Zasebna arhitektura RAG za evropska podjetja: Modeli z ničelnim zadrževanjem podatkov in GDPR
Vzpostavitev varnega internega iskalnika RAG: skladnost z GDPR, modeli brez hrambe podatkov (ZDR), pgvector in izolacija poslovnih skrivnosti.
Zasebni sistemi za priklic informacij z razširjenim generiranjem (Retrieval-Augmented Generation - RAG) predstavljajo eno najmočnejših orodij za povečanje produktivnosti v B2B podjetjih. Omogočajo, da inženirji, pravniki, prodajalci in podpora strankam v nekaj sekundah pridobijo točne odgovore iz tisočev strani internih pogodb, tehničnih specifikacij in priročnikov.
Vendar pa se v evropskem prostoru podjetja soočajo s strogimi pravnimi in varnostnimi omejitvami: Splošno uredbo o varstvu podatkov (GDPR), zahtevami po varovanju poslovnih skrivnosti ter prihajajočim Aktom EU o umetni inteligenci.
Uporaba javnih klepetalnih orodij, kjer se podatki pošiljajo na neznane strežnike v ZDA, pomeni neposredno kršitev zakonodaje in nedopustno varnostno tveganje.
V tem članku predstavljamo preverjeno arhitekturo za vzpostavitev varnega, zasebnega RAG sistema, ki deluje v celoti znotraj evropskega pravnega in tehničnega okvirja.
1. Trije stebri skladnosti zasebnega RAG sistema
Pri načrtovanju varne RAG arhitekture moramo zadostiti trem ključnim pogojem:
┌────────────────────────────────────────────────────────────────────────┐
│ Varnostni okvir zasebnega RAG │
├─────────────────────┬──────────────────────────┬───────────────────────┤
│ Področje │ Zahteva │ Tehnična rešitev │
├─────────────────────┼──────────────────────────┼───────────────────────┤
│ 1. Hramba podatkov │ Zero Data Retention (ZDR)│ Enklavni API z ZDR ali│
│ │ brez učenja na podatkih │ lokalni open-weight │
├─────────────────────┼──────────────────────────┼───────────────────────┤
│ 2. Lokacija podatkov│ Izključno znotraj EU │ Podatkovni centri v │
│ │ (Nemčija, Francija) │ Frankfurtu / Parizu │
├─────────────────────┼──────────────────────────┼───────────────────────┤
│ 3. Dovoljenja │ Izolacija vlog (RBAC) │ PostgreSQL RLS │
│ │ in ločitev dostopov │ na vektorskih tabelah │
└─────────────────────┴──────────────────────────┴───────────────────────┘
2. PostgreSQL in pgvector kot enotna podatkovna platforma
Namesto ločenih specializiranih vektorskih baz priporočamo uporabo razširitve pgvector znotraj standardne baze PostgreSQL. S tem se izognete podvajanju podatkov in ohranite vse prednosti relacijske varnosti:
-- Primer sheme z Row-Level Security (RLS)
CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE dokumenti_vektorji (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
organizacija_id UUID NOT NULL,
dovoljena_vloga VARCHAR(50) NOT NULL,
vir_datoteka TEXT NOT NULL,
vsebina_odlomka TEXT NOT NULL,
vektor vector(1536) NOT NULL
);
-- Vklop varnosti na ravni vrstic
ALTER TABLE dokumenti_vektorji ENABLE ROW LEVEL SECURITY;
CREATE POLICY vpogled_po_vlogi ON dokumenti_vektorji
FOR SELECT
USING (
dovoljena_vloga = current_setting('request.jwt.claim.role', true)
OR dovoljena_vloga = 'vsi'
);
S takšnim pristopom je matematično nemogoče, da bi poizvedba zaposlenega na začetniški ravni vrnila odlomke iz pogodb vodstva ali finančnih poročil.
3. Izbira modelov: ZDR API proti lokalnemu gostovanju
Podjetja imajo na voljo dve varni poti:
- API z ZDR pogodbami v EU: Uporaba modelov prek namenskih evropskih končnih točk (AWS Bedrock v Frankfurtu ali Azure OpenAI z EU podatkovno mejo), kjer velja stroga pogodba o obdelavi podatkov (DPA).
- Lokalno gostovani odprtokodni modeli: Poganjanje modelov, kot so Mistral NeMo, Llama 3.3 ali Qwen 2.5 na lastnih strežnikih z GPU pospeševalniki (npr. Hetzner ali lokalna strojna oprema).
Za večino srednje velikih podjetij je prva možnost optimalna zaradi nižjih stroškov vzdrževanja, medtem ko je druga možnost primerna za podjetja v bančnem, farmacevtskem ali obrambnem sektorju.
4. Zaključek
Zasebni RAG ni le tehnološki dodatek, temveč strateška prednost podjetja, ki omogoča varno monetizacijo lastnega znanja ob popolni skladnosti z evropsko zakonodajo.
Pogosta vprašanja
Kaj pomeni politika ničelnega zadrževanja podatkov (Zero Data Retention - ZDR)?→
Kako se v zasebnem sistemu RAG zagotavlja nadzor dostopa do dokumentov?→
Zakaj je hibridno iskanje (BM25 + pgvector) boljše od čistega vektorskega iskanja?→
Se utapljate v ročnih operacijah in nepreglednih skriptah?
Ročne podatkovne tokove nadomestimo z zanesljivimi Python mikrostoritvami, Cloudflare Workers in robustnimi samopopravljivimi UI delovnimi tokovi.