塩野義製薬が実現した自律型検索システム構築：モジュラーRAG導入による精度向上とAI利用の越境データ管理

解説

近年、生成AIが業務に活用される機会が増える中で、データの機密性や法規制といった制約から導入を難しく感じる場合があります。製薬業界のような厳格なガバナンスが求められる分野では、特にその課題が深刻です。本記事は、塩野義製薬での具体的な取り組み事例を通して、「最新AI技術の推進」と「高度なデータ統制（ガバナンス）」を両立させるアプローチについて解説しています。

ポイント

• 製薬業界という機密性の高い環境において、塩野義製薬が生成AI活用による社内検索システムの最適化に成功した事例である。
• 従来のRAGでは限界があったため、AIエージェントが複数のツールを自律的に使いこなす「モジュラーRAG」を採用し、検索精度と業務適合性を高めた。
• データ越境のリスクに対応するため、AWSの技術仕様に基づき利用スキーム策定と利用状況を可視化するモニタリング基盤を構築した。

情シスへの影響

【AI検索システム】

• モジュラーRAGの実装: 単なるベクトルデータベース連携に留まらず、AIエージェントが自律的に「質問分析」「検索計画立案（ツール選定）」「情報収集」「回答生成」の複数のステップを経る仕組みを構築する必要がある。

• ツールの統合管理: 検索対象が単一のDBではなく、「OpenSearch（外部文書）」「ファイル精読ツール（ローカル/S3など）」「Excelツール（構造化データ）」など、性質の異なる複数のツール連携が必要となり、システム全体としてのオーケストレーション層の構築が課題となる。

• 情報源の明確な管理: どのステップで収集された情報を参照元として明示し、ハルシネーションを防ぐための引用付き回答生成プロセスを設計・実装する必要がある。

【ガバナンスとデータ保護】

• クロスリージョン利用の制御: 最新AIモデルが外部リージョンでの処理（クロスリージョン推論）を行う場合、そのデータの流れ（越境）を厳格に監視し、法規制や社内ルールに基づいた許容リスク閾値をシステムレベルで設定するガバナンスレイヤーが必要となる。

• モニタリング基盤の導入: AIのエンドポイント利用状況（誰が、いつ、どのデータを使って、どこで処理したか）をリアルタイムで捕捉・可視化し、監査ログを取得する専用の管理プラットフォームの構築が求められる。

影響範囲

全社的な生成AI利用環境、特に「内部文書検索システム」および「クラウド上での推論実行（AWSなど）」

• 対象機能: 検索拡張生成（RAG）の実装フェーズにおける自律的検索、情報ガバナンスレイヤー。

• 影響領域: クラウドコンピューティング環境（AWSなどのリージョン利用）、社内データソース連携（ファイルシステム、構造化DB/Excelデータ）。

• 要確認点: 既存のRAG実装が単なる検索結果提示に留まっていないか。外部モデル連携時のデータの越境処理に関するコンプライアンス制約。

重要度

★★★★★

対象者

• M365管理者
• Entra管理者
• AD管理者
• ネットワーク管理者
• セキュリティ担当者
• ヘルプデスク担当

優先度

早めに対応

優先度の理由

記事の内容自体は先進事例の紹介ですが、モジュラーRAGやデータ越境制御といった技術的課題が詳細に記述されています。これらの高度なAI導入を検討している環境では、単なる利用可否ではなく、「いかに統制するか」という観点が重要であり、設計段階でリスク管理プロセス（アクセスログ、地域制限など）の組み込みが必須であるためです。

確認手順

• 自社内の生成AI利用目的を特定し、「どのようなデータソースに、どのようなレベルの機密性が関わるか」を洗い出す。
• 現在のRAG/検索システムにおいて、情報収集プロセス（データベースへの問い合わせ方法）が単一のクエリ処理に依存していないか確認する。
• 外部APIやクラウドサービスを利用する際、データの保存・処理リージョンについてコンプライアンス上の制約がないか公式ドキュメントで確認する。
• AI利用状況を横断的にログ収集し、誰が（ユーザー）、どのデータセットを参照したかを追跡できるモニタリング機構の要否を検討する。