu xe vẫn là vết thương không thể xóa chỉ bằng một giải thưởng. Cái giá của sáu năm thử nghiệm "AI-first không có nền tảng" không rẻ — không rẻ về tài chính, và chắc chắn không rẻ về niềm tin khách hàng.

Bài học cho bất kỳ ai đang nghĩ đến "thay người bằng AI"

Câu chuyện Ford không có nghĩa là AI vô dụng trong sản xuất. Ngược lại — sau khi được xây dựng lại trên nền dữ liệu chất lượng cao từ các kỹ sư kỳ cựu, hệ thống AI của Ford đang hoạt động tốt hơn bao giờ hết.

Bài học thực sự nằm ở thứ tự ưu tiên:

1. Tri thức thể chế là tài sản, không phải chi phí. Những gì một kỹ sư 20 năm kinh nghiệm biết không nằm trong tài liệu — nó nằm trong phản xạ, trong bản năng, trong những lần sờ tay vào chi tiết và biết "cái này không ổn".

2. AI cần được huấn luyện bởi chuyên gia trước khi thay thế chuyên gia. Không có lối tắt nào ở đây.

3. Cắt giảm chi phí bằng cách loại bỏ kinh nghiệm là đánh đổi ngắn hạn lấy rủi ro dài hạn. Ford mất sáu năm để học bài này với giá rất đắt.

4. "Human in the loop" không phải xu hướng — đó là yêu cầu kỹ thuật trong các ngành đòi hỏi độ chính xác và an toàn cao.

Nếu bạn đang làm việc trong một tổ chức đang cân nhắc tự động hóa bằng AI, hãy hỏi một câu đơn giản trước khi ký hợp đồng với bất kỳ vendor AI nào: "Ai sẽ dạy AI này? Và chúng ta có đang giữ họ lại không?"

Câu trả lời cho câu hỏi đó có thể quyết định xem bạn sẽ đi theo con đường của Ford — hay tránh được sáu năm vòng vèo tốn kém.

#AITrongCôngNghiệp #TựĐộngHóa #BàiHọcAI #Ford #TươngLaiViệcLàm #SảnXuất #HumanInTheLoop #TriThứcThểChế