顧客ごとに正解が違うAI分析｜LLM任せにしない3層防御

同じ「先週の売上は？」という質問でも、2店舗のフランチャイズ経営者には8万4千ドル、全国200店舗を見るブランド責任者には920万ドルと、正解が利用者ごとに異なる。LLM任せの絞り込みはコンプライアンス要件を満たせないため、PARはデータ境界をモデルの挙動に依存せずアーキテクチャ側で確定的に強制する設計を採った。生成AIで社内データ分析を作る企業にとって、権限分離をどこで担保すべきかの実例として参考になる。

2店舗のフランチャイズ経営者には8万4千ドル、全国200店舗を見るブランド責任者には920万ドル——同じ「先週の売上は？」という質問でも、利用者ごとに正解が違う。飲食業向けにシステムを提供するPAR Technologyは、自然言語で社内データを問い合わせる分析エージェントを構築し、その事例をAWS Machine Learning Blogで公開した。

利用者が英語の質問を入力すると、Amazon Bedrock上のAnthropic Claude Sonnet 4がSQL文を生成し、Databricksのデータ基盤に問い合わせる。問題は、複数顧客（マルチテナント）が同じデータベースを共有しながら、利用者ごとに見える行（データの範囲）を厳密に制限しなければならない点にある。誰がどの数字を見られるかを取り違えれば、テナント間のデータ漏えいになる。

In this post, we show you how PAR built a production-ready multi-tenant LLM analytics system that enforces row-level security through a three-layer architecture.

ここでいう行レベルセキュリティ（row-level security）とは、同じ表でも利用者ごとに見える行だけを返す仕組みのことだ。