AIのSkillsとは？主要5社のSkills対応プラットフォームを徹底比較

AIのSkillsとは、Excel・PowerPointの定型業務、社内ナレッジ、コードレビュー観点などの「業務手順」をフォルダごとAIに渡し、必要なときだけ自動で読み込ませる業務スキル装着の仕組みの総称です。

Anthropicが米国時間2025年10月16日（日本時間10月17日）に「Agent Skills」として発表した枠組みが起点で、2025年12月18日にはGitHub Copilotが追随、2026年に入ってからOpenAI・Microsoft・Googleも相次いで対応を発表しました。
SKILL.mdを中心としたフォルダ構造はオープン標準として整備が進み、一度書いたスキルをツール横断で再利用できる「業務知識のポータビリティ」が現実のものになっています。

本記事では、2026年6月時点の最新情報をもとに、AIのSkillsの定義と仕組み、Anthropic・OpenAI・Microsoft・Google・GitHub 5社の対応状況、SKILL.md仕様の互換性、料金構造、企業導入パターンまでを横断的に整理します。

AIのSkillsとは？業務スキルをAIエージェントに装着する2026年の新標準

AIのSkillsとは、特定業務の手順・判断ルール・参照資料・テンプレートをフォルダ単位でAIに渡し、必要なときだけ自動で読み込ませて使わせる仕組みの総称です。

呼び方は文脈で揺れます。規格の名前としてはAnthropicが公開した「Agent Skills」が起点で、Claudeのアプリ画面では「Skills（Claude Skills）」と表記され、各社プラットフォームを横断する一般概念として単に「Skills」と呼ばれることが増えています。

本セクションでは、Skillsという言葉が指す範囲、各呼称の使い分け、なぜ2026年に各社が一斉対応に動いたのかという背景を整理します。

Agent Skills・Claude Skills・AIのSkillsの関係

3つの言葉はほぼ同じ仕組みを指していますが、参照するレイヤーが異なります。

以下の表で、それぞれの位置づけを整理しました。

3つは対立する概念ではなく、規格を採用した結果としての機能名が「Claude Skills」「Copilot Skills」「ChatGPT Skills」などになっているという入れ子の関係です。

本記事のテーマである「AIのSkills」は、この一番外側の総称として使います。Anthropicが最初に作った仕組みが他社に広がり、結果として2026年には主要5社がそろって対応する標準になった——そのまとまりを指す言葉です。

2025年10月のAnthropic発表から2026年の各社追随まで

Skillsという概念が一気に広がったのは、Anthropicが米国時間2025年10月16日（日本時間10月17日）にAgent Skillsを正式発表してからのわずか半年です。同社のエンジニアリングブログでは、SKILL.mdを中心とした構造がオープン標準として公開され、他社プラットフォームでの採用が想定されていることが明示されています。

2026年に入ってからの動きを時系列で並べると、各社が短期間で対応に動いた様子がよくわかります。以下の表で、5社の主要マイルストーンを整理しました。

5社の動きを並べると、規格の発表から半年で「主要なエージェント／コーディングプラットフォームのほぼ全てが対応した」状態に到達しているのがわかります。

これはModel Context Protocol（MCP）の普及スピードに近い動きで、Skillsが今後数年の業務AI導入における前提条件になる可能性が高くなっています。

なぜ「業務スキル装着」の発想が必要になったか

Skillsが2026年に一気に標準化された背景には、エージェント開発側と利用組織側それぞれで「プロンプトだけで業務を回す限界」が見えてきたという共通課題があります。

エージェント側の課題は、特定業務に必要な前提情報を毎回プロンプトに詰め込むとコンテキストウィンドウを圧迫し、応答品質が落ちる点です。組織側の課題は、業務手順がプロンプトテンプレートとして個人の手元に散らばり、組織のナレッジとして蓄積・配布できない点でした。

Skillsはこの両方を、フォルダ単位の業務パッケージという形で解決します。必要なときだけ読み込まれるので普段のコンテキストは消費せず、フォルダはGit管理・ZIP配布・ワークスペース共有で組織横断に展開できます。

Anthropicの公式技術解説はこの考え方を「エージェントを構築するのではなく、スキルを構築せよ」と表現しており、汎用エージェントに特定領域のスキルを後付けする設計思想を打ち出しています。

Skillsの仕組み——Progressive DisclosureとSKILL.mdの3層構造

Skillsが従来のプロンプト管理と決定的に違うのは、Progressive Disclosure（段階的開示）と呼ばれる「必要なときだけ読み込む」設計思想を持っている点です。これによって、数十・数百のスキルをエージェントに紐づけても、普段のコンテキストはほとんど消費されません。

本セクションでは、3層構造の中身と、各層がいつ・どれだけのトークンを消費するのかを整理します。

Level 1 メタデータ（常時ロード・約100トークン）

Level 1は、スキルフォルダ直下の「SKILL.md」ファイル冒頭にあるYAMLフロントマター部分です。具体的には、スキルの名前（name）と説明（description）の2項目だけが、エージェントの起動時にシステムプロンプトに読み込まれます。

Anthropic公式ドキュメントによれば、Level 1のトークン消費は1スキルあたり約100トークンです。100個のスキルを紐づけても1万トークン程度に収まる計算で、ここがSkillsの「数を増やしても重くならない」最大の理由になります。

エージェントは、ユーザーからの依頼内容と各スキルのdescriptionを照合し、関連性の高いスキルだけを次の段階で読み込みます。descriptionの書き方がエージェントのトリガー判定を左右するため、後段のSKILL.md仕様セクションでも詳しく扱います。

