SkillOpt 登場 ～ AI が自分のスキルを自動で育てる新しい仕組み～

Microsoft Research が発表した「 SkillOpt 」は、AI エージェントが自分自身の「スキル文書」を自動で育てていく、まったく新しい学習の仕組みです。モデルの重みを変えることなく、自然言語で書かれた手順書を繰り返し改善することで、さまざまなタスクの成功率を大きく高められることが示されました。

これまで AI の性能を上げるには、膨大なデータを用意してモデルそのものを再学習させる必要がありました。時間もコストもかかる大がかりな作業です。 SkillOpt はその考え方をひっくり返します。AI モデルの内部（重み）には一切手を加えず、代わりに「スキル文書」と呼ばれる自然言語で書かれたテキストファイルだけを改良の対象にします。いわば「参照する手順書を賢くしていくことで、AI 自体が賢くなったように振る舞えるようにする」という発想です。 スキル文書はコンパクトな .md ファイル 1 枚。AI はそのファイルを読みながらタスクを実行し、結果をもとに別の AI（オプティマイザーモデル）が手順書の改善案を提案します。改善案が実際に成績を上げた場合だけ採用されるため、間違った方向に進んでしまうリスクも小さく抑えられています。

SkillOpt の学習は次の 4 つの手順を繰り返します。 **ロールアウト**　現在のスキル文書を使って AI が実際にタスクをこなし、その結果（成功・失敗・ツール使用の記録）をためていきます。 **リフレクション**　オプティマイザーモデルが成功例と失敗例を別々に分析し、どんな手順が役立ちそうかを考察します。人間でいえば「うまくいったときと失敗したときの共通点を探る振り返り」に相当します。 **編集**　分析結果をもとに「追加・削除・書き換え」の候補を提案。ただし一度に変えられる量には上限が設けられており、使えていたルールを消しすぎないよう工夫されています。 **検証ゲート**　提案された改訂版スキル文書を、まだ学習に使っていないデータで試します。スコアが上がったときだけ採用し、下がった場合は却下します。 この仕組みは、機械学習でいう「順伝播・逆伝播・学習率・過学習防止」をすべてテキストの世界で再現しているとも言えます。

論文では GPT-5.5 や Qwen3.5 など 7 種類のモデルと、6 種類のベンチマークを組み合わせた計 52 通りすべてで、SkillOpt を使ったほうが使わないよりも成績が良い（または同率首位）という結果が出ています。 特に注目したいのが表計算（スプレッドシート）タスクへの効果です。GPT-5.5 を使った場合、Direct chat では +38.9 ポイント、Claude Code というコーディング環境でも +58.3 ポイントという大幅な改善が見られました。 また、あるハーネス（Codex）で学習させたスキル文書を別のハーネス（ Claude Code ）にそのまま持っていったところ、+31.8 ポイントの性能向上が確認されています。スキル文書は「汎用的な手順書」として他の環境でも使い回せることが示されました。

SkillOpt の考え方を一言でまとめると、「AI に高価な再学習をさせなくても、手順書を自動で磨き続けることで性能が上がる」ということです。 私たちが普段 AI に指示を出すとき、うまく伝わらないと感じた経験はないでしょうか。SkillOpt はそのような「伝え方」をシステムが自動で試行錯誤しながら最良の形に仕上げていく技術です。企業や開発者にとってはコスト削減につながり、最終的には私たち一般ユーザーが使う AI ツールの賢さにも反映されていくことが期待されます。まだ研究段階の技術ですが、今後の AI の進化を占う上でとても興味深い取り組みです。