2026年6月，福特汽车在J.D. Power美国新车质量研究中拿下了主流品牌第一名——自2010年以来，这家百年车企头一回登顶。按理说应该举杯庆祝，但福特高管在媒体简报会上却说了一番让人意外的话。
他们承认：过去几年，公司吃了过于迷信AI的亏。
故事要从更早说起。福特从2019年开始进入持续的白领裁员周期，全球一次性裁掉7000人，2022年再裁约3000人，2023年向工程岗位开刀。管理层曾天真地认为，只要引入AI、输入设计需求，就能自动产出高质量产品。于是大量资深工程师被边缘化或离职，AI质检系统和自动化工具全面上位。
结果呢？2025年，福特发起了153次召回，涉及约1300万辆车，创下单一车企单年召回数的行业新高。进入2026年，截至6月中旬已发起34次召回，涉及约1000万辆车，仍然是全美召回最多的车企。F-150变速箱传感器故障十年未根治，全球波及近70万台；拖车制动软件漏洞一次性召回440万台——每一起事故背后，都是AI系统没能识别出的隐性风险。
福特车辆硬件工程副总裁 Charles Poon 在简报会上直言：“我们犯了一个错误——以为只要引入AI，就能自动产出高质量的产品。”问题不在于AI本身有缺陷，而在于经验丰富的员工在把专业知识转移到系统之前就离开了。那些几十年摸透的零部件匹配逻辑、极端路况下的车辆动态、历代车型的“通病”处理经验，根本无法用标准化的数据完整投喂给AI训练集。
于是，福特在过去三年里干了一件听起来有点讽刺的事：累计返聘、新聘或晋升了超过350名经验丰富的“灰胡子”老工程师。这批人的任务，是手把手指导年轻员工，重建为AI训练提供数据的数据管道，改进原本应该被他们取代的自动化系统。
这不是个例。澳洲联邦银行曾裁掉客服团队用AI替代，结果客户投诉率飙升，不得不又把客服招回来。裁员裁到大动脉，AI翻车的剧本，正在不同行业反复上演。
福特的教训揭示了一个核心问题：AI到底能替代什么？不能替代什么？
智联招聘2026年一季度的数据给出了清晰的答案。电话客服，替代率85%-90%；数据录入员，替代率95%-99%；初级会计，替代率90%-98%。这些岗位的共同特征是标准化、流程化、可量化——AI处理起来得心应手。
但另一边，心理咨询、养老护理的替代率不足5%。不是技术做不到，而是老人要的是握着手的温度，不是机械臂的精准；来访者需要的是真正的共情理解，不是算法生成的安慰话术。
Anthropic在2026年3月发布的报告也印证了这一点。报告用一张雷达图清晰展示了AI的理论覆盖率与实际覆盖率之间的巨大落差。在计算机与数学领域，理论覆盖率高达94%，实际只有33%；而在个人护理、场地维护、餐饮服务等领域，理论替代率本身就低，现实应用几乎为零。
急救医疗场景更是如此。急诊医生面对的是千变万化的病情，需要在信息不全的情况下做出生死攸关的判断。AI可以辅助读片、分析数据，但无法替代医生在床边的临床直觉和与家属的沟通。现场维修工程师同样如此——没人知道打开机器盖板后会看到什么，那种见招拆招的应变能力，是AI还学不会的。
说白了，AI擅长的是“有标准答案”的事，而人擅长的是“没有标准答案”的事。
按理说，福特的案例应该给所有企业敲响警钟。但现实是，太多公司正在重蹈覆辙。
麦肯锡2026年的调研显示，88%的受访企业已在至少一个业务职能中定期使用AI，72%正在使用生成式AI。但数据背后藏着一个尴尬的事实：只有5.5%的公司能够从AI中获得显著价值。近三分之二的企业尚未开始在整个企业范围内扩展AI应用。
更扎心的是，麦肯锡的风险评估表明，51%的受访者至少经历过一次AI带来的负面后果，其中“内容不准确”最为常见，约占30%。
很多企业犯了三个典型的错误。
第一个误区：直接把AI当“免费劳动力”替换人，忽略人机协作的磨合成本。福特就是典型——以为上了AI系统就能裁掉工程师，结果系统训练数据残缺，产出的方案漏洞百出，最终不得不花更大的代价把人请回来。裁员的“省”和召回的“赔”，根本不是一个量级。
第二个误区：只看短期裁员节省的工资，忽视转岗培训和系统维护的长期投入。有些企业裁掉人后才发现，AI系统需要人持续“喂数据”和“纠偏”，反而需要更高薪的AI训练师。账算下来，成本没降多少，团队士气反倒崩了。
第三个误区：以为AI是万能药，不考虑配套的组织变革。麦肯锡报告指出，25%的顶尖企业将变革管理视为规模化AI的核心成功因素，而普通企业中这一比例仅为15%。技术本身只是第一步，如何让员工有效使用AI并融入日常工作流程，才是更大的挑战。
有分析指出，在AI上投入越多，失败的可能性反而翻倍。不是因为AI不好，而是因为很多企业把它当成了捷径，而不是工具。
那么，正确答案是什么？
看看那些真正跑通的企业是怎么做的。
在江苏菲达宝开电气股份有限公司，有一个机器人焊接班组。这支队伍由24名资深焊工组成，他们的工作不是跟机器人抢饭碗，而是教机器人怎么干活。焊工们学会了示教编程、焊缝处理、设备调试和故障处理，从“经验型”转型为“技术型”。结果怎样？生产效率较传统工艺提升了50%以上，一次焊接合格率99%，焊缝零缺陷、零泄漏。
这不是“机器换人”，而是“人用机器”。资深焊工负责机器编程、异常处理和工艺优化，机械臂做重复焊接，人做质量抽检和流程改进。人机各司其职，效率和质量双双提升。
福特也在转向这个模式。Charles Poon 说得很直白：“AI本身是强大的工具，但其效果完全取决于训练数据的质量。公司现在的思路是让资深工程师的经验成为AI的‘老师’，而不是用AI取代老师。”福特并没有放弃AI，而是调整了使用方式——新增了超10万项AI驱动测试用例，但让老工程师的经验来约束AI的边界。
麦肯锡的2026年全球科技议程报告也指出，顶尖企业已经不再将技术视为单纯的成本中心，而是将其作为价值创造的核心引擎。它们的技术投资不以“降本”为首要目标，而是以“增速”和“增长”为核心导向。英国保险公司英杰华在理赔流程中部署了80多个人工智能模型，让AI辅助人类做出更精准的决策，结果理赔责任判定时间缩短了23天，客户投诉下降了65%，满意度提升了7倍。
这才是真正的方向。
郑强教授说过一句话，值得所有企业管理者记在心里：“人工智能就是要做到人做不到的事情，人的劳动凡是能做的应该留给人来做。”
技术不是让人失业，而是让人去做更像人的工作。AI做24小时不停、毫米级精度的事，人做创意决策、情感沟通、应急处理的事。人机协同的图景里，从来不是“谁取代谁”，而是“谁更擅长什么”。
如果只盯着替代率，你会焦虑；如果只盯着裁员，你会短视。真正聪明的企业，不会让AI抢人的饭碗，而是让AI给人递上更好的工具。
你觉得呢？
