化学メーカーの社内RAG構築、閲覧権限の設定とデータ移行をどう解いたか

効いた要因の一つは、RAG用に新しい権限体系を作らず、ファイルサーバーにある既存のフォルダアクセス権をそのまま検索制御へ写し取る設計を選んだことです。認証基盤にEntra IDを据えてAmazon Cognitoと連携させ、Amazon Bedrock Knowledge Basesのメタデータフィルタリングで文書ごとに閲覧できるユーザーを絞り込む構成が採られました。この形なら、誰がどの資料を見てよいかという判断は現行の運用がそのまま引き継がれ、AIを入れるたびに権限を定義し直す作業は生じません。機密性の高い研究データまで対象に含められたのは、既存の秩序を移植するという割り切りが効いたためと考えられます。

データ移行を一度きりの引っ越しではなく、日々続く同期作業として設計した点も見逃せません。AWS DataSyncによる自動転送は初回の大容量アップロードを楽にするためだけの仕組みではなく、RAGの運用が軌道に乗って全社へ広がったあとに毎日積み上がるファイルを前提に置いた選択です。当座は手作業でも回せそうに見える領域を先に自動化してしまう判断が、情報システム部門の負担を将来にわたって抑えたのでしょう。

画面を、すでに全社展開済みのGenUのまま使い続けた選択も、この取り組みの性格をよく表しています。ベンダー独自のパッケージを土台にすれば、使えるLLMや機能はその仕様に縛られる。進化の速い領域で選択肢を手放さないという方針が、RAGという新しい仕組みを既存の利用導線へ無理なく接ぎ木する形につながりました。加えて、定量的な評価とユーザーからのフィードバック分析で課題を洗い出し、月次で改善を回す前提の支援を選んだことは、構築後にRAGが放置される事態への備えになっています。