リランキングとは、RAGシステムで初回検索した候補文書を、より高精度なモデルで再スコアリングし、関連度順に並び替える技術のこと。
リランキング (Re-ranking)とは（詳しく解説）
リランキングは RAG パイプラインの精度向上に欠かせない工程。一般的なベクトル検索（embedding + ANN）は速度優先の設計で上位 50〜100 件を高速に絞り込むが、意味的な関連度の見落としが多い。そこでクロスエンコーダー型のリランカー（Cohere Rerank、BGE-Reranker 等）が候補を精査し、実際に LLM に渡す上位 5〜10 件を選び直す。 2026年の実運用における落とし穴は主に3点。①コスト：Cohere Rerank API は 1,000 クエリあたり約 $0.10〜$0.20 で、大規模利用では月数万円の追加コストになる。②レイテンシ：クロスエンコーダーはクエリ×文書ペアを全評価するため、候補数が多いほど応答時間が伸び、50 件で +200〜500ms 程度かかる。③効果の頭打ち：初回検索の精度が低すぎるとリランキングでは救えない（Garbage in, garbage out）。 現場での選び方の相場感として、月 10 万クエリ未満の小規模用途なら Cohere Rerank API がコスパ最良。大規模・データ秘匿要件があるなら BGE シリーズのローカルモデルを自前運用。AI PICKS が確認した事例では、リランキング導入で回答精度が体感 20〜40% 向上するケースが多く、RAG 精度改善の最初の一手として推奨される。
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「リランキング (Re-ranking)とは」 https://aipicks.jp/glossary/reranking
リランキング (Re-ranking)の使用例
- 社内ナレッジ検索で初回 100 件取得後、Cohere Rerank で上位 5 件に絞り LLM に渡すことで、的外れな回答が大幅に減少した事例。
- Flowise の RAG フローにリランキングノードを追加し設定のみで精度向上を確認。追加コストは月約 3,000 円に収まった。
