外部公开案例，非衍谷交付
Lockheed Martin · 统一数据底座与安全AI Factory
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 厂商客户案例披露
- 解决方案
- 厂商客户案例披露
- 技术工作流
- 依据公开方案结构化整理
- FDE 行动（请结合分析边界）
- 依据公开实施过程归纳
- 结果（来源方披露）
- IBM与客户披露
业务问题
Lockheed Martin的数据分散在多个数据湖以及46套数据管理、分析和商业智能系统中，工程人员难以快速找到高质量数据，也无法在安全约束下规模构建和治理AI应用。解决方案
公司与IBM先将46套分散系统收敛为单一连接的数据环境，再建设安全AI Factory，让工程师基于受治理数据和开放模型开发大型AI应用；面向员工的自然语言问数、研究和HR助手在统一数据及治理框架上运行，并通过提示与查询优化持续改进答案。技术工作流
- 46套数据与分析系统及多个数据湖
- 数据整合、质量和目录定义
- 统一受治理的数据平台
- 安全AI Factory与开放模型
- 自然语言问数、研究与HR助手
- 评测、提示优化和查询优化反馈
技术组件
- 统一数据平台
- 数据目录
- IBM Granite
- watsonx.governance
- watsonx Orchestrate
- Agent框架
人工责任与复核
AI提供数据查询、研究和员工服务回答；数据负责人维护定义和质量，工程师选择模型并验证结果，安全与治理团队控制敏感环境中的访问和上线。FDE 行动（请结合分析边界）
- 先整合数据系统再扩展AI应用
- 与工程和安全团队定义可访问数据边界
- 自动化数据目录定义降低使用门槛
- 用样例问题测量问答准确率
- 分别实验提示和查询优化的增益
结果（来源方披露）
IBM客户案例称，数据与AI工具数量减少50%，46套系统被一个集成平台替代，自动化216个数据目录定义；问答试点准确率从45.45%提升至提示优化后的56.8%，查询优化后达到66.0%。核验说明
- 页面明确披露46套系统、216个目录定义及准确率变化。
- 准确率为早期样例问题试点，不代表所有生产查询。
未公开 / 仍有缺口
未补充记录可迁移方法
- 数据割裂会直接限制企业AI规模化
- 安全AI Factory需要把开发速度与治理放在同一平台
- 问答系统应有固定样例集和分阶段优化数据
- 平台结果和单个Agent结果需要分别度量
来源账本
- 标题
- A new era of AI takes off for Lockheed Martin
- 发布方
- IBM
- 来源类型
- 厂商官方客户案例
- 可定位性
- 案例级直接来源
- 结论披露方
- IBM与客户披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
IBM逐案例页面披露系统整合、目录自动化和问答准确率；结果由实施厂商与客户共同披露。编辑摘要
Lockheed Martin先解决46套数据系统造成的基础问题，再用安全AI Factory承载自然语言查询和Agent，这是一条从数据治理走向规模化AI开发的完整路径。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
ibm-lockheed-martin-001来源分类
IBM企业 / 组织
Lockheed Martin行业
航空航天/国防一级行业
制造与工业业务场景
统一数据底座与安全AI FactoryFDE 标记
伴随式部署FDE 关系
联合企业AI改造成熟度说明
平台规模化/应用扩展成熟度阶段
规模化主来源
https://www.ibm.com/case-studies/lockheed-martin ↗证据等级
A证据等级说明
A级｜厂商逐案例来源详细度评分（满分 12）
12详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。