AIドキュメントアシスタント設計: VFS方式とRAG方式を運用で比較する

ドキュメント向けAIアシスタントを本番運用するとき、よく議論になるのが「RAG中心でいくか、VFS（仮想ファイルシステム）中心でいくか」です。これは思想の違いではなく、障害対応・監査対応・保守工数に直結する設計選択です。

方式ごとの得意領域

RAG中心

強み:

• 意味検索で広い文書群を横断しやすい
• 曖昧質問への初動が強い
• 異種データ統合に向く

弱み:

• 埋め込み・インデックス劣化が見えにくい
• チャンク戦略で品質が大きく揺れる
• 再インデックス運用が重くなりやすい

VFS中心

強み:

• どの文書を参照したか再現しやすい
• 正本（canonical）管理と相性が良い
• 権限制御の境界を明確にしやすい

弱み:

• 情報設計が弱いと探索性が落ちる
• 初見の曖昧質問に弱い
• メタデータ整備が前提になる

判断軸

• 回答再現性の要求レベル
• 文書更新頻度と移動頻度
• 検索曖昧性の許容度
• コンプライアンス制約
• 保守体制（誰がどこまで持つか）

実務で有効なハイブリッド

多くの組織では次の構成が安定します。

1. 意味検索で候補を絞る
2. 最終参照はVFS上の正本に限定
3. 回答には参照ファイル境界を保持

これで探索性と監査性のバランスを取りやすくなります。

失敗パターン

• 削除済み文書を指す孤立インデックス
• 取得時権限と表示時権限の不一致
• キャッシュで旧版手順を返す
• 競合版を無理に合成して誤回答

競合が見つかったら、推定回答より「差分提示＋エスカレーション」を優先する方が事故を減らせます。

追うべきSLO

• 引用正確率
• 旧版参照率
• 未解決クエリエスカレーション率
• 文書更新から反映までの時間
• ポリシー違反応答件数

まとめ

RAGかVFSかを二択で決めるより、「発見性と統制の両立」を設計目標に置く方が成功率は高いです。実運用では、意味検索で入口を作り、最終根拠を正本ファイルに寄せるハイブリッド構成が、品質・説明責任・保守性のバランスを取りやすい選択です。