Mientras Bitcoin no define dirección, $MT ofrece staking al 35% APR dentro de su ecosistema de memecoins con IA → Ver opciones de staking.
Espacio patrocinado«Creímos equivocadamente que con solo introducir inteligencia artificial e ingerir los requisitos de diseño que teníamos, se produciría un producto de alta calidad». La frase la dijo Charles Poon, vicepresidente de ingeniería de hardware de vehículos de Ford, en una llamada con prensa la semana pasada. El mismo día en que J.D. Power publicó su estudio anual de calidad inicial y colocó a Ford en el primer puesto entre marcas mainstream por primera vez desde 2010.
El fabricante alcanzó 152 problemas reportados por cada 100 vehículos en el J.D. Power 2026 U.S. Initial Quality Study, publicado el 25 de junio en Troy, Míchigan. La cifra superó a Nissan (156) y Buick (162) en el segmento mainstream. Solo Porsche (138), Genesis (151) y Lexus (156) la mejoraron en el ranking general. F-150, Mustang y Super Duty ganaron en sus respectivos segmentos por segundo año consecutivo. Ford escaló del puesto 15 en 2023 al primero en 2026.
El ciclo del error y la corrección
Entre 2020 y 2023, Ford adoptó la tendencia predominante en la manufactura industrial: incorporar automatización e inteligencia artificial en los procesos de control de calidad para reducir costos y acelerar la detección de defectos. Sin embargo, surgieron problemas en la implementación.
Los ingenieros más experimentados -aquellos con dos o tres ciclos de producto a sus espaldas y un profundo conocimiento de las fallas y sus causas- dejaron la empresa. Muchos se marcharon antes de que pudieran transferir su valiosa experiencia a los nuevos modelos tecnológicos.
Las herramientas aprendieron de datos incompletos, entrenadas sobre sistemas que no reflejaban toda la casuística que un veterano habría aportado. El resultado fue medible en costes: a mediados de 2024 los recalls le costaban a Ford 4.800 millones de dólares anuales según Fortune, y en 2025 emitió 153 recalls, el récord absoluto de una sola compañía en un año. La NHTSA impuso una multa civil de 165 millones de dólares por incumplir requisitos federales de notificación.
La solución fue contratar, promover y repatriar a más de 350 ingenieros veteranos -«gray beards» en la jerga interna- en los últimos tres años. No vinieron a sustituir a la IA, sino a reentrenarla. Hoy dirigen reuniones obligatorias de diagnóstico de calidad y, en palabras de Kumar Galhotra, director de operaciones del fabricante, «buscan los puntos de fallo antes de que una pieza llegue a la línea de producción».
La paradoja Ford
El número uno en calidad inicial es también el campeón de los recalls. En lo que va de 2026, Ford ha emitido 51 acciones de recall que afectan a más de 11,2 millones de vehículos, según el conteo de Motor1 al 23 de junio. La compañía espera cerrar el año con más de 1.000 millones de dólares en costes de garantía y materiales.
Las dos métricas pueden coexistir porque miden fenómenos distintos. El estudio J.D. Power evalúa problemas reportados en los primeros 90 días de uso, mientras que el grueso de los recalls afecta a generaciones anteriores -2020 a 2022 en su mayoría- y se acumula por la decisión de Ford de notificar más rápido y de forma más amplia tras la sanción de la NHTSA.
Galhotra describió los recalls como un «indicador rezagado» cuya tendencia espera que descienda con las cohortes más nuevas.
La lección que excede a Ford
El reconocimiento de Poon llega en un momento singular del debate sobre IA y empleo. Según el informe de mayo de Challenger, Gray & Christmas, en los primeros cinco meses de 2026 se anunciaron 87.714 despidos en Estados Unidos con la IA citada como causa directa, el 22 % del total de recortes del año.
La cifra ya supera los 54.836 de todo 2025. Solo en mayo, la IA fue mencionada en 38.579 despidos, el récord absoluto en un mes desde que la consultora empezó a rastrear el dato en 2023.
A finales de mayo, Sam Altman, consejero delegado de OpenAI, dijo en una conferencia del Commonwealth Bank of Australia en Sídney que estaba «encantado de equivocarme» sobre el ritmo de destrucción de empleo de cuello blanco. «Pensaba que habría más impacto del que en realidad se ha producido», admitió. Los CEOs de IA que prometieron un apocalipsis laboral inminente matizan ahora ese mensaje.
La experiencia de Ford añade un argumento concreto a ese debate. La IA aplicada a la manufactura no sustituye al ingeniero veterano: lo necesita para funcionar bien.
Los modelos entrenados sin ese conocimiento institucional no solo no son mejores; pueden ser activamente peores. Un técnico que ha visto fallar tres generaciones del mismo motor tiene un activo que ningún modelo puede sintetizar a partir de hojas de especificaciones.
Lo más destacable del caso no es el premio de J.D. Power, sino la rapidez con la que se corrigió la situación. Se tardaron tres años en diagnosticar el error y recuperar el conocimiento perdido. En el ámbito de la manufactura, donde los ciclos de producto son largos, existe ese margen de tiempo. Sin embargo, en sectores con ciclos de seis meses, esto no es posible.
Las empresas que estén automatizando ahora sus procesos de criterio experto sin documentar primero el conocimiento institucional de sus equipos podrían encontrarse, dentro de dos o tres años, intentando recontratar a personas que ya no están dispuestas a volver.
-Nyria
