Claude Agent Skillsとは？士業の反復業務を標準化する使い方と導入時の注意点
ClaudeのAgent Skillsは、業務手順、スクリプト、参考資料、テンプレートなどをフォルダ単位でまとめ、繰り返し利用するための仕組みです。
士業では、専門判断の自動化ではなく、資料確認、下書き、チェックといった反復手順の標準化から検討しやすいと考えられます。
ただし、士業における時間短縮や誤りの減少について、公式な比較試験は今回確認した資料にはありません。顧客情報の取扱い、守秘義務、データ保持、第三者製Skillの安全性にも注意が必要です。
この記事では、Agent Skillsの基本、Skill化を検討しやすい業務、人による確認を残した導入手順を整理します。
ClaudeのAgent Skillsとは何か
Anthropicは2025年10月16日、Agent Skillsを発表しました。公式資料では、Skillを「特定のタスクやワークフローの処理方法をClaudeに教える、単純なフォルダとしてまとめられた一連の指示」と説明しています（編集部訳）。
通常のチャットでは、依頼するたびに業務の背景、処理順序、出力形式、注意事項などを入力することがあります。Agent Skillsでは、こうした繰り返し利用する情報を一定の構成で保存し、必要な場面でClaudeに参照させます。
したがって、Agent Skillsは単に長いプロンプトを保存する機能というより、手順、資料、テンプレート、コードを含む「再利用可能な業務パッケージ」と捉えると理解しやすいでしょう。
手順・スクリプト・資料をフォルダ単位でまとめる仕組み
Skillには、必須ファイルとしてSKILL.mdを置きます。必要に応じて、次のようなフォルダやファイルも追加できます。
scripts/：定型処理や検証に使用するスクリプトreferences/：業務手順の根拠や参照資料assets/：出力に使用するテンプレートや素材
SKILL.mdには、Markdown形式の手順とYAMLフロントマターを記載します。少なくともnameとdescriptionが必要です。特にdescriptionは、Skillが何を行い、どのような依頼で使用されるべきかを示す役割を持ちます。
Claudeは、インストールされたSkillのメタデータを参照し、依頼との関連性を判断します。関連すると判断した場合にSKILL.mdの本文やリンク先の資料を段階的に読み込む設計です。Anthropicはこの考え方を「progressive disclosure（段階的な情報開示）」と説明しています。
すべての資料を最初から読み込むのではなく、必要性に応じて詳しい情報へ進む構造にすることで、大量の業務知識を整理して扱いやすくする狙いがあります。
また、Skillには実行可能なコードも含められます。例えば、項目数の検査、ファイル名の確認、指定形式への変換など、条件を明確に記述できる処理では、生成モデルへ文章だけで指示するよりも、スクリプトを使用したほうが一貫性や再現性を確保できる場合があります。
一方、コードを含められることは、後述するセキュリティ上の確認が必要になる理由でもあります。
発表後に変わった配布・運用方法
初回発表時の2025年10月16日には、Agent SkillsがClaude.ai、Claude Code、Claude Agent SDK、Claude Developer Platformに対応すると案内されました。その後、Anthropicは2025年12月18日に、Agent Skillsをクロスプラットフォームで利用できるオープン標準として公開しました。
公式ガイドが示す2026年1月時点の配布方法では、個人利用者はSkillフォルダをClaude.aiへアップロードするか、Claude CodeのSkill用ディレクトリへ配置できます。組織管理者がワークスペース全体へSkillを展開する方法も案内されています。
APIでは、/v1/skillsによるSkill管理と、Messages APIのcontainer.skillsパラメータによる指定が示されています。公式ガイドによると、APIでSkillsを利用するにはCode Execution Toolのベータ機能が必要です。
ただし、利用できる機能、料金、アップロード上限、管理機能などは、プランや契約によって変わる可能性があります。導入時には、利用予定の製品と契約について最新の公式仕様を確認する必要があります。
