Anthropic は社内で「数百個」の Claude Code スキルを本番運用しているといいます。同社の Claude Code チーム（Thariq Shihipar 氏）が公開した知見では、それらが9つのタイプに整理され、さらに「実際に効くスキルの作り方」の原則が示されました。TechTimes の記事をもとに要点をまとめます。
そもそも「スキル」とは
Claude Code のスキルは、指示・スクリプト・参考資料をまとめたフォルダで、中心に SKILL.md を置きます。Claude が必要なときに自分で見つけて使い、作業の精度を上げる仕組みです（基礎は Claudeスキル入門 も参照）。今回の知見は「どんなスキルを作ると業務で効くのか」を、Anthropic 自身の運用データから分類したものです。
いちばん大事な原則：1スキル＝1役割
9分類の中身より重要なのが、この原則です。うまくいくスキルは9つのうちのどれか1つにきれいに収まり、欲張って複数の役割を兼ねたスキルはエージェントを混乱させる、と報告されています。1つのスキルに「デプロイ」「PR監視」「ヘルスチェック」を詰め込むと、Claude がどの起動条件を信じればよいか分からなくなり、ルーティング（どのスキルを使うかの判断）精度が落ちる、という指摘です。小さく役割を絞ったスキルを組み合わせるのが正解、というわけです。
9つのタイプ（3グループで整理）
9分類は、性格の近い3つずつにまとめると理解しやすくなります。
| グループ | タイプ | 役割 |
|---|---|---|
| ① モデルが推測できない知識を与える | ライブラリ／API リファレンス | 特定のライブラリ・CLI・SDK を「自社ではこう使う」というルールや落とし穴つきで教える |
| プロダクト検証 | 出力が本当に動くかを確認する。例：ヘッドレスブラウザで登録〜決済フローを一通り実行 | |
| データ取得・分析 | データウェアハウスや監視系に接続。クエリ方法やフィールド規約を渡し、テーブル構造を推測させない | |
| ② 日々のチーム業務を吸収する | 業務プロセス・チーム自動化 | 繰り返す作業を1コマンドに圧縮。例：昨日からの変更点だけを報告するスタンドアップ |
| コードのscaffold・テンプレート | 骨格は固定しつつ、テンプレエンジンでは表せない自然言語の制約つきで生成。例：新サービスやマイグレーションファイル | |
| コード品質・レビュー | チームの基準にコードを寄せる。例：第三者視点のサブエージェントに批評させる。CIにフックとして組み込める | |
| ③ 本番運用に踏み込む | CI/CD・デプロイ | ビルド→段階的ロールアウト→エラー率の比較→ロールバック条件、を連鎖させる |
| ランブック | 「依頼」ではなく「症状」から出発。アラートやSlackスレッド・リクエストIDを適切なツールに結びつけ、構造化された結論を出す | |
| インフラ運用 | リソース削除やコスト調査など、定型だが破壊的になりがちな作業。実行前に通知・確認するガードレールが必須 |
最重要は「検証（プロダクト検証）」スキル
Anthropic が最も価値を置くのが検証スキルです。社内ではスキルの出力品質に最も測定可能な改善をもたらしたとされ、「エンジニアが1週間まるごと検証スキルの作り込みに使う価値がある」とまで言われています。生成や自動化のスキルより、「ほかのスキルがちゃんと動いたかを確かめるスキル」こそ効果が大きい、という逆説的な結論です。ポイントは、検証を単なるチェックリストではなく、実際にアプリを動かして結果を観察する“ハーネス（実行装置）”として作ること。「スキルが走った」と「スキルが正しく走った」の間のギャップを埋めるのが狙いです。
実務へのヒント
- 自慢のスキルほど分割を疑う：誇れる大型スキルは、たいてい複数カテゴリにまたがっている。役割ごとに小さく割る。
- まず検証から：派手な生成スキルより、出力の正しさを確かめる検証スキルに投資するほうが品質への効きが大きい。
- 破壊的操作にはガードレール：インフラ系は「実行前に通知・確認」を必ず仕込む。
- 自社の暗黙知を言語化する：ライブラリの使い方やデータの規約など、モデルが推測できない情報を渡すスキルは効果が出やすい。
スキルはMCPやフックと組み合わせると、さらに複雑なワークフローを自動化できます。当メディアの記事自動投稿の仕組みでも、同じ発想でスキルを役割ごとに分けています。
主な情報源
- TechTimes「Claude Code Skills: Inside Anthropic’s Playbook for the Nine Types That Actually Work」
- 原典：Anthropic Claude Code チーム（Thariq Shihipar 氏）による社内スキル運用のフィールドレポート
本記事は上記の二次情報をもとに自分の言葉で要約したものです。仕様・呼称は公開時点のもの。収集・要約はAI、公開判断は人。