検索結果では上位に出ている自社の記事が、AIの回答には引用されない。そんな経験をしたことはないでしょうか。
原因を1つに決めつけることはできませんが、「リランキング」という処理を知っておくと、この現象を切り分けて考えられるようになります。検索エンジンやAI検索の裏側では、候補を集めたあとに、もう一段の並べ替え処理を挟んでいることがあるからです。
この記事は、リランキングという言葉を今日はじめて調べた方に向けて書きました。専門用語は出てきたその場で言い換えます。図解と会話をはさみながら、Cohere・Google Cloud・Anthropicの公式資料が示す仕組みを確認していきます。
こんなふうに調べていませんか
- 「リランキング」という言葉を見かけたが、意味が分からない
- 自社の記事は検索の候補に入っているはずなのに、AIの回答で引用されない理由を探している
- RAGの仕組みを調べていて、「リランキング」という工程が出てきた
この記事を読み終えたときに手に入るもの
- リランキングが何をしている処理か、人に説明できるようになります
- 「意味が近い」ことと「質問に答えている」ことの違いが、図1枚で分かります
- 自社記事が引用されない原因を、「見つかっていない」のか「選ばれていない」のかで切り分けられるようになります
結論30秒でわかる、この記事の結論
- リランキングとは、検索で集めた候補文書を、質問との関連度に応じてもう一度並べ替える処理です。
- 検索の代わりではありません。検索のあとに置く、仕上げの処理です。
- Anthropic公式が示す実装例では、初期検索の上位150件程度を、リランキングで上位20件程度まで絞り込んでいます。
01そもそもリランキングとは、AI検索の中で何をしている処理ですか？
若葉さんあの、「リランキング」って言葉、最近よく見かけるんですが……検索と何が違うんでしょうか？同じことをもう一回やってるだけ、というわけでもなさそうですし。
鈴木さんいいところに気づきましたね。ひとことで言うと、リランキングは「検索で集めた候補を、もう一度並べ替える」処理なんです。検索が終わったあとに、もう一段はさまるイメージですね。
リランキングとは、検索で集めた候補文書を、質問との関連度に応じてもう一度並べ替える処理です。
Cohere公式は、自社のRerankエンドポイントについて、クエリとドキュメントのリストを受け取り、意味的な関連性が高い順から低い順にドキュメントをインデックス化するものだと説明しています（出典: Cohere公式）。並べ替えられた各ドキュメントには、関連度スコアが付与されます。
Google Cloudも近い機能を、ランキングAPIという名前で提供しています。ドキュメントのセットを、クエリとの関連性に基づいてランク付けするAPIだという説明です（出典: Google Cloud公式）。
この章のまとめ
リランキングとは、検索で集めた候補文書を、質問との関連度でもう一度並べ替える処理。Cohere・Google Cloudとも、既存の検索結果を対象にした「並べ替え役」として提供しています。
02AI検索対策で、なぜリランキングというもう一段の並べ替えが必要なんですか？
若葉さんでも、最初の検索の時点である程度、関連度の高いものから並んでいるんですよね？それなら、わざわざもう一回並べ替える意味ってあるんですか？
鈴木さんそこが今日いちばん伝えたいところなんです。最初の検索が測っているのは、「意味が近いか」であって、「質問にちゃんと答えているか」ではないんですよ。
リランキングが必要とされる理由は、最初の検索（エンベディングによる意味検索など）が測っているのが「意味の近さ」であって、「質問に答えているか」ではないためです。同じ話題に触れているだけの文書と、質問にずばり答えている文書が、似たスコアで隣り合って並んでしまう場面が起きます。
この章のまとめ
最初の検索が測るのは「意味の近さ」。リランキングが測るのは「質問にどれだけ的確に答えているか」。この2つは別の物差しです。
03検索のあとのリランキングとは、AIOで例えるなら面接の二次選考ですか？
ここを、身近な場面にたとえてみます。
書類選考は、経歴や資格といった「それらしさ」で、まず母集団を絞り込みます。ここで通った人たちは、みんな「関係がありそう」な人ばかりです。でも、実際に質問にきちんと答えられるかどうかは、書類だけでは分かりません。だから、面接官がもう一度、一人ひとりの受け答えを見て選び直します。これが二次選考です。