Level 2 指示書本文（トリガー時のみ・5,000トークン以下）

Level 2は、SKILL.mdのYAMLフロントマター以下に書かれた本文部分です。Level 1のメタデータからエージェントが「このスキルを使う」と判断したときに、はじめてコンテキストに読み込まれます。

本文には、業務の目的、入力・出力、手順、スタイルガイドライン、サンプル例などをMarkdown形式で記述します。Anthropic公式はLevel 2のサイズを5,000トークン以下に抑えることを推奨しており、これより長くなる場合はLevel 3の参照ファイルに分割するのが定石です。

ここまでで読み込まれるのは、メタデータ約100トークン＋本文5,000トークン以下＝合計でも5,100トークン程度です。GPT-4・Claude Opus級のコンテキスト200kから見れば誤差レベルで、業務スキル1個を装着するコストは非常に軽いという設計になっています。

Level 3 参照ファイルとスクリプト（必要時のみ・実質無制限）

Level 3は、スキルフォルダの中にバンドルされた追加リソース全般です。具体的には、参照用のMarkdownファイル（REFERENCE.md・FORMS.md等）、テンプレートファイル（.xlsx・.pptx等）、実行スクリプト（Pythonなど）が該当します。

ここで重要なのは、**Level 3のファイルは「読み込まれるまでトークンを消費しない」**という点です。スキルフォルダに数十MBの参照資料を入れておいても、エージェントが実際にbash経由で読み込んだファイルだけがコンテキストに入ります。スクリプトの場合はさらに賢く、コード本体は読み込まれず、実行結果の出力だけがコンテキストに反映されます。

このため、コード実行スクリプトはエージェントが同じ処理をその場で生成するよりも、トークン消費が劇的に少なくて済みます。検証ロジックや前処理スクリプトを.pyファイルとして同梱しておくのが、運用上の常識になっています。

3層の合計コストと「数を増やしても軽い」設計

3層構造の各レベルが、いつ・どれだけのトークンを消費するのかを以下の表で整理しました。

この表から読み取れるのは、Skillsの実効トークン負担はLevel 1のメタデータ分しか普段は発生しないという点です。

100スキルを抱えても約1万トークン、業務に関連した1スキルが起動して+5,000トークン、追加で参照ファイルが必要になれば+α、という積み上がり方になります。仮に10種類の業務手順をプロンプトに毎回入れていた構成（10 × 5,000 = 50,000トークン）と比べると、Skills方式なら同じ予算で扱える業務ナレッジが数倍以上の規模になるのが構造的優位です（具体的な倍率はスキル本数と参照ファイル量に依存）。

なお、3層構造はAnthropic公式のホワイトペーパー「The Complete Guide to Building Skills for Claude」で詳細に説明されており、他社実装でも基本この設計が踏襲されています。

Skillsとプロンプト・MCP・カスタム指示の違い

Skillsを検討する段階で多くの企業が引っかかるのが、「これは既存のMCP（Model Context Protocol）やカスタム指示と何が違うのか」という論点です。すでに社内でプロンプトテンプレートを整備していたり、MCPサーバーを立てているケースでは、Skillsが屋上屋になるのか・補完関係になるのかをはっきりさせておく必要があります。

本セクションでは、Skillsと近接概念4種の役割分担を整理し、どの場面でSkillsを選ぶべきかを示します。

プロンプト・カスタム指示との関係

プロンプトやカスタム指示は、Skillsよりも一段上のレイヤーで効きます。

以下の表で、それぞれが「何を制御するか」を比較しました。

カスタム指示は「人格設定」、プロジェクトは「案件のコンテキスト」、Skillsは「業務スキルのカタログ」という分担で考えると整理しやすくなります。

実務的にはこれらは排他ではなく、カスタム指示で口調を整えつつ、プロジェクト機能で案件資料を読み込ませ、Skillsで業務手順を呼び出すという併用が自然です。AI総研の支援現場でも、「まずカスタム指示で社内トーンを設定し、その上にスキルを積み上げる」という設計を取るケースが増えています。

MCPとの関係——「外部ツール接続」と「業務手順パッケージ」の補完

MCPとSkillsは、よく対比的に語られますが、実際には補完関係にあります。MCPは「エージェントが外部ツール（DB・API・ファイルサーバー等）に接続する規格」、Skillsは「業務手順そのものをパッケージ化する規格」という、別レイヤーを扱う仕組みです。

具体的に言うと、Salesforceからデータを取ってくる手順はMCPで実装し、そのデータを使って四半期レポートを作る手順はSkillsで定義する、という分担が現実的です。

Anthropicのエンジニアリングブログでも、SkillsはMCPの代替ではなく、MCPで取得したデータを「どう料理するか」のレシピを担う層として位置づけられています。両方を組み合わせて、データ接続層（MCP）と業務手順層（Skills）の役割分担を明確にした構成が、エンタープライズでの推奨設計になりつつあります。

RAG・ファインチューニングとの関係

ナレッジ系の手法であるRAG（Retrieval-Augmented Generation）やファインチューニングと比較すると、Skillsは「手順を渡す」アプローチである点が独特です。

RAGは「関連文書を検索して文脈に注入する」、ファインチューニングは「モデルの重みに知識を埋め込む」のに対し、Skillsは「やり方の手順書を読み込ませる」点で、対象が「知識」ではなく「ワークフロー」になります。

実務的には、社内ドキュメント検索はRAG、業務手順の標準化はSkills、特定ドメイン語彙への適応はファインチューニング、という使い分けが整理されます。AI総研の支援現場では、まずSkillsでワークフローを固定してから、その中で扱うナレッジをRAGで補強するという順序を勧めるケースが多くなっています。

