スキルとは何か — AIエージェント時代のスキル完全マニュアル v2

作成日: 2026-04-17
対象: AIを活用したい全ての人（技術レベル不問）
v1→v2: AI側の分類 → 人間の仕事側からの分類に主語を変更

はじめに

「スキルを作りたいんですけど、どうしたらいいですか？」

この質問に、今まで良い答えがなかった。公式ドキュメントを見ても SKILL.md の書き方しか載っていない。「何を」スキルにすればいいのかがわからない。

このマニュアルは、あなたの仕事のどこがスキルになるのかを見つけるためのもの。

第1章: スキルの本質

スキルとは何か

人間がやっている仕事の一部を、AIでもできるように移管したもの。

これだけ。

• 請求書を毎月作っている → 請求書スキル

• YouTube台本を毎回同じ手順で書いている → 台本スキル

• SNSの投稿を定時で回している → 自動投稿スキル

スキルは「AIにできることを増やす」のではなく、**「あなたがやっている仕事をAIに渡す」**行為。だからスキルの中身は、あなたの仕事そのもの。

仕事の4ステップ

あらゆる仕事はこの5ステップで回っている:

集める → 考える → 作る → 確かめる → 渡す

「確かめる」を飛ばして「渡す」人が多い。でも仕事の品質はここで決まる。 請求書の金額を確認する、LPの誤字をチェックする、コードをレビューする。人間がやっている「確かめる」作業こそ、AIに任せると効果が大きい。ミスを見つけるのはAIの方が得意だから。

この5ステップのどこかに、あなたが毎回同じことをやっている場所がある。そこがスキルになる。

技術的にはSKILL.mdファイル

スキルの実体は SKILL.md というファイル。「この仕事はこうやる」と書いてある指示書。

my-skill/

├── SKILL.md ← メインの指示書（必須）

├── scripts/ ← 実行スクリプト（任意）

├── references/ ← 参考ドキュメント（任意）

└── assets/ ← テンプレート等（任意）

AIがこのファイルを読むと、その仕事ができるようになる。

2026年4月現在、Agent Skills というオープンスタンダードに30以上のツール（Claude Code / Codex / Cursor / Gemini CLI / GitHub Copilot 等）が対応。一つのSKILL.mdを書けば、複数のツールで使い回せる。

第2章: あなたの仕事から見たスキルの種類

2-1. 基盤スキル — 全員が作るべきもの

職種に関係なく、ビジネスをやる全員が毎日やっている仕事がある。

Microsoftが30年間変えていない主要アプリ（Word / Excel / PowerPoint / Outlook）は、人間の仕事の基本動作そのもの。これに「集める」「考える」「確かめる」を加えた7つの動作が、全てのビジネスの基盤になっている。

なぜ「確かめる」が基盤スキルか？ 「作る」と「渡す」の間には必ずチェックが入る。請求書を作ったら金額を確認する。LPを作ったら誤字をチェックする。スライドを作ったらデザインを見直す。この「確かめる」を飛ばすと事故が起きる。そしてAIはミスを見つけるのが得意。人間が目視で1時間かけるチェックを、AIは数秒で完了する。だからレビュー系スキルは最もROIが高い基盤スキルの一つ。

ポイント: この7つは職種を問わない。社長もフリーランスもエンジニアもデザイナーも、全員がやっている。だからここからスキルを作り始める。

「毎日メールに30分使ってる」→ メール返信スキル
「毎月同じ請求書を作ってる」→ 請求書スキル
「毎回同じリサーチを繰り返してる」→ リサーチスキル
「作った後に毎回同じ項目をチェックしてる」→ レビュースキル

2-2. 専門スキル — あなたの職業で決まるもの

基盤の6動作はみんな共通。でも「何を書くか」「何を作るか」「何を調べるか」は職種で全然違う。

デザイナーはAdobeを使う。開発者はVSCodeを使う。動画クリエイターはPremiere Proを使う。使う道具が違うということは、必要な知識体系が違うということ。