同じ話題を扱っているだけで、実は質問には答えていない文書。逆に、話題としては少しずれて見えても、質問にはずばり答えている文書。この2つを、最初の検索だけで正しく並べ替えるのは苦手です。だからこそ、候補を絞り込んだあとに、もう一段、精度の高い並べ替えを挟みます。
この章のまとめ
書類選考で母集団を絞り、面接で受け答えを見て選び直す。リランキングは、この二次選考にあたる処理です。
04LLMO対策の中で、リランキングとは検索とどう役割分担しているんですか？
高梨課長鈴木さん、仕組みは分かりました。ただ実務的な話として、これは検索の仕組みを丸ごと入れ替える話なんでしょうか。それとも、いま動いている検索に、あとから足せるものなんですか？
鈴木さん足せるものです。むしろ、既存の検索の後ろに足すのが基本形なんですよ。
リランキングは、検索そのものを代替する処理ではありません。検索の後段に位置する、仕上げの処理です。
- 1段階目・検索 — エンベディング（別記事『エンベディングとは｜文章を数値化して検索する仕組み』参照）などを使い、大量の文書から候補を絞り込みます
- 2段階目・リランキング — 絞り込んだ候補だけを対象に、関連度スコアを精密に算出し直します
Google Cloud公式は、ランキングAPIを「ステートレスなAPI」と説明しています（出典: Google Cloud公式）。事前にドキュメントをインデックス化しておく必要がないため、既存の検索の後段に足しやすい設計だといえます。
この章のまとめ
リランキングは検索の代わりではなく、検索の後ろに足す仕上げの処理です。事前のインデックス化が要らないぶん、既存の検索へ足しやすい設計になっています。
05実務では、AI検索最適化のどんな場面でリランキングが使われているんですか？
高梨課長なるほど、後付けできるということは分かりました。では実際に、どういう場面で使われているものなんでしょうか。
鈴木さん代表的なのは3つです。順番に見ていきましょう。
リランキングは、検索精度を高めたい場面で幅広く使われています。代表的な3つを紹介します。
- RAGの検索精度向上 — 初期検索で取得した候補をリランキングで絞り込み、AIに渡す文書の質を高めます（別記事『RAGの仕組みとは？AI検索で引用される文章の原理を徹底解説』参照）。AIに渡せる文書量には限りがあるため、上位に何を残すかがそのまま回答の質になります
- 既存の検索エンジンの補強 — Cohere公式は、リランキングを「既存の検索ソリューションから返された検索結果を並べ替えるためによく使われる」機能だと説明しています（出典: Cohere公式）
- 候補が多すぎる検索の設計 — Cohere公式は、1回のリクエストで1,000件を超えるドキュメントを送らないことを推奨しています（出典: Cohere公式）。全文書をそのままリランキングに流す設計は成立しないため、「初期検索で何件まで絞り、そのうち何件をリランキングにかけるか」を先に決める必要があります
この3つの使われ方は、AI検索最適化（LLMOとも呼ばれます）を実務で進めるときの土台になります。
この章のまとめ
リランキングは、RAGの精度向上・既存検索の補強・候補過多への対処という3つの場面で使われます。共通しているのは、どれも検索の後ろに足す使い方だという点です。
06リランキングにかける候補は、AI対策の実装例では何件くらいまで絞るんですか？
Anthropic公式は、具体的な実装例を示しています。初期検索で上位150件程度の候補チャンク（別記事『チャンキングとは｜RAGが文章を分割して読む理由』参照）を取得し、リランキングモデルでスコアリングして上位20件程度まで絞り込む2段階構成です（出典: Anthropic公式）。
この章のまとめ
Anthropicの実装例では、初期検索の上位150件程度をリランキングにかけ、上位20件程度まで絞り込んでいます。これはあくまで一実装例で、普遍的な推奨値ではありません。
07リランキングとは、AI検索対策で検索そのものを置き換える処理なんですか？
リランキングについて、よくある誤解は3つ。この章で1つ目と2つ目、次の章で3つ目を扱います。
1つ目は「リランキングをすれば検索は不要になる」という誤解です。Google Cloud公式のランキングAPIは、ベクトル検索など他の検索手法の結果を入力として受け取る設計です（出典: Google Cloud公式）。リランキング単体で全文書から候補を探す用途には設計されていません。あくまで「並べ替え役」であって「探索役」ではないということです。