5社のSkills対応状況——Anthropic・OpenAI・Microsoft・Google・GitHub

Skillsを業務で使うときに最初に整理すべきは、自社で使うプラットフォームでどこまでSkillsが動くか、です。同じAgent Skills仕様に準拠していても、対応するサーフェス（製品の中で使える場所）や提供プラン、custom skillsの作成可否は5社で大きく異なります。

本セクションでは、Anthropic・OpenAI・Microsoft・Google・GitHubの5社について、対応サーフェスと提供時期、固有の強みをH3で整理します。冒頭に5社比較の俯瞰表を置きました。

5社のSkills対応状況の全体俯瞰

以下の表で、5社それぞれのSkills提供形態と対応サーフェスを整理しました。SKILL.md互換性は、Anthropicが公開したオープン標準フォーマットにどこまで揃えているかを示します。

5社の表を並べて読むと、SKILL.md互換性ではOpenAI Codex・Google・GitHubの3社がAnthropic仕様にほぼ完全準拠していて、AnthropicのClaude Code向けに書いたスキルがそのまま動くケースが増えていることが見て取れます。

一方で、Microsoft 365 Copilot Coworkは自然言語でSkillを生成する独自フローを取っており、Excel・PowerPointなど既存Microsoft 365との連携を優先した設計です。AI総研の支援現場では「開発・コーディング系はAnthropic仕様で揃え、Office系業務はCowork側に分ける」という二段構えの導入が現実的になっています。

Anthropic Claude Skills——規格を策定した本家、5サーフェスで利用可能

AnthropicのClaude Skillsは、Agent Skills仕様そのものを策定した本家であり、最も成熟した実装を提供しています。利用できるサーフェスはClaudeシリーズ全体に広がっており、以下の5チャネルで使えます。

• claude.ai
  ブラウザ版のClaudeアプリ。公式サポートによれば Free / Pro / Max / Team / Enterprise のすべてのプランでSkillsを利用可能で、Free・Pro・Maxプランでも自分のCustom Skillをアップロードできる。Team・Enterpriseでは、組織横断での共有・プロビジョニングや集中管理機能が追加で利用できる。「コード実行とファイル作成」の有効化が動作前提となる。
  
  

• Claude Code
  ローカル開発環境向けのCLI。プロジェクト内の.claude/skills/またはユーザー単位の~/.claude/skills/にSkillフォルダを置くだけで自動認識される。プラグインとして配布も可能。
  
  

• Claude API
  Messages APIのcontainerパラメータにskill_idを指定して呼び出す。Pre-builtのpptx/xlsx/docx/pdfをskill_idで指定可能。Custom Skillsは/v1/skillsエンドポイントでアップロード。
  
  

• Claude Platform on AWS
  AWS経由でClaudeを利用する場合のSkills対応。Bedrockとは別系統で、AWS上のClaude Platformとして提供。
  
  

• Microsoft Foundry
  Microsoft AzureのAIプラットフォームからClaudeを呼び出す場合のSkills対応。M365やGitHub Advanced Securityと組み合わせた構成が可能。

Anthropicが公式に提供するPre-built Skillsは、PowerPoint（pptx）・Excel（xlsx）・Word（docx）・PDFの4種類です。これらはAPIでskill_idを指定するだけで動き、Excelレポートの数式エラー監査やPowerPointのスライド構成生成といった定型業務を即座に試せます。

カスタムスキルの作成方法・SKILL.mdの設計手順については、自社の既存記事で詳述しています。

【関連記事】
Agent Skills(Claude Skills)とは？作成手順や使い方、料金を徹底解説！

【関連記事】
Claude CodeのAgent Skillsとは？使い方・設計・活用パターンを徹底解説

OpenAI ChatGPT Skills——Custom GPTsから移行する2026年beta機能

OpenAIのSkillsは、2026年に正式発表された比較的新しい機能で、従来のCustom GPTsが「役割設定で振る舞いを変える」アプローチだったのに対し、Skillsは「業務手順そのものを再利用可能なパッケージにする」発想に明確にシフトしています。

提供形態の現状を整理します。

• ChatGPT Business／Enterprise／Edu／Teachers／Healthcareでbeta提供
  2026年5月以降、OpenAI公式Helpによれば、ChatGPT Business・Enterprise・Edu・Teachers・Healthcareの各プランでSkillsをbeta提供。Enterprise/Eduでは早期アクセス中はデフォルトOFFで、ワークスペース管理者が有効化する設計。
  
  

• Skills管理コンソール
  オーナーと管理者向けに専用のSkills管理ページが用意され、ワークスペース全体でのスキル配布・統制が可能になっている。
  
  

• Codex CLIはローカルディレクトリ自動検出
  OpenAI CodexのCLIは、AnthropicのSKILL.md仕様にほぼ完全準拠した形式で、ローカルの.agents/skills等のスキルフォルダを自動検出する。
  
  

• OpenAI APIは/v1/skillsでアップロード
  OpenAI APIでは、Codex CLIのようなローカル検出ではなく、POST /v1/skillsエンドポイントにスキルbundle（ZIP）をアップロードしてskill_idで参照する方式。ChatGPT本体・Codex CLI・APIの3経路を、それぞれの配布方式で使い分ける構成になる。
  
  

• 製品間で同期しない
  ChatGPT本体・Codex CLI・OpenAI APIで作成したSkillsは、現時点では製品をまたいで自動同期されない。各製品で個別に管理・配布する必要があり、AnthropicのCustom Skillsと同じ「サーフェス間で同期しない」制約がここでも継続している。
  
  

• アプリ連携
  ChatGPT本体側のSkillsは、ExcelやGoogle Sheetsなど既存アプリと連携し、承認済みファイル・データソースを横断して動作する。

OpenAI側の強みは、ChatGPT Enterpriseのワークスペース管理機能と組み合わさったときの統制力です。「誰がスキルを作れるか」「どのスキルが本番運用に承認されているか」を管理コンソールで一元管理できる設計は、エンタープライズ導入での評価ポイントになります。

一方で、ChatGPT個人プラン（Plus/Pro）向けの一般提供はまだ開始されておらず、個人開発者がOpenAI Skillsを試すにはCodex CLI経由、OpenAI API経由（POST /v1/skillsでZIP bundleをアップロード）、またはBusiness／Enterprise／Edu／Teachers／Healthcareいずれかのワークスペースbetaを使う必要があります。

【関連記事】
OpenAI CodexのAgent Skillsとは？SKILL.mdの書き方と使い方を解説

Microsoft 365 Copilot Cowork Skills——Office業務に特化した自然言語Skill

Microsoftは2026年5月、Microsoft 365 Copilotの新基盤「Copilot Cowork」上でSkills機能をロールアウトしました。公式発表では、Skillsを「タスクやワークフローの完了方法をCoworkに指導する、再利用可能な命令群」と定義しています。

他社との大きな違いは、Skillの作成が自然言語ベースで完結する点です。SKILL.mdをエディタで書くのではなく、Copilotとの対話を通じて「この手順を覚えて」という形でSkillをその場で生成し、チームに共有できます。

• Cowork基盤での提供
  Microsoft 365 Copilot Coworkは、会話からタスクを起こす新しい運用基盤として2026年初頭から段階展開されている。Skillsはこのフロー内に組み込まれている。
  
  

• 自然言語ベースのSkill作成
  ドキュメントガイドライン、参照リスト、コンテンツサマリ、レビュー観点などを、自然言語で説明するだけでSkillとして保存できる。
  
  

• チーム全体での共有
  保存したSkillはチーム全体の知能レイヤーとして共有され、メンバー全員が同じ手順で動けるようになる。
  
  

• Copilot Studioとの連携
  より複雑なエージェントを構築する場合は、Copilot Studio上で同様のSkill概念をローコードで扱える。2026年5月にはコンピュータ操作エージェントもGAに到達している。

Cowork SkillsはExcel・PowerPoint・Wordなど既存のMicrosoft 365アプリと深く統合されており、Office中心の業務を回している企業にとって移行コストの低さが最大の魅力です。

ただし、Cowork Skillsは2026年5月時点でMicrosoftのFrontier program経由で段階展開中であり、テナントによって利用可能になるタイミングが前後します。また、SKILL.mdをファイルとして書いてGit管理するスタイルではなく、テナント内のSkillsストアで管理する方式のため、他社プラットフォームへの可搬性は他の4社より低くなります。AI総研の見立てでは、Microsoft 365中心の業務はCowork Skillsに寄せ、開発系の業務はAnthropic仕様のSKILL.mdで揃えるという二系統運用が現実的です。

Google公式 Skills repository——2026年4月発表のオープンソース集

Googleは2026年4月23日のGoogle Cloud Next 2026で、公式 Skills repository（github.com/google/skills）を公開しました。公開当初はGoogle CloudサービスやWell-Architected Frameworkに沿った13個の初期スキルから始まり、その後Gemini Agent Platform系やWell-Architected Frameworkの追加分が継続的に追加されています。npx skills install github.com/google/skillsの1行でインストールでき、導入時は公式リポジトリの最新一覧を確認するのがおすすめです。

公開された初期スキルの構成は以下のとおりです。

• Google Cloudサービス対応
  AlloyDB、BigQuery、Cloud Run、Cloud SQL、Firebase、Gemini API、Google Kubernetes Engine（GKE）の各サービス向けスキル。
  
  

• Well-Architected Framework対応
  セキュリティ・信頼性・コスト最適化の3つの柱に沿った設計レビュー用スキル。
  
  

• レシピスキル
  Google Cloudのオンボーディング、認証、ネットワークオブザーバビリティなどの定型タスク。

対応サーフェスは、Google自社のAntigravity CLI、Gemini CLI、サードパーティのエージェントです。agentskills.io標準に準拠しているため、Anthropic向けに書いたSKILL.mdがそのまま動くケースが多くなっています。

なお、Gemini CLIは2026年6月18日に個人向けリクエスト提供が停止予定で、Antigravity CLIへ移行することが公式アナウンスされています。企業契約のGemini CLIは継続するため、業務での新規利用はAntigravity CLIを軸にしておくのが安全です。

Googleの強みは、Google Cloud上で動くワークロード（BigQuery・GKE・Cloud Run等）に特化した実装スキルが公式パッケージとして用意されている点です。Google Cloud上にデータ基盤を持つ企業にとっては、Skillsを介してインフラ管理の定型作業をエージェントに任せる起点になります。

GitHub Copilot Agent Skills——コーディングエージェントの新標準

GitHub CopilotのAgent Skillsは、コーディング作業に特化したスキル機能で、2025年12月18日にCopilot coding agent／Copilot CLI／VS Code Insidersで初対応し、2026年3月にはVisual Studio 2026 March Updateにも展開、その後4月・5月・6月と毎月のように拡張されています。

対応サーフェスは複数のCopilot系製品にまたがります。

• GitHub Copilot Coding Agent
  GitHub上で自律的にIssueを処理するクラウドエージェント。リポジトリ内のスキルフォルダを読み込み、PR作成・コードレビューに活用。
  
  

• GitHub Copilot CLI
  ターミナルからの操作で使うCLI。2026年5月にはEnterprise-Managed Pluginsが公開preview入りし、企業単位でのSkill配布・統制が可能に。
  
  

• Visual Studio Code Agent Mode
  VS Code内のエージェントモードからSkillsを利用。.github/skillsに加え、Claude Code互換の.claude/skills、汎用の.agents/skillsからも読み込み可能（2026年4月対応）。
  
  

• Visual Studio
  2026年3月のMarch UpdateからAgent Skills対応。カスタムエージェントと組み合わせた拡張開発が可能。

GitHubの設計で特筆すべきは、Anthropic互換のディレクトリ構造をそのまま採用している点です。.claude/skills配下に置いたClaude Code向けスキルがGitHub Copilotでも同じように動くため、すでにClaude Codeを使っているチームは追加実装なしでGitHub Copilotにスキルを横展開できます。

2026年6月のGitHub Copilot従量課金移行では、Skillsを使ってAIへの指示を「タスク特化型」にすることがコスト最適化策として推奨されるようになりました。「Copilotに丸投げで都度コンテキストを膨らませる」運用から「Skillsで手順を固定してトークンを抑える」運用への移行が、コスト面でも実利のある選択になっています。

【関連記事】
GitHub CopilotのAgent Skillsとは？使い方・作り方・活用事例を徹底解説

SKILL.md標準フォーマットと5社の互換性

Skillsの真価は、SKILL.mdというMarkdownファイルを介してスキルがツール間で再利用できる点にあります。AnthropicのClaude Code向けに書いたスキルが、そのままOpenAI Codex CLIでも、GitHub Copilotでも動作する——この互換性が、5社が同じ規格に揃いつつある最大の理由です。

本セクションでは、SKILL.mdの最小構造、descriptionの設計ポイント、5社のディレクトリ規約を整理します。

SKILL.mdの最小構造——nameとdescriptionと本文

SKILL.mdは、ファイル冒頭のYAMLフロントマターと、その下のMarkdown本文の2部構成です。フロントマターの必須フィールドは2つだけで、それ以外はオプションになっています。

---
name: quarterly-sales-report
description: Generate a standardized quarterly sales report in Excel and PowerPoint using the company's templates. Use this skill when the user asks for a quarterly sales / pipeline report.
---

# Quarterly Sales Report Skill

## Purpose
Generate a quarterly sales report for a given period and sales organization.

## Inputs
- Deals list (CSV, table, or text)
- Target quarter and fiscal year
- Sales organization or region

## Outputs
- Excel report with summary and detail sheets
- PowerPoint deck with 3-5 leadership slides

## Steps
1. Parse and validate the deal list.
2. Aggregate data by segment, product, region.
3. Calculate bookings, win rate, pipeline coverage.
4. Fill Excel template and PowerPoint deck.
5. Save outputs and return to user.

このコード例の構造を読み解くと、Skillsが「スキル設計の自由度」と「最小限の必須フィールド」を両立しているのがわかります。フロントマター部分はエージェントが起動時に常時読み込むメタデータで、ここのdescriptionが業務トリガーの判定基準になります。本文側は柔軟で、Purpose/Inputs/Outputs/Stepsという業務手順書の体裁を取るのが定石です。

Anthropic公式仕様とAgent Skills open specification（agentskills.io）で定められている主要フィールドは以下のとおりです。同じ規格でも、出典がAnthropicの実装制約か、規格仕様か、各社の拡張かで意味が変わるため、出典列も合わせて示します。

name・descriptionの2フィールドだけでスキルとして動作するため、最小単位の作成は非常に軽量です。

ただし、シンプルだからこそ各フィールドの「中身の質」が業務利用の成否を分けます。特にdescriptionは、エージェントが「このユーザー依頼に対してこのスキルを呼ぶべきか」を判定する唯一の手がかりになるため、書き方の精度が運用品質を左右します。

descriptionの書き方が成否を分ける——「何をして、いつ使うか」を具体的に

descriptionの設計ポイントは、「このスキルが何をするか」と「どんなときに使うべきか」の2点を1〜2文で具体的に書くことに尽きます。Anthropic公式のベストプラクティスでは、descriptionをエージェント視点で書くことが繰り返し強調されています。

良い例と悪い例を並べると、違いがわかりやすくなります。

良い例には、生成物（Excel・PowerPoint）、根拠（company's templates）、トリガー条件（quarterly sales / pipeline report）がすべて含まれています。

エージェントは、ユーザーが「Q3の営業レポートを作って」と依頼したときに、descriptionの「quarterly sales / pipeline report」というキーワードからこのスキルを呼ぶべきだと判断します。曖昧なdescriptionでは、スキルが登録されていても呼ばれずに終わるという事故が起きます。

5社のディレクトリ規約——どこに置けば認識されるか

SKILL.mdをツール側に認識させるには、各社が定めるディレクトリにスキルフォルダを配置する必要があります。

以下の表で、5社の主要ディレクトリ規約を整理しました。

5社のディレクトリ規約を見比べると、GitHub Copilotが「他社互換」を強く意識していることがわかります。.claude/skills/と.agents/skills/の両方を読み込めるため、Claude Code向けに書いたスキルもAnthropic以外の標準を採用したスキルもそのまま使えます。

Microsoft Copilot Coworkだけはファイル配置型ではなくテナント内のSkillsストア管理に寄せている点で、可搬性のトレードオフがあります。Microsoft 365中心の業務で完結するならCowork側で問題ありませんが、複数プラットフォームで同じスキルを使い回したい場合は、Anthropic仕様のSKILL.mdを軸にすべきです。