士業のどの反復業務をSkill化できるか
Agent Skillsの公式資料は、文書や成果物の作成、複数段階のワークフロー、MCPサーバーによるツール接続への手順追加などを主な用途として挙げています。
一方、士業事務所における具体的な効果は、今回確認した公式資料では実証されていません。以下はAgent Skillsの一般的な設計を士業へ当てはめた、編集部による企画上の仮説です。
最初に検討しやすい3つの業務
最初の試行候補としては、次の3つが考えられます。
-
受領資料から不足項目と未確認事項を抽出する
必要資料の一覧、確認順序、出力欄をSkillへ収録し、提出済みの資料と不足している資料を区別します。確認できない事項を推測で補わず、「未確認」として表示する手順も定めます。
-
定型文書の初稿を指定形式で作成する
構成、表記ルール、必須項目、使用を避ける表現などをSkillにまとめます。完成品ではなく、担当者が原資料と照合するための下書きとして扱うことが前提です。
-
成果物をチェックリストに沿って点検する
必須項目、表記、日付、参照資料、未確認事項などの形式的な確認を行います。ただし、作成と確認を同じ生成処理だけで完結させると、同じ誤りを引き継ぐ可能性があります。原資料との照合や専門判断は別工程に分ける必要があると考えられます。
これらに共通するのは、正解をAIに判断させることではなく、既に事務所内にある手順や確認項目を再利用可能な形に整えることです。
税理士事務所で想定できる工程例
税理士事務所では、例えば次の工程をSkillへ定義する方法が考えられます。
- 受領資料を確認する
- 不足項目と未確認事項を抽出する
- 指定された形式で下書きを作成する
- チェックリストで形式を検証する
- 担当者が原資料と照合する
- 適用される法令、通達、様式と施行日を確認する
- 税理士が最終確認し、承認する
Skillが主に担当するのは、1から4までの補助です。5以降は独立した確認工程として残します。
参照した資料、確認日、根拠、未確認事項を決まった欄へ出力させれば、税理士がレビューすべき箇所を把握しやすくなる可能性があります。担当者ごとに異なる作業順序や文書形式をそろえる用途にもつながると考えられます。
ただし、この工程によって作業時間が何％減る、誤りが何％減るといった効果は確認されていません。実際の効果は、業務内容、Skillの設計、入力資料の状態、確認体制などによって異なります。
他士業やコンサルタントへの応用例
税理士以外でも、反復する準備・整理・確認工程への応用が考えられます。
- 社会保険労務士：必要資料の確認、聞き取り項目の整理、定型文書の下書き、所内チェック
- 行政書士：依頼内容の整理、必要資料の一覧化、文書形式の統一、完成前の項目確認
- 司法書士：案件受付後の資料整理、確認事項の抽出、調査記録の整形、所内レビュー前の形式確認
- 中小企業診断士：ヒアリング記録の整理、分析手順の共有、報告書の構成統一、提案書の完成前チェック
- コンサルタント：調査手順、分析フォーマット、報告書テンプレート、品質チェックの再利用
これらも、各業務への適合性や効果が公式に確認された例ではなく、編集部による応用案です。
また、税理士以外の士業に関する守秘義務、会則、倫理規程、顧客契約上の条件は、今回の資料では確認できていません。税理士と同じ条件が適用されると一般化せず、各資格者が個別に確認する必要があります。
Agent Skillsで標準化できること、任せないこと
Agent Skillsの導入を検討するときは、「標準化を支援できる領域」と「人の判断を残す領域」を分けることが重要です。
標準化を期待できる領域
編集部では、次のような項目はSkillへ整理しやすいと考えています。
- 作業の順序
- 使用する出力テンプレート
- 用語や表記のルール
- 必須項目と確認項目
- 参照資料の記録方法
- 根拠、確認日、推測、未確認事項の表示形式
- 完成前のチェックリスト
- 新任担当者や補助者へ共有する手順
例えば、毎回「根拠のある記述と推測を分ける」「確認できない項目は未確認と表示する」「参照日を記録する」と指示しているなら、その内容はSkill化の候補になります。
熟練者が暗黙のうちに行っている確認順序を明文化すれば、教育や引き継ぎを補助できる可能性もあります。ただし、Skillを作るだけで知識移転が完了するわけではありません。なぜその確認が必要なのか、例外時に誰へ相談するのかも合わせて整理する必要があります。
人の確認を残す領域
次の工程は、Agent Skillsへ全面的に委ねない運用が必要と考えられます。
- 個別案件に関する専門的、法的、税務的判断
- 原資料と生成結果の照合
- 法令、通達、申請様式の最新版と施行日の確認
- 例外的な事実関係への対応
- 顧客への提示や対外提出
- 資格者または案件責任者による最終承認
Agent Skillsは、業務手順をClaudeへ与える仕組みです。生成結果の正確性、法令への適合性、個別案件への妥当性を保証する仕組みとは確認できません。
古い法令、廃止された様式、誤った社内手順をSkillへ登録すると、その問題が繰り返し反映される可能性もあります。標準化は正しい手順を共有しやすくする一方、誤った手順まで反復しやすくする点に注意が必要です。
士業での改善率は確認されていない
今回確認した資料では、税理士、社会保険労務士、行政書士、司法書士、中小企業診断士、コンサルタントを対象にした、作業時間の短縮率や誤りの減少率に関するAnthropicの公式な比較試験は確認できませんでした。
したがって、「導入すれば業務時間を大幅に削減できる」「確認漏れを防げる」とは断定できません。期待する効果は仮説として置き、自所の試行結果から判断する必要があります。
測定する場合は、Skill導入前後で次のような指標を記録すると比較しやすくなります。
- 1件当たりの作業時間
- 人による修正回数
- 不足項目や確認漏れの件数
- レビューに要した時間
- 出力形式のばらつき
- Skillの誤起動件数
- APIエラーの件数
- ツール呼び出し回数
- トークン消費量
短縮時間だけでなく、修正やレビューに追加時間が発生していないかも確認することが重要です。
顧客情報を扱う前に確認したいリスク
Agent Skillsの試作自体は、顧客情報を使わなくても進められます。実データの利用を検討する段階では、製品の契約条件、個人情報、守秘義務、外部接続の権限を分けて確認する必要があります。
製品・契約ごとに異なるデータ取扱条件
Anthropicの公式説明では、Claude for WorkのTeamまたはEnterpriseプランについて、商用顧客が利用者から送信されたデータの管理者となり、Anthropicは顧客の指示に従って必要な処理を行う立場とされています。
商用製品で共有されたデータは、顧客がDevelopment Partner Programへの参加を選択しない限り、モデル学習には使用しないと説明されています。
Anthropic APIでは、入力と出力は原則として受領または生成から30日以内にバックエンドから削除されます。ただし、利用者が保存期間を管理するサービス、別途合意したゼロデータ保持、利用規約違反への対応、法令上の義務などの例外があります。
Claude for WorkやClaude Enterpriseなど、会話を保存して継続利用する製品では、機能提供のためにチャットやコーディングセッションが保持されます。削除した会話は履歴から直ちに削除され、バックエンドからは30日以内に削除されると説明されています。
また、利用規約違反の疑いが検出された場合には、入力と出力が最長2年間、Trust & Safetyの分類スコアが最長7年間保持される場合があります。2026年6月9日からは、一部のCovered Modelsについて、安全性評価を目的とした30日間の限定的な保持が、従来ゼロデータ保持を設定していた一部組織にも適用されると案内されています。
対象となるモデルや利用環境は、契約やワークスペースの設定によって異なります。「商用プランなら保存されない」「APIなら例外なく30日で削除される」と一律に判断することはできません。
導入時には、少なくとも次の点を確認します。
- 利用する製品、プラン、契約、モデル
- 入力情報がモデル学習に利用される条件
- 通常の保存期間と削除方法
- 規約違反対応などの例外的な保持
- Covered Modelsの対象範囲
- 管理者が会話を閲覧・出力できる範囲
- データが保存・処理される国や地域
- 契約上のデータ移転条件
日本国内の顧客データが具体的にどの国・地域で保存、処理されるかは、今回の資料だけでは確認できませんでした。実際の契約条件を別途確認する必要があります。
個人情報と税理士の守秘義務
個人情報保護委員会は2023年6月2日、生成AIサービスを利用する際の個人情報の取扱いについて注意喚起を公表しました。
