跳到正文

落地案例/工业制造/案例 001

资料整理 · 已去标识

航空制造数据底座与安全AI平台

项目方先解决46套数据系统造成的基础问题，再用安全AI平台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。

资料 · 已去标识不含企业、人物与原始链接；数值为来源方披露，非独立审计；编辑归纳处均已标注。

01Background

业务背景

场景
工业制造 · 经营与协同
现状
项目方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。

02Solution

解决方案

公司与技术服务商先将46套分散系统收敛为单一连接的数据环境，再建设安全AI平台，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。

用到的能力

  • 统一数据平台
  • 数据目录
  • 企业大模型
  • 模型治理工具
  • 流程编排平台
  • Agent框架
改造链路

  1. 0146套数据与分析系统及多个数据湖

  2. 02数据整合、质量和目录定义

  3. 03统一受治理的数据平台

  4. 04安全AI平台与开放模型

  5. 05自然语言问数、研究与HR助手

  6. 06评测、提示优化和查询优化反馈

03Human in the loop

人机分工

AI／系统做什么

AI提供数据查询、研究和员工服务回答

人做什么

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

04Outcome

效果

45.45%56.8%
原来45.45%现在56.8%
问答试点准确率从45.45%提升至提示优化后的56.8%来源方披露
−50%
数据与AI工具数量减少50%来源方披露
216个
自动化216个数据目录定义来源方披露

来源方说明来源方称，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%。

  • 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。

05Method & limits

做法与边界

FDE 在现场做了什么编辑归纳

  1. 01先整合数据系统再扩展AI应用
  2. 02与工程和安全团队定义可访问数据边界
  3. 03自动化数据目录定义降低使用门槛
  4. 04用样例问题测量问答准确率
  5. 05分别实验提示和查询优化的增益

可以借鉴

  • 数据割裂会直接限制企业AI规模化
  • 安全AI平台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

资料透明度

  1. 业务背景来源披露
  2. 解决方案来源披露
  3. 改造链路与编辑
  4. FDE 做法与编辑
  5. 效果来源披露

来源披露与编辑编辑归纳资料不足

同类案例

你的业务也有类似的事？把要做的事、资料和期望写下来，平台人工对接合适的 FDE。

原始结构化资料 © 2026 guminghao-avi contributors，MIT 许可；本页为去标识整理与编辑归纳，不代表原企业或来源方观点。