互換性チェックの3つの観点

スキルを5社のツール間で安全に再利用するために、設計時に押さえておくべき互換性チェックポイントは3つに集約できます。

• 依存パッケージの有無
  Claude Code向けスキルがpandas等のPythonライブラリに依存している場合、API実行環境では事前インストールされていない可能性がある。各ツールのデフォルト実行環境を確認する。
  
  

• ネットワークアクセスの可否
  Anthropic公式によれば、Claude APIの実行環境は外部ネットワーク不可、Claude Codeはフル権限、claude.aiはユーザー/管理者設定次第と分かれている。外部API呼び出しが前提のスキルは移植時にエラーになる。
  
  

• descriptionの表記揺れ
  日本語の業務名で書いたdescriptionが英語ベースのエージェントでうまくトリガーされない場合は、英語併記または英語のみに切り替える。

これら3点を設計時にチェックしておけば、Claude Codeで動いたスキルがGitHub Copilotでも動かないというよくある事故を防げます。

AI総研の支援現場では、**「最小限のSKILL.mdから始めて、ツール間で動作確認しながら必要なリソースを足す」**という順序を推奨しています。最初から完璧なスキルを目指すと互換性検証が後回しになり、後から複数ツールで動かなくなる手戻りが発生しやすいためです。

5社のSkills料金とコスト構造

Skillsを企業導入する際の判断軸として、料金構造の理解は欠かせません。Skills機能そのものに各社とも追加料金は設けていないものの、内部で動くコード実行コンテナのコスト、対応プラン、トークン消費の在り方は5社で大きく異なります。

本セクションでは、5社の料金構造を一覧で整理し、自社の利用パターンに合わせたコスト見積もりの考え方を示します。

5社の料金・プラン制約一覧

以下の表で、5社のSkills料金とプラン制約を整理しました。記載は2026年6月時点の情報です。

5社の料金構造を並べると、「機能本体は無料・コード実行コンテナまたは利用プランで実コストが発生する」という共通パターンが見えます。

特に重要なのは、Anthropic API側のCode Execution Toolが1組織月1,550時間まで無料で、組織全体に対する累計実行時間ベースで計算される点です。複数チームで分散実行しても1組織1枠なので、エンタープライズ利用ではこの上限を意識した運用設計が必要になります。

Anthropic Claude APIのCode Execution Tool料金

Claude API経由でSkillsを本番運用する場合、最も影響する料金項目はCode Execution Toolの従量課金部分です。コンテナ単位で実行時間がカウントされ、最小課金単位は5分です。

この料金構造で計算すると、月1,550時間の無料枠を仮にすべて消費しても0円、超過しても1時間あたり$0.05（約8円）と非常に低単価です。

仮に1日に500回スキルを呼び出し、1回あたり平均3分のコンテナを使う運用でも、最小課金単位が5分のため実効消費時間は500回 × 5分 × 30日 = 75,000分 = 1,250時間と、月1,550時間の無料枠の約8割を使う計算になります。短時間処理を高頻度で叩くほど最小課金単位5分の影響が効くため、本番運用前にはコンテナ呼び出し頻度を含めた試算をしておくと安全です。

OpenAI ChatGPTとMicrosoft Copilotの料金内包構造

OpenAIとMicrosoftは、Skills機能の料金を既存のサブスクリプション費用に内包する構造を取っています。これは個別課金を意識せず使える反面、対象プランの線引きを正しく理解しておく必要があります。

• OpenAI ChatGPT Business／Enterprise／Edu／Teachers／Healthcare
  OpenAI公式Helpに従い、ChatGPTのBusiness・Enterprise・Edu・Teachers・Healthcareの各プラン契約者がSkillsをbeta利用可能。個人プラン（Plus / Pro）は2026年6月時点で対象外で、Codex CLIとOpenAI APIは別経路で対応する。
  
  

• Microsoft 365 Copilot（Cowork）
  Microsoft 365 Copilotライセンス（ユーザー月額$30相当）に含まれる。Cowork基盤上で動作するため、追加課金は発生しない。
  
  

• Microsoft Copilot Studio
  より複雑なエージェント・Skill設計を行う場合は、Copilot Studio側で Copilot Credits ベースの課金が別途発生。2026年5月のMicrosoft Copilot Studio Licensing Guideによれば、PAYGはCopilot Credit 1単位あたり$0.01、月額Credit Packは$200/月で25,000 Credits。消費Credit数はタスク内容（生成・検索・コネクタ呼び出し等）で変動する。

これら3つの料金構造を見ると、OpenAIはBusiness／Enterprise／Edu／Teachers／HealthcareのいずれかのChatGPT契約、MicrosoftはM365 Copilotライセンスに料金が内包される設計で、追加コストの発生有無は対象プラン契約があるかどうかでほぼ決まることがわかります。

中小企業や個人利用でSkillsを試したい場合は、AnthropicのClaude Codeまたは無料のAntigravity CLI + Google Skills repositoryから始めるのが現実的な選択肢になります。

GitHub Copilotの従量課金とSkillsの関係

GitHub Copilotは2026年6月1日から従量課金に移行し、AIクレジット消費ベースのモデルに切り替わりました。これにより、Skillsを使った「タスク特化型の指示」がコスト最適化策として位置づけられるようになっています。

従来のCopilot運用では、Coding Agentに「このリポジトリのバグを直して」と丸投げすると、エージェントが全体探索してから対応するため大量のトークンを消費していました。Skillsで「このバグタイプならこの手順で確認する」という指示を事前にパッケージ化しておくと、探索フェーズが省略され、トークン消費が大幅に削減されます。

AI総研の支援現場でも、**「Copilotの月額固定からの解放と引き換えに、Skills設計がコスト最適化の新しい論点になった」**という認識が顧客企業の中で広がっています。Enterprise-Managed Pluginsで企業単位でのSkill配布・統制ができるようになった2026年5月以降は、組織横断のSkillsカタログ整備が現実的なROI改善策になっています。