個人情報取扱事業者が生成AIサービスへ個人データを入力する場合、サービス提供者が入力情報を機械学習に利用しないことなどを十分に確認するよう求めています。入力情報が学習データとして利用される場合には、個人データの第三者提供に該当し得るため、個人情報保護法に基づく整理が必要です。また、生成AIの出力に不正確な個人情報が含まれる可能性があるため、正確性を確認するよう注意を促しています。
税理士については、国税庁の「税理士制度のQ&A」で、税理士法第38条に基づく守秘義務が説明されています。税理士は、正当な理由なく税理士業務で知り得た秘密を漏らしたり、窃用したりすることを禁じられています。この義務は税理士でなくなった後も継続します。
顧客情報をClaudeへ入力できるかは、入力内容だけでなく、利用製品、契約、設定、顧客との契約、個人情報保護法上の整理などによって判断が変わり得ます。匿名化や仮名化はリスクを抑える一手段になり得ますが、それだけで常に問題が解消するとは断定できません。
初期のSkillには実際の顧客情報を固定記載せず、次の内容を中心に収録する方法が考えられます。
- 共通の業務手順
- 判断基準
- 出力テンプレート
- 表記ルール
- 品質チェックリスト
- 架空または十分に匿名化された例
氏名、住所、個人番号、口座情報、認証情報などは、必要性が確認できるまで使用しない運用が望ましいと考えられます。実データの入力可否は、資格者が契約や規程を踏まえて判断する必要があります。
第三者製Skillと外部接続の監査
Anthropicは、信頼できる提供元のSkillだけをインストールするよう推奨しています。
Skillには指示文だけでなく、スクリプト、依存関係、画像等のリソース、外部ネットワークへの接続指示を含められます。悪意のあるSkillや安全性を確認していないSkillによって、データの外部送信、意図しない操作、脆弱性の持ち込みが生じる可能性があります。
第三者製Skillや外部連携を導入する前には、次の点を確認します。
SKILL.mdに記載された指示- 同梱されているすべてのファイル
- 実行されるスクリプト
- コードの依存関係
- 外部ネットワークへの接続先
- MCPなどを通じてアクセスできるシステムとデータ
- 書き込み、送信、削除などの操作権限
- 必要以上の権限が付与されていないか
- 問題が発生したときにSkillと接続権限を停止する方法
提供元が信頼できることは重要ですが、それだけで安全性が保証されるとは限りません。特に顧客情報や本番環境へアクセスできるSkillは、導入前にファイルと権限を監査し、人による承認工程を設ける必要があります。
小さく始めるAgent Skills導入手順
Anthropicの公式ガイドは、Skillの企画時に、最初に2〜3件の具体的なユースケースを定義することを推奨しています。事務所全体へ一度に展開するのではなく、結果を確認しやすい業務から試す方法が現実的です。
1．2〜3件のユースケースを選ぶ
最初に、候補業務ごとに次の内容を書き出します。
- 利用者が達成したい結果
- 現在の処理手順
- 使用するツール
- 必要な専門知識
- Skillへ収録する資料やテンプレート
- 人が確認する箇所
- 入力を禁止する情報
- 試行結果を評価する指標
候補としては、社内用の定型文書、受領資料の不足項目一覧、公開情報を使った調査記録、チェックリストによる形式確認などが考えられます。
専門的な判断を伴う業務や、顧客固有情報がなければ試せない業務は、最初の対象から外す方法もあります。
2．顧客情報を含まない試作版を作る
試作版には、共通手順、テンプレート、表記ルール、確認項目、匿名化された例を収録します。外部ネットワークへの接続は原則として設けず、架空データ、公開情報、十分に匿名化したデータで動作を確認します。
この段階では、生成結果がそのまま使えるかだけを見るのではなく、次の点も確認します。
- 必要な項目が毎回出力されるか
- 未確認事項を推測で埋めていないか
- 根拠と推測を区別できているか
- 人が確認すべき箇所が明確か
- 誤った資料や古い手順が含まれていないか
実データへのアクセスは、試作の必要性と安全性を確認した後に、別の承認段階として検討します。
3．起動条件と出力品質をテストする
Skillは、必要な場面で起動し、無関係な依頼では起動しないことが求められます。公式ガイドが示す方法を参考に、次の試験を行います。
- Skillを起動すべき依頼を複数用意する
- Skillを起動すべきでない依頼も用意する