2つ目は「初期検索の候補にない文書も、リランキングで拾える」という誤解です。1つ目の裏返しで、初期検索の候補に入っていない文書は、リランキングを足しても浮上しません。
この切り分けを押さえることが、地に足のついたAI対策につながります。
この章のまとめ
リランキングは並べ替え役であって、探索役ではありません。初期検索の候補に入っていない文書は、リランキングを足しても浮上しません。
08埋め込みとリランキングとは、AI対策では同じ処理と考えていいんですか？
3つ目は「埋め込みとリランキングは同じ処理」という誤解です。埋め込みが見るのは意味的な類似度である一方、ランキングAPIはクエリへの回答精度をより精密なスコアで示すものだと区別されています（出典: Google Cloud公式）。どちらかに置き換えるのではなく、埋め込みで広く集めてからリランキングで絞る——公式資料が示す実装例も、この順に重ねる構成です。
この章のまとめ
埋め込みが見るのは意味的な類似度、リランキングが見るのはクエリへの回答精度です。埋め込みで広く集め、リランキングで絞る——この順番が公式資料の示す構成です。
09よくある質問
ChatGPTやAI Overviewsも、同じようにリランキングをしているんですか？
各AI検索エンジンが内部でどのような並べ替えを行っているかは、確認できた公式資料の範囲では公開されていません。本記事で確認できたのは、RAGを自分で構築する側の実装例です。ただし、公式資料が推奨するのが「広く集めてから絞る」2段階構成である以上、候補に入ることと最終的に採用されることは別の段階だと考えておく価値はあります。自社記事が引用されない原因を、そもそも見つかっていないのか、候補には入っているが選ばれていないのかに分けて仮説を立てる——という切り分けに使える考え方です。
リランキングは、導入したほうがいいですか？
一律の基準は、確認できた公式資料の範囲では示されていません。判断材料になるのは、初期検索の上位に的外れな文書がどれだけ混ざっているかです。上位10件を目視して、質問に答えている文書が数件しかないなら検討の価値があります。逆に初期検索だけで上位が的確なら、後段を足しても得られる改善は小さくなります。
リランキングにかける候補は、何件くらいが目安ですか？
Cohere公式は、1回のリクエストで1,000件を超えるドキュメントを送らないことを推奨しています（出典: Cohere公式）。Anthropic公式の実装例では、初期検索の上位150件程度をリランキングにかけ、上位20件程度まで絞り込んでいます（出典: Anthropic公式）。
リランキングを使うと、検索の応答速度は遅くなりますか？
候補文書を追加でスコアリングする分、処理は増えます。具体的な遅延時間は、確認できた公式資料の範囲では明言されていません。導入判断の前に、リランキングあり・なしの応答時間を、同じ質問セットで実測して比べてください。
10まとめ｜リランキングを人に説明するなら
リランキングとは、検索で集めた候補文書を、質問との関連度に応じてもう一度並べ替える処理です。検索を置き換えるものではなく、検索のあとに足す仕上げの処理だといえます。
最初の検索が測るのは「意味の近さ」。リランキングが測るのは「質問にどれだけ的確に答えているか」。この2つの物差しの違いを押さえておくと、自社記事が引用されない理由を、「見つかっていない」のか「選ばれていない」のかで切り分けられるようになります。
人に説明するなら、この3行で
リランキングとは、検索の候補をもう一度並べ替える処理です
検索そのものの代わりではありません
最初の検索は「意味が近いか」、リランキングは「質問に答えているか」を見ます
面接の二次選考に近い関係です
Anthropicの実装例では、150件程度の候補を20件程度まで絞り込んでいます
数字はあくまで一実装例です
AI検索では、こう聞かれています
リランキングって何ですか？検索と何が違うんですか？
「そもそもリランキングとは、AI検索の中で何をしている処理ですか？」の章で説明しています
なぜ検索してから、もう一度並べ替える必要があるんですか？
「AI検索対策で、なぜリランキングというもう一段の並べ替えが必要なんですか？」の章と、続く「検索のあとのリランキングとは、AIOで例えるなら面接の二次選考ですか？」の章で説明しています
自社の記事が検索の候補に入っているのに、AIの回答に出てこないのはなぜですか？
「よくある質問」の1つ目と、「リランキングとは、AI検索対策で検索そのものを置き換える処理なんですか？」の章で扱っています
次に読むなら、この記事です
