Ford Motor Company ने तब्बल **350** अनुभवी इंजिनियर्सना पुन्हा कामावर घेतलं आहे. कंपनीतील गुणवत्तेच्या समस्या सोडवण्यासाठी आणि वॉरंटीचा खर्च कमी करण्यासाठी हा निर्णय घेण्यात आला आहे. आर्टिफिशियल इंटेलिजन्स (AI) सोबत मानवी कौशल्याचा वापर करून, कंपनी आपले वार्षिक **$1 बिलियन** खर्च कपातीचे लक्ष्य साधण्याचा प्रयत्न करत आहे. गुंतवणूकदार याकडे बारकाईने लक्ष ठेवून आहेत की, ही रणनीती रिकॉलवरील खर्च कमी करण्यात यशस्वी होते का, कारण भूतकाळात या खर्चामुळे कंपनीच्या नफ्यावर मोठा परिणाम झाला होता.
काय घडलं?
Ford Motor Company ने सततच्या गुणवत्तेच्या समस्यांवर तोडगा काढण्यासाठी सुमारे 350 अनुभवी अभियंत्यांना पुन्हा कामावर रुजू केले आहे. ऑटोमेकरच्या उत्पादन प्रक्रियेत हा एक मोठा धोरणात्मक बदल आहे, ज्यामुळे आर्टिफिशियल इंटेलिजन्स (AI) वरील पूर्वीचे अवलंबित्व कमी होऊन मानवी कौशल्याला प्राधान्य दिले जात आहे. हे परत आलेले विशेषज्ञ, ज्यापैकी अनेकांना Ford किंवा त्याच्या पुरवठा साखळीतील अनुभव आहे, सध्या दोन मुख्य क्षेत्रांवर लक्ष केंद्रित करत आहेत: तरुण कर्मचाऱ्यांचे प्रशिक्षण देणे आणि गुणवत्तेच्या तपासणीसाठी वापरल्या जाणाऱ्या AI प्रणालींना अधिक सक्षम करणे. या धोरणात्मक बदलामुळे Ford ने JD Power च्या ताज्या इनिशियल क्वालिटी सर्वेमध्ये मुख्य प्रवाहांतील ब्रँड्समध्ये अव्वल स्थान पटकावले आहे, जे 2010 नंतर प्रथमच घडले आहे.
गुणवत्तेच्या समस्यांचा आर्थिक फटका
मोठ्या ऑटो कंपन्यांसाठी, वॉरंटी आणि रिकॉलचा खर्च हा नफ्यावर मोठा परिणाम करणारा घटक असतो. जेव्हा एखाद्या वाहनाला रिकॉल किंवा मोठ्या वॉरंटी दुरुस्तीची आवश्यकता असते, तेव्हा त्याचा थेट परिणाम कंपनीच्या आर्थिक विवरणांवर होतो. यामुळे नवीन तंत्रज्ञानातील गुंतवणूक किंवा डिव्हिडंडसाठी उपलब्ध रोख रक्कम कमी होते. फॅक्टरी स्तरावरच या त्रुटी कमी करून, Ford या अनपेक्षित खर्चात कपात करण्याचा प्रयत्न करत आहे. व्यवस्थापनाने सांगितले आहे की, या प्रयत्नांमुळे चालू वर्षासाठी $1 बिलियन खर्च कपातीचे लक्ष्य साधण्यात मदत होईल. गुंतवणूकदारांनी हे लक्षात घेणे आवश्यक आहे की, गुणवत्तेत सुधारणा कायम राहिल्यास, कंपनीला या बचतीचा फायदा होईल.
हा बदल का महत्त्वाचा आहे?
Ford च्या अधिकाऱ्यांनी मान्य केले आहे की, गुणवत्तेच्या खात्रीसाठी AI वर जास्त अवलंबून राहणे ही मागील धोरणातील एक चूक होती. AI हे एक शक्तिशाली साधन असले तरी, त्याला अचूक प्रशिक्षण आणि अशा तज्ञांच्या निरीक्षणाची आवश्यकता असते जे वाहनांच्या हार्डवेअरची भौतिक गुंतागुंत आणि विविध बिघाडाचे मुद्दे समजू शकतील. कंपनी आता 'ह्यूमन-इन-द-लूप' (human-in-the-loop) दृष्टिकोन वापरत आहे, जेणेकरून वाहने उत्पादन लाइनवर पोहोचण्यापूर्वीच त्रुटी ओळखता येतील. या धोरणाचा उद्देश कंपनीची विश्वासार्हतेची प्रतिष्ठा परत मिळवणे हा आहे, जी ब्रँड निष्ठा आणि दीर्घकालीन विक्रीसाठी एक महत्त्वाची बाब आहे.
उशिरा मिळणाऱ्या संकेतांचा धोका
JD Power क्रमवारी एक सकारात्मक अल्पकालीन संकेत देत असली तरी, गुंतवणूकदारांनी ताळेबंदावर होणाऱ्या तात्काळ परिणामांबद्दल सावधगिरी बाळगली पाहिजे. व्यवस्थापनाने नमूद केले आहे की, रिकॉल डेटा हा 'लॅगिंग इंडिकेटर' (lagging indicator) म्हणून काम करतो. याचा अर्थ, आज कारखान्यात केलेले सुधारणा कंपनीच्या आर्थिक निकालांमध्ये पूर्णपणे दिसण्यासाठी अनेक तिमाही लागू शकतात, कारण रस्त्यावरील जुन्या वाहनांना अजूनही दुरुस्ती किंवा सेवेची आवश्यकता असू शकते. या धोरणाची परिणामकारकता कंपनी आपल्या विविध प्रकारच्या वाहनांमध्ये दीर्घकाळ ही गुणवत्ता मानके टिकवून ठेवू शकते की नाही यावर अवलंबून असेल.
गुंतवणूकदारांनी काय तपासावे?
पुढे जाताना, भागधारकांसाठी एक मुख्य निरीक्षण म्हणजे कंपनीच्या त्रैमासिक आर्थिक अहवालांमधील वॉरंटी रिझर्व्ह तरतुदींचा (warranty reserve provisions) ट्रेंड. या तरतुदींमध्ये सातत्याने घट झाल्यास, नवीन अभियांत्रिकी-आधारित दृष्टिकोन दोष दर यशस्वीरित्या कमी करत असल्याचे सूचित करेल. याव्यतिरिक्त, गुंतवणूकदार आगामी अर्निंग कॉल्समध्ये (earnings calls) रिकॉलच्या वारंवारतेवर व्यवस्थापनाच्या टिप्पण्या शोधतील, जेणेकरून मानवी-AI एकत्रीकरणामुळे अपेक्षित खर्च बचत होत आहे की नाही याचा अंदाज घेता येईल.