- 同じ依頼を複数回実行し、構造と品質を比較する
- Skillを使う場合と使わない場合を比較する
- ツール呼び出し回数とトークン消費を記録する
- APIエラー、誤起動、利用者による修正を記録する
必要な依頼で起動しない場合や、無関係な依頼で過剰に起動する場合には、descriptionを調整します。
出力品質の確認では、文章の読みやすさだけでなく、必須項目の欠落、根拠の表示、未確認事項の扱い、原資料との差異も記録する必要があります。
4．人による確認を独立した工程にする
文書の生成とチェックを同じ生成処理だけで完了させると、同じ前提や誤りを引き継いだまま「問題なし」と判断する可能性があります。
そのため、次の工程は明確に分けます。
- Skillによる下書き作成
- チェックリストによる形式検証
- 担当者による原資料との照合
- 適用される法令、通達、様式の確認
- 資格者または責任者による承認
誰が、何を、どの資料と照合し、いつ承認したかを記録できる形にすると、問題発生時の調査にも役立つと考えられます。
5．効果測定・版管理・停止手順を用意する
試行時には、作業時間、修正回数、確認漏れ、レビュー時間、誤起動、APIエラーなどを記録します。期待した効果が得られない場合も含めて評価し、全所展開の可否を判断します。
各Skillについては、少なくとも次の情報を管理します。
- Skill名と版
- 対象業務
- 作成者と承認者
- 適用開始日
- 使用する製品、モデル、契約
- 参照法令、通達、様式の確認日
- テスト結果
- 外部接続先と権限
- 次回の見直し日
法改正、様式変更、Claudeの仕様変更、データ取扱条件の変更があった場合には、再テストと再承認を行います。
問題発生時には、対象Skillを停止し、アクセス記録、送信情報、実行された操作、影響を受けた顧客を確認できるようにします。外部システムと連携する場合は、接続権限の停止方法や認証情報の失効方法も事前に定めておく必要があります。
まとめ
Agent Skillsは、士業の専門判断を代替する仕組みではありません。毎回説明している作業順序、テンプレート、表記ルール、確認項目を再利用し、反復業務の進め方をそろえる仕組みとして検討できます。
最初は顧客情報を使わず、結果を人が確認しやすい業務を2〜3件選ぶことが一つの方法です。資料確認、不足項目の抽出、定型文書の下書き、形式チェックなどを候補とし、架空データや公開情報で試行します。
原資料との照合、最新の法令・通達・様式の確認、資格者による最終承認は、Skillとは別の工程として残します。実データを利用する前には、製品と契約、学習利用、保存期間、例外的保持、守秘義務、外部接続の権限を確認する必要があります。
まずは、現在繰り返している業務から次の項目を書き出してみてください。
- 対象業務
- 期待する成果
- 現在の処理手順
- Skillへ収録するテンプレートと確認項目
- 人が確認する工程
- 入力を禁止する情報
- 効果を測る指標
公式な士業別の改善率は確認されていないため、全所展開の前に、自所の作業時間、修正回数、確認漏れ、レビュー時間を測定することが次の判断材料になります。
出典一覧
- Anthropic「Equipping agents for the real world with Agent Skills」（発表日不明）
- Anthropic「The Complete Guide to Building Skills for Claude」（確認日：2026-07-29）
- Anthropic Privacy Center「How long do you store my organization’s data?」（確認日：2026-07-29）
- Claude Help Center「Does Anthropic Act as a Data Processor or Controller?」（2026-03-16）
- Anthropic Privacy Center「Data retention practices for Covered Models」（確認日：2026-07-29）
- 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（2023-06-02）
- 国税庁「税理士制度のQ&A・6 税理士法違反行為」（確認日：2026-07-29）
この記事はAIが生成し、編集長のチェックを受けて公開しています。
