株式会社KaisinAI
KAISINAI TECH BLOG EXTRA ISSUE — 別冊 生成AI×RPA×スクラッチ開発の実装知見を、現場から。
生成AI活用 2026.04.30 KaisinAI

RAGの権限管理設計 — 見せてはいけない文書を回答に混ぜない方法

社内RAGの導入で最も怖い事故は、回答が間違うことではなく「見せてはいけない文書が回答に混ざる」ことです。人事評価、未公開の経営資料、他部署の顧客契約――これらが一度でも権限外のユーザーへの回答に引用されれば、システムの信頼は回復困難なダメージを受けます。本記事では、RAGの権限管理をどの層で、どう設計すべきかを整理します。

何が起きるのか — リスクの構造

RAGは各種文書をチャンク化してベクトルDBに格納し、質問に意味が近いものを検索して回答の材料にします。ここで全文書を一つのインデックスに入れてしまうと、検索は「意味の近さ」だけで文書を選ぶため、質問者の権限を一切考慮しません。「来期の組織体制は?」という何気ない質問に、役員限りの資料が最も「意味が近い」文書としてヒットし、そのまま回答に織り込まれる。元の文書サーバーでは厳格に権限管理されていたのに、インデックスに入れた瞬間に平坦化される――これがRAG権限問題の本質です。しかも従来のキーワード検索と違い、ベクトル検索は文書名を知らなくても「意味が近い」だけで隠れた文書を見つけ出します。探し当てる能力が高いほど、権限設計の穴が露呈しやすくなるという皮肉な構造があります。

原則:フィルタは「検索時」にかける

対策の分岐点は、権限フィルタをどの段階でかけるかです。

  • 検索時フィルタ(原則こちら):各チャンクに閲覧可能な部署・役職・グループをメタデータとして付与し、検索クエリの段階で「質問者が読める文書」に絞り込みます。権限外の文書はそもそも検索結果に入らないため、LLMに渡る前に遮断できます。主要なベクトルDBはメタデータフィルタ付きの類似検索を標準でサポートしており、キーワード検索を併用するハイブリッド構成でも同じ原則が適用できます。性能面でも、絞り込んでから探すほうが検索対象が減って有利です。
  • 生成後フィルタ(危険):検索は全文書に対して行い、回答を出す前に権限外の内容を取り除く方式は推奨しません。権限外の文書がプロンプトに入った時点で、その内容は回答の言い回しや要約に滲み出ます。「引用元を非表示にしたから安全」にはならないのです。

この構造はRPAとベクトルDBを組み合わせた検索の設計でも同じで、フィルタ条件を検索と同時に評価することが鉄則です。

ACL同期の実務 — 権限の「原本」をどこに置くか

権限メタデータを手作業でメンテナンスする運用は必ず破綻します。原本はSharePointやファイルサーバーなど既存文書管理のACLに置き、インデックス側へ同期する設計にします。実務の論点は三つです。なお、権限情報が取れない・所有者が不明といった「出自の怪しい文書」は、暫定的に誰でも見える扱いにするのではなく、インデックスに入れない(デフォルト拒否)が原則です。

  • グループの展開:ACLは通常セキュリティグループ単位です。検索時にはユーザーの所属グループを解決してフィルタ条件に変換するため、Entra IDなどディレクトリとの連携が必須になります。
  • 同期の遅延:文書の権限変更がインデックスに反映されるまでのタイムラグは、そのまま漏えい許容時間です。日次同期で足りるのか、権限変更イベントを拾って即時反映すべきかは文書の機微度で決めます。
  • 異動・退職:ユーザー側の変化はグループ解決を検索のたびに行っていれば自動で追従します。逆にインデックス作成時にユーザーIDを直接焼き込む設計は、異動のたびに再インデックスが必要になるので避けます。

見落としやすい漏えい経路

  • 会話履歴とキャッシュ:権限のあるユーザーの回答をキャッシュし、別ユーザーに再利用すると権限を迂回します。キャッシュのキーには権限スコープを含めます。
  • ログ:デバッグ用に保存したプロンプト全文には検索されたチャンクが含まれます。ログの閲覧権限は本番データ同等に扱います。
  • 評価セット:精度評価に使う質問・正解データに機微文書が入り込み、開発環境に平文で置かれるケースです。評価運用を整備するときこそ注意が必要です。
  • 引用リンク:回答に添える引用元リンクの先が、質問者に閲覧権限のない場所を指していないかも確認します。本文が読めなくても、文書のタイトルや存在自体が機微情報になることがあります。

まとめ

RAGの権限管理は「検索時フィルタ+既存ACLとの同期」が背骨で、キャッシュやログといった脇道まで塞いで初めて完成します。導入前のレビューでは「この質問を、この権限の人がしたら何が返るか」を機微文書ごとに机上で潰していきます。逆にいえば、この設計を最初に固めておけば「機微文書があるからRAGは無理」という思い込みを外せ、対象文書を大きく広げられます。精度の測り方については前回のRAG評価セット設計の記事も併せてご覧ください。権限設計を含むRAG基盤の構築はセキュア生成AI基盤RAGサービスの中核領域です。

CONTACT — FREE CONSULTATION

まずは30分、
聞かせてください。

要件が固まっていなくて構いません。現場の業務をそのまま話していただければ、自動化できる余地と、やらない方がいいことを、その場で率直にお伝えします。