1. 入力フィルタリング（優先度順）:

2. 出力フィルタリング:

3. トピック制限:

• ALLOW: 商品情報、注文状況、返品・交換、配送状況、支払い方法、キャンペーン情報
• REVIEW: 会社概要（公開情報のみ）、採用情報（ページ誘導）、技術的質問
• DENY: 社内情報、従業員情報、政治・宗教、医療・法律、投資助言

4. フレームワーク選定: NeMo Guardrails

理由:

• 対話型AIであるため、Colangによるフロー制御が適している
• 外部公開のため、充分にテストされたフレームワークの信頼性が重要
• トピック制限のルールが多く、Colangで管理しやすい

1. コード生成AI特有のリスク:

2. Guardrailsルール:

入力ガード:
  - 秘密鍵・トークンの検出 → マスキングしてから送信
  - 社内固有のコード（特許関連）→ 送信ブロック

出力ガード:
  - セキュリティスキャン → 脆弱性パターンの検出
  - ライセンスチェック → 既知のOSSコードとの類似度チェック
  - シークレット検出 → ハードコードされた認証情報の検出
  - 非推奨API検出 → 社内の非推奨リストとの照合

3. コード品質チェック基準:

4. フレームワーク選定: Guardrails AI + カスタムバリデータ

理由:

• コード出力の構造化検証にGuardrails AIのバリデータが適している
• セキュリティスキャン、ライセンスチェック等はカスタムバリデータで実装
• 対話フロー制御よりも出力検証が重要なため、NeMo Guardrailsより適切

1. Guardrails全体アーキテクチャ:

ユーザー認証（SSO + MFA）
    │
    ▼
入力ガード
  ├─ 認証・認可チェック（役割ベース）
  ├─ クエリのスコープ制限（権限内のDBのみ）
  └─ 入力ログの記録（全クエリを監査ログに）
    │
    ▼
データアクセス層
  ├─ 行レベルセキュリティ（部門長は自部門のみ）
  ├─ 集計レベル制限（個人レベル → 部門レベル → 全社レベル）
  └─ 時間範囲制限（未確定データへのアクセス制御）
    │
    ▼
LLM処理（データ分析・レポート生成）
    │
    ▼
出力ガード
  ├─ 機密レベルチェック（役割に応じた開示レベル）
  ├─ 数値精度チェック（元データとの整合性）
  ├─ PII除去（個人名 → 役職名に変換等）
  └─ 出力ログの記録（全回答を監査ログに）

2. 役割別アクセス制御:

3. 機密レベル別出力制御:

4. 監査ログ要件: