AIを使っていると、こんな場面が増えてきます。
「毎回、同じ説明をするのが面倒」
「前回はうまくできたのに、今回は手順が抜けた」
「記事を書くときは、このルールを必ず守ってほしい」
そんな繰り返し使う仕事のやり方を、AIが再利用できる形にまとめる仕組みが「スキル（Skill）」です。
2026年現在、Claudeだけでなく、ChatGPTやCodexでもスキルの仕組みが使われています。さらに、複数のAI環境で扱いやすくするための「Agent Skills」というオープンな仕様も公開されています。
本記事では、AI初心者向けに、SKILL.mdの仕組み、似た機能との違い、ClaudeとOpenAI製品で使うときの注意点、最初のスキルの作り方を整理します。
※本記事は2026年8月22日時点の公式情報をもとにしています。対応製品、保存場所、呼び出し方は変わる可能性があるため、実際に作成するときは各製品の最新案内を確認してください。
結論：スキルは「AIが再利用できる作業手順書」
スキルを初心者向けに一言で表すなら、AIに渡す再利用可能な作業手順書です。
たとえば記事を書くたびに、次のような指示を入力しているとします。
- 結論を先に示す
- 初心者にも分かる表現にする
- 公式情報と推測を分ける
- 同じ説明を繰り返さない
- 公開前に事実確認をする
この仕事の進め方を1つのスキルへまとめておけば、次回からAIは必要なときにその手順を参照できます。
ただし、AIモデルそのものへ新しい知識を学習させる仕組みではありません。 指示や資料を再利用できる形で保存し、該当する仕事が来たときに読み込ませる仕組みです。
スキルには文章による指示だけでなく、必要に応じて参考資料、テンプレート、検査用スクリプトなども含められます。
スキルの中心にある「SKILL.md」とは？
Agent Skillsの基本形はシンプルです。
1つのフォルダを作り、その中へSKILL.mdというファイルを置きます。
my-skill/
├── SKILL.md
├── scripts/
├── references/
└── assets/必須なのはSKILL.mdです。
必要に応じて、繰り返し実行する処理を置くscripts、詳しい資料を置くreferences、テンプレートや画像を置くassetsを追加できます。
Agent Skillsの仕様では、SKILL.mdの先頭にYAML形式のメタデータを置き、少なくともnameとdescriptionを記述します。
最小構成なら、たとえば次のようになります。
---
name: article-final-check
description: 完成したブログ記事を公開前に確認する。初稿作成には使用しない。
---
# 目的
公開前の記事から、事実誤認、重複、読みにくい表現を見つける。
# 手順
1. タイトルと本文の内容が一致しているか確認する
2. 同じ説明が複数の章にないか確認する
3. 数値・日付・固有名詞を確認する
4. 公式情報と筆者の意見を区別する
5. 修正が必要な箇所と理由を示す
# 完了条件
重大な問題が残っていないことを確認してから結果を返す。最初からプログラムを書く必要はありません。数行のMarkdownだけでもスキルは作れます。
なぜ多くのスキルを用意しても混乱しにくいのか
スキルの重要な仕組みが「Progressive Disclosure（段階的な情報の読み込み）」です。
AIは最初からすべてのスキル全文を読み込むのではありません。まず各スキルのnameとdescriptionなど、必要最低限の情報から「この仕事に使えそうなスキルがあるか」を判断します。
関連すると判断した場合にSKILL.mdを読み、さらに必要な場合だけ参考資料やスクリプトを利用します。
そのため、重要なのは手順本文だけではありません。
「このスキルは何をするのか」「どんな依頼のときに使うのか」をdescriptionへ具体的に書くことが、適切な呼び出しにつながります。
OpenAIの公式案内では、Codexが最初に扱うスキル一覧にはコンテキスト量の上限があり、スキル数が多い場合は説明が短縮されたり、一部が一覧から省略されたりする可能性も示されています。よく使う言葉と対象範囲をdescriptionの前半へ置くことが大切です。
プロンプト・プロジェクト・外部接続とは何が違う？
AIには似たような機能が増えています。考え方として、「背景情報」「今回の依頼」「仕事の手順」「使える道具」「配布方法」を分けると整理しやすくなります。
次の表は、それぞれの主な役割を比較したものです。
製品ごとに名称や実装は異なりますが、スキルを入れただけでGoogle DriveやGitHubへ自由にアクセスできるようになるわけではありません。
外部サービスを使うには、対応するアプリ、コネクター、MCPなどの接続と、本来のアクセス権限が別に必要です。スキルは、その道具を使ってどんな順序で仕事を進めるかを教える役割です。
OpenAIでは、スキルは再利用する手順の作成形式であり、ほかの人へ配布したり、外部接続と一緒にまとめたりするときはプラグインとしてパッケージ化できます。
ClaudeとChatGPT・Codexのスキルは何が違う？
根本的な考え方は近づいていますが、利用できる製品と呼び出し方には違いがあります。
Claudeのスキル
Anthropicの公式案内では、Agent SkillsはClaude.ai、Claude Code、Claude Agent SDK、Claude Developer Platformでサポートされています。
文章作成、データ処理、社内ルールの適用など、特定の仕事に必要な知識や手順をまとめられます。Claudeは依頼に関連するスキルを判断し、必要な情報を段階的に読み込みます。
Claude Codeなど、ファイルやコマンドを扱える環境では、スキルに含まれるスクリプトを使う高度なワークフローも構築できます。
ChatGPT・Codexのスキル
OpenAIの公式案内では、単体のスキルはChatGPTデスクトップアプリ、Codex CLI、IDE拡張機能で利用できます。プラグインへ含めたスキルは、ChatGPTのChat／WorkやCodexへ配布できます。
ChatGPTでは@からスキルを選び、Codex CLIやIDE拡張機能では/skillsまたは$で明示できます。依頼内容とdescriptionが一致したときに、自動的に選ばれる仕組みもあります。
Codexでは、テスト、コードレビュー、リリース手順、WebサイトのQAなど、ファイルやコマンドを伴う仕事とも組み合わせられます。
ただし、「Claudeは文章、Codexはプログラミング」と固定的に考える必要はありません。
実際に何ができるかを左右するのは、AIの名前だけでなく、その環境で利用できるツール、ファイル、外部接続、実行権限です。
ClaudeとCodexで同じスキルを使える？
以前より使い回しやすくなっています。
AnthropicはAgent Skillsを2025年12月にクロスプラットフォーム向けのオープンな仕様として公開しました。OpenAIのSkillsも、このAgent Skills標準を基礎としています。
ただし、ファイルをコピーすれば必ず完全に同じ動きをするわけではありません。
ある環境では使えるコマンドが別の環境では使えない、利用できる外部サービスが違う、ファイルへのアクセス権限が異なる、といった差があります。製品独自の追加設定を含むスキルもあります。
Codexでチーム用スキルを共有するときは、リポジトリ内の.agents/skillsへ置けます。個人用スキルの場所、明示的な呼び出し方法、UIの追加設定などは製品ごとに異なるため、移植前に最新の公式案内を確認してください。
現実的なのは、仕事の手順そのものは共通化し、保存場所、利用ツール、権限など環境依存の部分だけ調整する方法です。
ClaudeとChatGPT・Codexの役割分担そのものを知りたい場合は、ClaudeとChatGPT（Codex）の使い分けも参考になります。
初心者は何をスキル化すればいい？
最初に探すべきなのは、高度なAI活用ではありません。
自分が何度もAIへ入力している指示です。
たとえば、次のような仕事は最初の候補になります。
- 記事の構成ルール
- 会議メモの整理方法
- 商品説明の書き方
- 公開前のWebサイト確認
- 毎月作る報告書の形式
反対に、年に1回しか行わない仕事や、毎回やり方が大きく変わる仕事は、最初のスキルには向きません。
判断基準はシンプルです。
「この手順を来週もまた説明するだろうか？」
答えがYESなら、スキル化を検討する価値があります。まずは対象となる仕事を1つだけ選び、実際の入力と望む出力を書き出してみましょう。