なぜ専門スキルが分かれるのか？

医者と弁護士はなぜ別の職業か。必要な知識が全く違うから。解剖学を知っていても裁判はできない。民法を知っていても手術はできない。

AIスキルも同じ。「YouTube台本を書くスキル」と「コードレビューするスキル」は、必要な知識が完全に別物。だから別のスキルになる。

専門スキルはゴールから逆算して決まる。 何を達成したいかが明確になれば、必要な専門スキルが自動的に特定される（→ 第3章）。

2-3. メタスキル — スキルを管理するスキル

スキルが20個を超えてくると、スキル自体を管理する仕事が発生する。

最初は不要。 基盤スキルと専門スキルを10〜20個作ってから考えればいい。

まとめ: 3層構造

┌──────────────────────────────────┐

│ メタスキル（上級者向け） │ ← スキルが20個超えてから

│ スキルを作る・管理する・束ねる │

├──────────────────────────────────┤

│ 専門スキル（職種による） │ ← ゴールから逆算して決まる

│ 映像/デザイン/開発/マーケ/... │

├──────────────────────────────────┤

│ 基盤スキル（全員共通） │ ← まずここから作る

│ 集める/考える/書く/ │

│ 計算する/伝える/確かめる/やりとりする │

└──────────────────────────────────┘

第3章: ゴールが決まればスキルが決まる

ゴール→プロセス→タスク→エージェント→スキル

夢・目標（ゴール）

↓ ゴールが確定する

プロセス

↓ プロセスが確定する

タスク

↓ タスクが確定する

エージェント（担当者）

↓ エージェントが確定する

スキル（そのエージェントが持つ能力）

これはTERUが数十万回のAI対話から見つけた階層構造。「ゴールが決まればすべてが決まる」の具体形。

例: 年商1億をデジタルコンテンツで達成したい

ゴール: 年商1億

↓

プロセス: SNS集客 → 教育 → 販売 → サポート

↓

タスク: X投稿 / YouTube台本 / LP制作 / 決済 / 請求書 / ...

↓

エージェント: マーケター / コンテンツ制作者 / 事務

↓

スキル:

基盤: メール返信、日程調整、経費精算、請求書作成

専門: x-auto-poster、youtube台本、LP制作、決済管理

ゴールが変われば、必要なスキルも変わる。 5億なら5億のスキルセット。100億なら100億のスキルセット。

スキルは何に依存するか

スキルは3つに依存している:

1. 人に依存する — その人の専門領域・得意分野がスキルの中身になる

2. プロジェクトに依存する — プロジェクトごとに必要なスキルが変わる

3. タスクに依存する — タスクの粒度でスキルの範囲が変わる

1つのエージェントに何個のスキルを入れていいか

たくさん入れていい。

年商5億円クラスのデジタルビジネスなら、おそらくエージェントは3〜4体で足りる。1体あたり100個のスキルを持っていても、AIは集中力を切らさずに仕事を捌ける。

人間の場合、100個のスキルを使いこなすのは無理。でもAIは全てのスキルの手順を正確に記憶し、必要な時に必要なスキルだけ呼び出せる。

ただし注意: スキルは数が多ければいいわけではない。 100個のスキルを持つということは、100個を保守する責任も持つということ。API変更、品質劣化、重複整理が発生する。必要なのは「数」ではなく「再利用できること」「品質が保てること」。

第4章: スキルの2つのフェーズ

フェーズ1: スキルは「作るもの」

最初の段階。自分が繰り返しやっている作業を見つけて、手順に書き起こして、AIに渡す。これがスキル作成の基本。

やることは4つだけ:

1. 洗い出す — 自分が毎日やっている仕事を全部書き出す

2. 手順を書く — その中で繰り返しているものをSKILL.mdに書く

3. 動かす — AIに読み込ませて実際にやらせてみる

4. 直す — うまくいかなかったところを修正する。3回使えば安定する

「何を洗い出すか」が最初の壁。 自分の仕事を客観的に見る方法はこう:

Step 0: 仕事を「集める→考える→作る→確かめる→渡す」の5ステップで整理する

- 1週間、自分の作業を記録してみる

- 各ステップに何時間使っているか大まかに把握する

Step 1: 繰り返しを見つける

- 「3回以上同じことをやっている」作業に印をつける

- 「なんでこれ毎回やってるんだろう」と思ったらそれがサイン

- 「うざい」「またこれか」と感じる作業は最有力候補

Step 2: 優先順位をつける

- 「売上に直結する」作業 → ROIが高い。優先

- 「うざくて時間を食う」作業 → 解放感が大きい。優先

- 「売上にも関係ないし、たまにしかやらない」→ 後回し

よくある間違い: 「一番難しい仕事」からスキル化しようとする。違う。一番簡単で一番繰り返しているものから始める。請求書の作成、定型メールの返信、毎週のレポート。こういう「手順が決まりきっている仕事」が最初の1個に最適。

もう一つの間違い: いきなり完璧なスキルを作ろうとする。違う。最初は雑でいい。動けばいい。3回使って直して、5回使って調整して、10回使ったら完成。スキルは育てるもの。

フェーズ2: スキルは「勝手に作られるもの」

上級の段階。ここに来るまでにフェーズ1で20〜30個のスキルを作った経験が必要。

フェーズ2では、新しいプロジェクトが立ち上がった時に:

• 必要なスキルが自動で特定される（ゴール→プロセス→タスクから逆算）

• 存在しないスキルは自動で生成される（既存スキルのパターンから学習）

• 既存スキルは自動でアサインされる（エージェントに最適配置）

具体例で考える:

状況: 新しくFacebook広告を回すプロジェクトが立ち上がった

フェーズ1の人:

「Facebook広告のスキルが必要だな。作るか」

→ 自分でリサーチして、手順を書いて、テストして、完成（2〜3日）

フェーズ2の人:

「Facebook広告プロジェクト開始」と宣言する

→ システムが既存スキル（SNS投稿スキル、広告分析スキル）を参考に

→ Facebook広告用のスキルを自動生成する

→ 人間は「これでOK」と承認するだけ（30分）

なぜフェーズ2が可能なのか? ゴールが決まればプロセスが決まり、プロセスが決まればタスクが決まり、タスクが決まれば必要なスキルが決まる（第3章の階層）。この逆算が自動化できるなら、スキル生成も自動化できる。

見えない壁

フェーズ1からフェーズ2への移行には 見えない壁 がある。壁の正体は「抽象度の違い」。

フェーズ1は「具体的な手順を書く」作業。フェーズ2は「スキルを生成する仕組みを設計する」作業。やっていることのレベルが根本的に違う。

フェーズ2が成立する4つの条件（Claude × Codex ディベートでの知見）:

フェーズ1で「良いスキルとは何か」を体で覚えた人だけが、フェーズ2の設計ができる。 なぜなら、「何がOKで何がNGか」の判断基準を持っていないと、自動生成されたスキルの品質を評価できないから。

第5章: スキル作成の実践ガイド

5-1. まず基盤スキルから始める

「何から作ればいいですか？」

この質問への答えはシンプル: あなたも毎日 Word / Excel / PowerPoint / メールを使っている。その中で毎回同じことやってるやつ、それをスキルにしてください。

もう少し具体的に言うと、7つの基本動作ごとに「最初の1個」として作りやすいものがある:

おすすめの最初の1個: 「手順型」の「計算・管理する」スキル。理由は3つ:

1. 手順が完全に決まっている（曖昧さがない）

2. 入力と出力が明確（数字 → 帳票）

3. ミスがあれば数字でわかる（検証しやすい）

毎月作っている請求書、毎週やっている売上集計、毎回同じフォーマットの経費精算。このどれかが最初の1個に最適。

5-2. 型ごとの作り方

スキルは「どんな仕事か」で作り方が全然違う。料理のレシピを書くのと、品質検査のチェックリストを書くのは別物。だから型を見極めてから作り始める。

型の見極め方: あなたのその仕事、一言で言うと何をしている？

以下、型ごとの詳しい作り方:

手順型（毎回同じステップでやっている仕事）

一番簡単。最初にやるべき。

作り方:

1. その仕事のステップを番号で書き出す

2. 各ステップの入力と出力を明記する

3. 「もし○○なら」の分岐を書く

---

name: monthly-invoice

description: 毎月の請求書を作成する。「請求書作って」「インボイス」で発火。

---

# 月次請求書作成

## 手順

1. Googleスプレッドシートのテンプレートをコピーする

2. 宛先・金額・明細を入力する

3. PDFにエクスポートする

4. メールで送信する

## 入力

- クライアント名

- 請求金額

- 明細項目

## 出力

- PDF請求書

- 送信済みメール

調査型（情報を集めてまとめる仕事）

作り方:

1. 「どこを見るか」（情報源）を列挙する

2. 「何を集めるか」（収集項目）を明記する

3. 「どうまとめるか」（出力フォーマット）を決める

---

name: competitor-research

description: 競合リサーチ。「競合調べて」「リサーチして」で発火。

---

# 競合リサーチ

## 情報源

- X (Twitter) の投稿

- YouTube チャンネル

- 公式サイト

## 収集項目

- 投稿頻度、エンゲージメント率

- コンテンツのテーマ・切り口

- 価格帯・提供サービス

## 出力

- Markdownレポート（要約 + データ表）

制作型（何かを作り出す仕事）

作り方:

1. 正解のテンプレートを1つ渡す（これが最も重要）

2. 「このクオリティで作れ」と指定する

3. 品質基準を明記する

---

name: youtube-script

description: YouTube台本を作成する。参照テンプレートに従う。

---

# YouTube台本作成

## 参照テンプレート

assets/best_script_example.md を参照。このクオリティで書くこと。

## 構成

1. フック（最初の5秒で興味を引く）

2. 問題提起

3. 解決策（3つ）

4. まとめ + CTA

## 品質基準

- 1本3000〜5000字

- 口語体で書く

- 専門用語は中学生でもわかる言葉に置き換える

チェック型（品質を確認する仕事）

作り方:

1. チェックリストを書く

2. OK / NG の基準を明確にする

3. NGの場合の対応を書く

---

name: lp-review

description: LPの品質チェック。「LP確認して」「レビューして」で発火。

---

# LPレビュー

## チェックリスト

- [ ] ファーストビューで何を売っているか3秒でわかるか

- [ ] CTAボタンは目立つか

- [ ] 価格は明記されているか

- [ ] スマホ表示で崩れていないか

- [ ] 誤字脱字はないか

## 判定

- 全項目OK → 「問題なし」

- NG項目あり → 具体的な修正箇所を指摘

管理型（データを処理・管理する仕事）

作り方:

1. 入力（何のデータ）を定義する

2. 処理（何をするか）を書く

3. 出力（どこに保存するか）を決める

連絡型（人とやりとりする仕事）

作り方:

1. テンプレートを用意する

2. 判断基準を書く（いつ何を返すか）

3. エスカレーション条件を書く（人間に回すケース）

5-3. SKILL.mdの基本構造

---

name: my-skill # スラッシュコマンド名

description: | # AIが自動判断に使う説明

このスキルの説明。

「こういう言葉」で発火する。

user-invocable: true # ユーザーが/で呼べるか

---

# スキル名

## やること

1. ステップ1

2. ステップ2

3. ステップ3

## ルール

- こういう場合はこうする

- こういう場合はやらない（NOT for: ○○）

## 出力形式

- ファイル名: xxx

- 保存先: xxx

5-4. 配置場所

5-5. 良いスキルの条件

1. 500行以内 — 長すぎるとAIが読み切れない

2. descriptionが具体的 — AIが「いつ使うか」を判断する唯一の情報源

3. トリガーワードを明記 — 「請求書作って」「インボイス」「invoice」で発火、と書く

4. やらないことも書く — 「NOT for: 新規ドキュメント作成」

5. 出力形式が明確 — 何をどこに保存するか

6. 正解テンプレートがある — 制作型は特に重要。お手本を渡す

5-6. 重要な注意: パッシブ vs オンデマンド

Vercelの評価で重要な知見:

常にロードされているルール（CLAUDE.md等）が100%の精度。オンデマンドスキルは最大53%。

AIは「いつスキルを呼び出すか」の判断がまだ苦手。だから:

• 毎回必ず使うルール → CLAUDE.mdに書く（常時ロード）

• 状況に応じて使うもの → スキルにする（オンデマンド）

• 副作用があるもの（デプロイ等） → 手動呼び出し専用にする

第6章: なぜこう分類するのか — 深掘り

この章は「なぜ第2章の分類がああなっているのか」を解説する。分類の理由がわからないと、自分で応用できない。

6-1. 人間の専門職はなぜ分かれるのか

医者と弁護士はなぜ別の職業か？「そりゃ違う仕事だから」では答えになっていない。なぜ「違う仕事」として分かれたのかが本質。

専門職が分かれる本質は2つ:

1. 知識体系の独立性 — 解剖学を知っていても裁判はできない。民法を知っていても手術はできない。知識が根本的に異なるから、同じ人が両方やるのは非効率（もしくは不可能）

2. 判断の不可逆性 — ミスした時のダメージが致命的だから、専門訓練を受けた人にしかやらせない。だから免許制度がある

これはAIスキルにもそのまま当てはまる。 YouTube台本を書くスキルとコードレビューをするスキルは、必要な知識が完全に別物。請求書を作るスキルと画像を生成するスキルも、知識体系が違う。だから別のスキルになる。

そして、請求書の金額を間違えるのと画像の色味を間違えるのでは、ダメージの大きさが全く違う。だから「どこまでAIに任せるか」のルールも変わる。

6-2. AIスキルの本質的な2軸

スキルの性格を決めるのは、突き詰めるとこの2つ:

軸A: 知識（何を知ってないとできないか）

知識が深いほど、スキル化の難易度が上がる。 公開知識のスキル（「ニュースを集めて」）は今日作れる。個人知識のスキル（「私の文体で書いて」）は、自分の判断基準を言語化するところから始まる。

だからまず公開知識のスキルから作る。 社内知識・個人知識のスキルは、作る過程で「自分が何を知っているか」を棚卸しすることになる。これ自体が価値。

軸B: リスク（ミスったらどうなるか）

リスクが高いスキルほど、人間のチェックを挟む設計にする。 R0は全自動でいい。R3は絶対に人間が最終確認する。この使い分けを間違えると事故が起きる。

よくある間違い: 「AIにお任せ」で全部R0扱いにする。請求書の金額もメールの送信先もAI任せにして、間違った金額の請求書が飛んだり、関係ない人にメールが行ったりする。スキルを作る時に「これはRいくつか？」を最初に決める。

6-3. v1の3軸分類の問題点（LLMディベートの結果）

v1ではマニュアルの最初のバージョンとして「ドメイン」「トリガー」「自律度」の3軸で分類した。Claude と Codex (GPT-5.2) のディベートで以下の問題が指摘された:

問題1: トリガーは分類ではなく設定。
同じ請求書スキルが「手動」でも「毎月1日に定時実行」でも動く。いつ動くかはスキルの本質じゃなくて後から付ける設定。人間で言えば、経理担当者は「経理の専門家」であって「毎月1日に動く人」ではない。起動タイミングは属性であって分類ではない。

問題2: ドメインの定義が混在。
「開発」は仕事の種類だが「Google連携」は接続先。「メタ統治」は管理レイヤー。同じ軸に違う粒度のものを混ぜていた。人間の職業分類で「エンジニア」「マーケター」「Microsoft使う人」「管理職」を同列に並べるようなもの。粒度が揃っていない。

問題3: 自律度が曖昧。
「L3代理人」と「L4指揮者」の違いは、実際には「人間の承認がいるか」「ミスのダメージはどれくらいか」で決まる。「任せ具合」という感覚的な基準では設計に使えない。

Codex（GPT-5.2）の結論:
「能力（何ができるか）」と「統治（どこまで許すか）」を分けるべき。v1はこの2つを混ぜているから壊れる。能力はスキルの本体。統治はスキルにかけるルール。別物。

6-4. 整理: 分類 vs 設定 vs 統治

この3つは別々に考える:

v1はこの3つを全部「分類」として扱っていた。 v2ではこう分ける:

• 第2章の3層構造（基盤→専門→メタ） = 分類

• トリガー（手動/定時/イベント/連鎖） = 設定。スキルに後から付ける属性

• リスク等級（R0〜R3） = 統治。スキルにかけるルール

こうすることで「このスキルは基盤の『書く』型で、毎朝9時に定時実行で、リスクR1だから人間がさっと確認する」と、3つの独立した判断ができるようになる。

第7章: ツール別の違い

Claude Codeが最も高機能。ただし基本的なSKILL.md形式は共通で、どのツールでも使える。

第8章: スキル化チェックリスト

Step 0: 仕事の全体像を把握する

• 自分の仕事を「集める→考える→作る→渡す」の4ステップで書き出した

  各ステップにかかっている時間を大まかに把握した

Step 1: 基盤スキルから3つ選ぶ

• 6つの基本動作の中で「毎回同じことをやっている」作業を見つけた

  「3回以上同じことを思った」作業に印をつけた

  その中から「売上に貢献する」or「うざい」の上位3つを選んだ

Step 2: 型を判断して作る

• 選んだ作業が「手順型/調査型/制作型/チェック型/管理型/連絡型」のどれか判断した

  型に合った方法で SKILL.md を書いた

  description にトリガーワードを書いた

  NOT for（やらないこと）を書いた

Step 3: 動かして改善する

• 1回動かしてテストした

  3回実戦で使った

  改善点を SKILL.md に反映した

  「もう自分でやらなくていい」と感じたら完成

Step 4: 専門スキルに進む（ゴールから逆算）

• 自分のゴールを明確にした

  ゴール→プロセス→タスクを書き出した

  タスクの中で専門知識が必要なものを特定した

  専門スキルを作り始めた

付録A: v1の3軸分類（技術的な参考資料）

v1で提示した3軸分類は、AIの技術仕様を理解する際の参考として有用:

軸1: ドメイン（9分類）

開発 / コンテンツ制作 / リサーチ / ビジネス業務 / SNSマーケ / ドキュメント / Google連携 / 知識管理 / メタ統治

軸2: トリガー（5種）

手動 / キーワード / 定時 / イベント / 連鎖

軸3: 自律度（5段階）

L1道具 / L2助手 / L3代理人 / L4指揮者 / L5自己進化

これらは「スキルの技術的属性」として理解しておくと、SKILL.mdの設計時に役立つ。ただし、スキルを作る際の出発点は「あなたの仕事のどこか」であり、この技術分類ではない。

付録B: 業界のスキル分類フレームワーク

付録C: 参考リンク

• Agent Skills オープンスタンダード

• Claude Code Skills 公式

• OpenAI Codex Skills

• Cursor Rules

• awesome-agent-skills (GitHub)