Skillsの企業導入パターン3選と選び方

Skillsを企業で導入するときに最も多い失敗は、いきなり全社展開を目指して数十個のスキルを一度に作ろうとすることです。実際には、「個人 → 部門PoC → 全社カタログ」と段階的に広げていく方が、リスクも小さく成果も見えやすくなります。

本セクションでは、組織規模・成熟度別の3段階導入パターンと、最初に着手すべきツール選定の判断軸を整理します。

パターン1：個人・小規模チームの試行フェーズ

最初のステップは、「日常業務で本当に役に立つか」「どのくらい時間が浮くか」を体感する個人レベルの試行です。この段階では、統制やガバナンスよりも実効性を優先します。

着手しやすい3つのスキル候補を挙げると、現場の実感に近づきます。

• 議事録テンプレートスキル
  会議の参加者・日時・議題・決定事項をフォーマット化。Word/Markdownで出力。
  
  

• コードレビュー観点スキル
  プロジェクト固有の命名規則・セキュリティ要件・パフォーマンス観点をSKILL.mdに記述。PRレビュー時に呼び出す。
  
  

• SQLクエリ生成スキル
  社内データウェアハウスのテーブル構造と命名規則を参照ファイルとして同梱。集計クエリを自然言語から生成する。

このフェーズで重要なのは、「完璧なスキル」を目指すよりもまず1〜2個のスキルを作って効果を体感することです。

毎週必ずやっている作業、やることは決まっているが手作業が多い業務を1つ選び、SKILL.mdに落とし込んで実際に動かしてみる。これだけで「自分の業務手順をAIに渡すとはどういうことか」が体感で理解できます。AI総研の支援現場でも、最初の1〜2スキルを動かした後の習熟スピードは、教科書を読み続けるよりも圧倒的に速くなる傾向があります。

パターン2：部門単位のPoCフェーズ

次のステップは、特定部門でのPoC（検証導入）です。インパクトが大きくパターン化しやすい業務を2〜3個に絞るのがポイントになります。

PoCに向くのは、業務手順が定型化されていて、定量的な効果測定がしやすい領域です。具体例を挙げると、以下のような業務が候補になります。

• 営業レポートの月次・四半期生成
  KPIの計算ルールとExcel・PowerPointテンプレートをスキル化。担当者ごとのバラつきを抑える。
  
  

• マーケティングレポートの定例化
  広告データ・ウェブ解析データの集計と可視化を定型スキルに。Excelレポートの数式エラー監査も組み合わせる。
  
  

• カスタマーサポートFAQの一次回答
  よくある質問パターンと社内回答テンプレートをスキル化。エージェントが一次ドラフトを作成し、担当者が確認・送信。

このフェーズで効果測定がしやすいのは、スキル化前後の作業時間・件数・エラー率を数値で比較できる業務です。

こうした数値化は、PoCの段階で経営層に報告できる材料を作るうえで非常に重要です。たとえば月次の売上報告で「Excel集計→PowerPoint化」の手作業を毎回1時間以上かけているチームであれば、Skills化前後の作業時間・件数・エラー率を計測しておくだけで、稟議や全社展開の判断材料を組み立てやすくなります。

PoCで成功するスキルが2〜3個出てきたら、「SKILL.mdのひな形」「セキュリティ・法務観点のチェックリスト」「成果を測るKPI」を共通フォーマットとして整備しておくと、次のフェーズで全社展開しやすくなります。

パターン3：全社カタログ運用フェーズ

最後のステップは、全社共通の標準スキルをカタログとして運用するフェーズです。ここまで来ると、Skillsは個々人の生産性ツールではなく、会社全体の業務標準を配布・更新する基盤になります。

カタログ運用に向く構造は、業務領域ごとにオーナー部門を決めて、定期的な棚卸しを回せる体制です。

• 経営管理カタログ
  予算管理・KPIダッシュボード・経営会議資料の標準テンプレートをスキル化。経営企画部門が所有。
  
  

• 営業・マーケティングカタログ
  案件管理・キャンペーンレポート・提案書作成の業務手順を一元管理。営業企画部門が所有。
  
  

• 開発・ITカタログ
  コードレビュー・インシデント対応・CI設定テンプレートをスキル化。プラットフォームチームが所有。
  
  

• カスタマーサポートカタログ
  FAQ自動回答・エスカレーション基準・顧客対応スクリプトを集約。CSオペレーション部門が所有。

この段階に到達すると、新入社員や異動者向けのオンボーディングにもスキルカタログが活用できます。

「この部署に配属されたら、まずはこのスキルセットをONにする」という形で、業務の立ち上がりを大幅に短縮できるようになります。組織再編があってもスキルカタログを入れ替えるだけで新組織の業務手順を即座に再現でき、これまで暗黙知に依存していた業務知識のポータビリティが実現します。

「最初に選ぶべきツール」の判断軸

3段階のどのフェーズから始める場合でも、最初にどの社のSkillsを使うかを決める必要があります。判断軸はシンプルで、自社の既存スタックと最も親和性の高い社を選ぶのが鉄則です。

以下の表で、ケース別のおすすめ初期選択を整理しました。

表のとおり、「いまどの社のAIプロダクトに最も投資しているか」を起点に選ぶのが最初の意思決定としては最もリスクが低くなります。

複数社を併用したい場合でも、まずは1社で第1〜2フェーズを完走し、社内にSkillsの設計・運用ノウハウが溜まってから他社展開に進む順序が現実的です。SKILL.md互換性のおかげで、Anthropic向けに書いたスキルはGitHub CopilotやOpenAI Codex CLIでも動くため、後からのプラットフォーム拡張は技術的にはそれほど重くありません。

