AIに社外秘を触らせないためのハーネス設計：顧客データを外に出さない5つのルール
顧客の数字をAIに見せたいが、外に出るのが怖い。公開・送信は下書きで止める、分析結果は外部に書かない、社名は伏せる。Claude Codeで顧客データを守るハーネス設計の5つのルールをまとめます。
情報セキュリティ
「読む」から「操作する」へ——MCPで社内ツールにAIをつなぐと、何が変わるのか
RAGは社内文書を「読む」技術でした。その次に来るのが、社内システムを「操作させる」ためのオープン規格MCPです。何ができるようになるのか、そこで初めて生じるリスクと導入の順番を整理します。
社内RAGを「どこまで閉じるか」——ネット接続あり・社内ネットワーク完結・PC1台完結
社内RAGの相談で最初に確認するのは「社内の文書を外に送っていいか」です。ここの答えで選べる構成が変わり、しかもあとから変えるのがとても高くつきます。ネット接続あり／社内ネットワーク完結／PC1台完結の3段階で、それぞれ何ができて何ができなくなるかを整理しました。
RAGはマネージドか、自前か——AWS Bedrock と pgvector を両方作って分かったこと
社内RAGをAWS Bedrockのマネージドで組むか、pgvectorで自前に持つか。「マネージドは楽、自前は安い」という説明をよく見ますが、両方を本番まで作ってみると、楽な部分と面倒な部分がきれいに入れ替わるだけでした。判断を決める3つの問いと、実際に差が出た4つの場所を書きます。
RAGの構築費用はいくらか——なぜ30万円台から始められるのか
RAGの構築費用は、工数より「毎月かかり続けるもの」と文書の状態で決まります。固定費を作らない構成、見積もりが外れる理由、後から足せない権限とモデル差し替え、小さく始める順番までまとめました。
社内RAGで「他部署の資料が見えてしまう」問題の解き方
ベクトル検索は「意味が近いか」しか見ていないため、閲覧権限のない文書も平気で返してきます。社内RAGが本番直前に必ずぶつかるこの壁を、Django＋pgvectorの事前フィルタでどう塞ぐか。後フィルタが破綻する理由、絞り込むと件数が足りなくなるHNSWの罠、そして実装後も残る3つの漏洩経路まで書きます。