Hacker News上有人一针见血地把福特这次事件，比作2000年代中期的「离岸外包潮」。当时CEO们也是先大裁本地员工，把工作转移到印度等地，短期财报很好看。但第二阶段问题集中爆发——跨文化协作比想象中难得多；第三阶段，真正有能力的人早已跳槽，公司只剩一个空壳。如今AI热潮的企业，很可能也在走同样的三步曲：先裁人降本、再发现AI搞不定的隐性经验、最后花更大代价挽回。

就在福特召回「灰胡子工程师」的同时，另一边是Meta正在用MCI工具全天候录屏监控员工操作，把每个人的点击流、鼠标轨迹变成AI训练数据。科技巨头们不是不尊重隐性经验，而是正在用更系统的方式把它们拆解成可复用的「技能包」。福特选择召回人，Meta选择「炼化」人——两条路径看似相反，但其实都在承认同一件事：隐性经验是AI时代最稀缺的燃料，区别只在于从哪端获取。

福特AI质检失灵的核心原因之一，是AI模型在低频缺陷上缺乏可解释性——面对材料批次差异、装配隐性缺陷，算法只能输出「合格/不合格」，却说不清为什么。2025年ISO已发布全球首个AI可解释性国际标准(ISO/IEC TS 6254:2025)，要求高风险AI系统必须能让人类理解其决策逻辑。在制造业，这个标准可能会成为质量合规的准入门槛：不能解释自己为何做出判断的AI系统，将无法通过车规级审计。

当企业要求你把经验「写下来、结构化、喂给AI」时，你是在帮公司沉淀核心资产，还是在亲手培养自己的替代者？这看起来像一场零和博弈：公司把你的隐性知识搬进数据飞轮，你个人就失去了跳槽议价的最大筹码。但问题的另一面是，那些能够将经验提炼为系统化方法、并持续迭代的人，反而会在AI时代获得更高的杠杆——前提是你的经验足够稀缺、足够新。真正值得追问的或许不是「该不该技能化」，而是「我的经验是否还在持续增长」。