セキュリティとガバナンス——導入で詰まる論点

Skillsを企業導入する際に最も慎重に設計すべきは、コード実行とファイル操作を伴うスキルのセキュリティ・ガバナンスです。スキルは外部からダウンロードしてくる場合もあるため、信頼できないソースを安易に有効化するとデータ流出やシステム破壊のリスクが生じます。

Anthropic公式も「Skillsをソフトウェアインストールと同じ意識で扱え」と明示しており、レビュープロセスを設計に組み込むのが前提になっています。

導入判断で詰まりやすい論点は、次の3点に集約されます。

• スキルの作成・更新を誰に許可するか
  個人ベースで作成可能にすると統制が効かなくなる。一方で管理部門の承認制にすると現場のスピードが落ちる。部門オーナー制の導入で折衷を取るケースが多い。
  
  

• 外部ソースのスキルをどう審査するか
  GitHub上の公開スキルや、他社からもらったスキルを使う際のレビュー観点。ネットワーク呼び出しの有無、ファイル削除・上書き処理の有無、認証情報の取り扱いをチェックリスト化しておく。
  
  

• スキルが扱う機密情報の範囲
  コード実行環境がアクセスできるディレクトリの制限、本番環境と検証環境の分離、機密情報の暗号化・マスキング方針を運用ルールに明文化する。

これら3点を設計時にクリアにしておくと、PoCから全社展開へのスケール段階で「セキュリティ部門からの差し戻し」を回避しやすくなります。

AI総研の支援現場でも、PoCで効果が出ていてもセキュリティ・ガバナンス設計が後手に回って全社展開が止まるケースを多く見ています。逆に言うと、最初から軽量なレビュープロセスを組んでおけば、Skills導入は経営層にも稟議が通りやすい論点として定着します。

AIのSkills活用を全社展開につなげるなら

ここまで見てきたとおり、AIのSkillsは5社のプラットフォームに広がりつつある業務スキル装着の新標準で、PoCを始めるだけなら個人レベルでも今すぐ着手できます。

一方で、「個人で試した結果を部門・全社にどう展開するか」「セキュリティと統制をどう設計するか」「ROIをどう経営層に説明するか」といった論点は、Skills単体の使い方ではなく、組織全体のAI業務自動化戦略と切り離せません。Microsoft環境を中心に据えるか、AnthropicやOpenAIから入るかという判断も含めて、企業のAI導入は段階設計が成否を分けます。

AI総合研究所では、こうしたAI業務自動化の進め方を、Copilot Chat → M365 Copilot → Copilot Studio → Microsoft Foundry の順で段階的に整理した220ページの実践ガイドを無料で公開しています。経費精算・請求書処理・人事・経営企画など部門別のBefore/After付きユースケースと、PoCから全社展開までの設計手順、セキュリティ・ガバナンスのチェックポイントを1冊で確認できる構成です。

AIのSkills活用を全社展開につなげる

PoCから全社展開までを220ページで整理

AIのSkillsで5社のプラットフォームに業務手順を覚えさせられるとしても、社内のどこから着手し、どの順で展開するかは別の論点になります。AI業務自動化ガイドでは、PoC段階から全社展開までの進め方、部門別のBefore/After付きユースケース、AI運用における統制・セキュリティのチェックポイントを整理しています。

▶ 無料で資料をダウンロード

まとめ

本記事では、2026年6月時点のSkillsについて、定義・仕組み・5社の対応状況・SKILL.md仕様の互換性・料金構造・企業導入パターンまでを横断的に整理しました。要点を改めて整理します。

• Skillsはプロンプト管理を卒業し、業務手順そのものを再利用可能なフォルダパッケージとして配布する2026年の新標準であり、Anthropic発の規格にGitHub Copilot（2025年12月）／OpenAI・Microsoft・Google（2026年）が約半年〜8か月の間に揃って追随した
  
  

• Progressive Disclosureの3層構造により、1スキル約100トークンのメタデータでエージェントに常時紐づけながら、本文と参照ファイルは必要なときだけ読み込むため、業務ナレッジを軽いコストで装着できる
  
  

• 5社の対応状況は、Anthropicが本家、OpenAI・Google・GitHubがSKILL.md互換、Microsoft 365 Copilot Coworkは自然言語ベースで独自路線、という構図に整理できる
  
  

• SKILL.mdの最小構造はname・descriptionと本文の3要素のみで、特にdescriptionの書き方がエージェント側のトリガー精度を決定づける
  
  

• 料金は機能本体は無料で、Anthropic APIのCode Execution Toolが1組織月1,550時間まで無料・超過$0.05/h、OpenAIはBusiness／Enterprise／Edu／Teachers／HealthcareのいずれかのChatGPT契約／MicrosoftはM365 Copilotライセンスに内包、Google Skills repositoryはApache-2.0で公開、GitHubは2026年6月から従量課金

企業導入にあたっては、個人 → 部門PoC → 全社カタログの3段階で広げ、自社の主要スタックと親和性の高い社から着手するのが最もリスクが小さい進め方です。AI総研の支援現場でも、まず1〜2スキルを動かして体感し、その上で組織横断のスキルカタログ整備に進むパターンが定着しています。

Skillsは、これまで個人の手元に散らばっていた業務手順を組織のナレッジ資産に変える仕組みです。2026年下半期はオープン標準としての成熟期に入り、ツール横断の互換性がさらに高まる見通しのため、いま着手しておくことで先行者優位を取りやすい時期と言えます。