Claude Code Skills 概要を徹底理解！ マッサン（吉田 雅紀） 

2 マッサン（吉田 雅紀） テクノロジー コンサルティング本部 アクセンチュア・イノベーションセンター北海道 アソシエイト・ディレクター 神奈川県 横浜市出身 2007年7月 新卒入社 2011年7月 東京オフィス→札幌オフィス異動 武蔵工業大学環境情報学部卒（2007年） 普段の仕事:業務改革、業務効率化をITを使って支援 得意な領域:システムアーキテクチャ、システム開発管理 趣味 : 空手(3年前から)、カーリング(1年前から) AI情報発信中! 

3 Claudeとは Anthropic & Claude Anthropic & Claude Claudeの強み Claudeの強み 主なユースケース 主なユースケース  Anthropic（2021年設立）は AI Safetyを最重要ミッションに掲げる AI企業  OpenAIの研究者 Dario & Daniela Amodei らが創業  Claude はAnthropicが開発するLLM  企業評価額: $380B（2026年時点）  2025年12月9日に複数年にわたる戦略的 パートナーシップとしてアクセンチュアとの提携 が発表された  Anthropic（2021年設立）は AI Safetyを最重要ミッションに掲げる AI企業  OpenAIの研究者 Dario & Daniela Amodei らが創業  Claude はAnthropicが開発するLLM  企業評価額: $380B（2026年時点）  2025年12月9日に複数年にわたる戦略的 パートナーシップとしてアクセンチュアとの提携 が発表された  ⾧文理解・生成: 最大1M（100万）トークンのコンテキスト  安全性・誠実性: Constitutional AIによるAlignment  コーディング力: SWE-bench等で業界トップクラス  日本語性能: 自然で高品質な日本語対応。スタイル機能 で丁寧な解説や簡潔な解説を指定できる  指示追従性: 複雑な要件も正確に理解・実行  ファイル分析、生成: ファイル分析はProject機能で活用。個人的 にはNotebookLMより精度が高い。Excelや PowerPoint出力が他のAIサービスと比較し て群を抜いている  ⾧文理解・生成: 最大1M（100万）トークンのコンテキスト  安全性・誠実性: Constitutional AIによるAlignment  コーディング力: SWE-bench等で業界トップクラス  日本語性能: 自然で高品質な日本語対応。スタイル機能 で丁寧な解説や簡潔な解説を指定できる  指示追従性: 複雑な要件も正確に理解・実行  ファイル分析、生成: ファイル分析はProject機能で活用。個人的 にはNotebookLMより精度が高い。Excelや PowerPoint出力が他のAIサービスと比較し て群を抜いている  ソフトウェア開発: コード生成・レビュー・デバッグ  ドキュメント業務: 要約・翻訳・レポート作成  リサーチ・分析: データ分析・市場調査・論文要約  業務自動化: ワークフロー効率化・定型作業削減  カスタマーサポート: FAQ対応・問い合わせ処理  ソフトウェア開発: コード生成・レビュー・デバッグ  ドキュメント業務: 要約・翻訳・レポート作成  リサーチ・分析: データ分析・市場調査・論文要約  業務自動化: ワークフロー効率化・定型作業削減  カスタマーサポート: FAQ対応・問い合わせ処理 高い言語表現力や、コード生成の正確さから、 多くのAIプロダクト(ManusやCursorなど)や政府機関・民間企業で採用が進んでいる 

4 Claude Code、Skillsの位置づけ Claude Codeは、LLM「Claude」を活用した製品の1つ SkillsはClaude Codeで使える機能の1つ Claude.ai Web/Desktop/Mobile Claude Code API Claude in Excel Claude in PowerPoint チャット Cowork コード Skills Claude Claude in Chrome Opus 4.6 Sonnet 4.6 Haiku 4.5 

5 Skillsとは 毎回行う手順を登録できる ユーザの指示に応じてClaudeが必要なスキルのみ動的に使う この作業お願い!  既に学習されている豊富な知識  強化された思考力と自律的なアクション 毎回行う決まった、  業務固有知識を教える  手順どおりに処理させる  スクリプトを実行させる  システム操作、連携させる Skillsで定義 はいよ! Claude Code 

6 Skillsがもたらす世界観 まず一つSkillを作る。積み重なれば、日常が変わる As-Is: 日々の作業が煩雑 繰り返し作業を毎回手動でこなす Skills作成: 自然言語で手順を定義 身近なものから、一つずつSkill化 To-Be: 日常が自動化 Claudeと会話しながら繰り返し作業 コードレビュー PR差分を手で読み、コ メント作成 テスト設計 仕様書から手動で観点 洗い出し 障害調査 ログ収集→原因特定 →報告書を手作業 ドキュメント更新 変更に合わせて README手修正 データ分析・レポート CSV/DBから手動集計 →グラフ作成 リリース作業 チェックリスト確認→手 順実行→通知 Skills 例1 `/code-review` PR差分を読み、コーディング規約に 基づきレビューコメント生成 Skills 例2 `/test-design` 仕様書＋コード変更から、 テスト観点・ケースを自動生成 Skills 例3 `/incident-report` ログ収集→原因分析 →報告書テンプレに自動記入 ユーザ(自然言語で指示) “このPRレビューして” “障害の原因調べて報告書作って” Claude Code + Skills code-review test-design incident-report 蓄積されたSkillsが即座に実行 Skills化 蓄積 

7 RPAやワークフロー型AIとの違い RPA ワークフロー型AI Agent Skills UiPath, Automation Anywhere Dify, n8n Claude Code 画面操作の記録 操作1を再生 操作2を再生 操作3を再生 入力受付 処理1(AI) 処理2(AI) 処理3(AI) 自然言語で指示 検索 実行 生成 分析 Agent 思考・判断 処理の定義 実行の柔軟性 想定外への対応 GUI変更への耐性 作成に必要なスキル 得意な業務 画面操作の記録 固定（決定論的） 停止する 壊れやすい 操作記録+条件分岐 大量定型処理 ノード接続（GUI） 固定+AI処理 やや弱い - ノード設計の知識 定型+軽いAI処理 自然言語 動的（文脈で変化） 自律的に対応 文脈理解で柔軟に対応 日本語で手順を書く 判断を伴う複雑業務 得意領域で棲み分け、必要に応じてSkillsから既存ツールを呼び出すこともできる 

8 Skillsのアーキテクチャ ローカル端末を中心にAI Agentを活用できる ローカル端末 内部ネットワーク 外部ネットワーク Anthropic (外部ネットワーク) LLM「Claude」 Claude Code ファイルシステム ブラウザ 基幹システム ストレージ WebAPI シェアポイント .claude/skills/ SKILL.md script/ reference/ 

9 Skillsのフォルダ構成 Claude Code .claude/ skills/ <スキルの名前>/ SKILL.md scripts/ references/ assets/ フロントマター 本文  常にシステムプロンプトに読み込まれる  Claudeが「どのSkillを使うか」を判断する材料  必須はname(最大64文字)、description(最大1024文字)  Skillが選択されたときに読み込み  500行以下推奨。超えたらreferencesに分割  本文の指示に従い、必要な時だけ読み込み  scriptsは実行結果のみがコンテキストに入る  大量のファイルがあっても未使用分はゼロトークン 

10 デモ 具体例をデモします 

11 よくある質問と実践Tips Skillsが発火しない!  最も確実なのは「/skill名」で直接呼び出す。  自動発火させたい場合はフロントマターに「いつ使うか」を具体的に書く  1Skill = 1責務。大きすぎると判断が曖昧になる コンテキストが圧迫される  Progressive Disclosureが解決。フロントマターはdescriptionで最大1024文字/Skill  SKILL.md本文は500行以下に。超えたら references/ に分割  references/は使われるまでゼロトークン 粒度はどのくらい?  目安:「1回の会話で完結する作業」  大きすぎ→発火・精度低下、小さすぎ→Skill化の意味薄い  最初は小さく作って、使いながら育てる チーム共有・Codex連携は?  .claude/skills/ をGit管理が基本  Codex連携: シンボリックリンクが手軽  個人用はホーム ~/.claude/、チーム用はプロジェクト .claude/ 自作 vs 既存Skillsの見極め  自分の業務・組織固有の手順 → ほぼ自作  汎用的な処理 → Marketplace/公開Skillsをベースにカスタマイズ  anthropics/skillsリポジトリのskill-creatorでSkill作成自体をSkill化できる モデル進化でSkillsが陳腐化しない?  月1回の棚卸し推奨。SKILL.mdは自然言語なのでレビューが楽  Opusで初めて動くSkill → 手順をもっと具体化すればSonnetでもいける 質問 実践Tips 

12 Accenture - TfLSではAI人材を強く求めています! 東京(赤坂) 北海道(札幌) 福岡(博多) 関西(大阪) TfLS 採用 は東京に加え関西・北海道・福岡に拠点を構えています。それ以外の地方においてもロケーション フレキ シビリティ制度による在宅勤務での就業が可能です! をフル活用した変革をぜひ一緒に実現しましょう! 

アクセンチュアで働く アクセンチュアでは経験者採用を通年で行っています。ぜひ経験者採用ページをご覧ください。 まずは情報収集から始めたい方や、ご自身のご経験やスキルを活かせるポジションが見つから ない方、採用情報を受け取りたい方はキャリア登録をご活用ください。 ▼経験者採用トップ ▼キャリア登録ページ ・採用ニュースレター ・限定イベント案内 ・募集中ポジション情報