良いスキルを作る6つの考え方
目的を1つに絞る
「ブログ運営全部」のような巨大なスキルより、「記事公開前チェック」「アイキャッチ確認」など、役割を分けた方がAIは判断しやすくなります。
OpenAIの公式ガイドでも、1つのスキルを1つの仕事へ絞ることが推奨されています。
descriptionを丁寧に書く
本文以上に軽視されやすいのがdescriptionです。
「記事を助ける」では曖昧です。
「完成したブログ記事を公開前に確認する。初稿作成には使用しない」のように、何をするかだけでなく、いつ使うか・いつ使わないかまで書くと誤作動を減らせます。
手順を順番にする
「良い記事にする」ではなく、調査する、構成を決める、本文を書く、事実確認する、最終チェックする、というように仕事の順序を明確にします。
AIへ判断させる部分と、必ず守らせる部分を分けることも有効です。
完成条件を決める
「いい感じになったら終了」では品質を安定させにくくなります。
リンク切れがない、指定項目がすべて入っている、テストが通っている、禁止表現が残っていないなど、終わったと判断できる条件を設定します。
必要なら見本や資料を加える
良い完成例、社内フォーマット、ブランドガイド、チェックリストなどはreferencesやassetsへ分離できます。
すべてを巨大なSKILL.mdへ詰め込まず、必要な資料だけ後から読める構成にすると、段階的な読み込みを活かせます。
スクリプトは「必要になってから」加える
初心者のスキルにプログラムは必須ではありません。
一方で、毎回同じ計算をする、決まった形式を検査する、特定のコマンドを必ず実行するといった処理は、スクリプトにした方が安定する場合があります。
OpenAIは指示だけで作る方法を標準の出発点とし、決定的な処理や外部ツールが必要なときにスクリプトを加える考え方を示しています。
一度作ったスキルを「完成品」と考えない
スキルは、作った瞬間より実際に使い始めてからの方が改善点を見つけやすくなります。
たとえば、次のように実際の失敗を修正へつなげます。
- 必要なときに呼び出されなかった：
descriptionを見直す - 毎回同じ工程を飛ばす：手順と完了条件を明確にする
- 文章が長くなりすぎる：出力形式と上限を追加する
- 同じ確認ミスが続く：チェック工程や検査スクリプトを加える
Anthropicも、実際のタスクでAIがスキルをどう使ったかを観察し、その結果から改善する方法を案内しています。
最初からすべての例外を想定するのではなく、代表的な仕事で試し、成功した手順と繰り返す失敗を少しずつ反映する方が現実的です。
スキルを使うときの注意点
スキルは強力ですが、登録すればAIが必ず正しく働く仕組みではありません。
AIによる判断には間違いがあります。スキルの内容自体が間違っていれば、その手順を繰り返す可能性もあります。
特に外部から入手したスキルには注意が必要です。スキルには指示だけでなく、実行可能なコードや外部アクセスにつながる処理を含められるためです。
Anthropicは、信頼できないスキルを使う前に、内容、依存パッケージ、スクリプト、同梱資料、外部通信先を確認するよう案内しています。
また、APIキーやパスワードなどの秘密情報をSKILL.mdへ直接書くべきではありません。
スキルに外部サービスを操作する手順が書かれていても、そのスキルだけで新しい権限が生まれるわけではありません。外部データや操作には、それぞれの接続と、本来のアクセス権限が必要です。
公開、削除、送信、購入、契約変更など、取り消しにくい操作では、実行前に対象と内容を読み戻し、人間による確認を残す設計が安全です。
まとめ：まずは繰り返している指示を1つだけ整理する
AIのスキルとは、単なる長いプロンプトの保存ではありません。
仕事の手順、判断基準、参考資料、必要に応じたスクリプトまでを、AIが必要なときに利用できる形へまとめる仕組みです。
最初から複雑なスキルを作る必要はありません。
まずは、普段AIへ何度も入力している1つの指示を見つけ、SKILL.mdへ目的、使う場面、手順、完成条件を書いてみてください。
スキル化の本当の価値は、数十秒の入力を省くことだけではありません。
自分の中にしかなかった「いつもこうやって仕事をしている」という手順を言語化し、改善し、何度でも再利用できるようにすることにあります。
コメント