近年、大モデル（LLM）とAIエージェントは急速に発展しているが、真にのAIのを妨げているのはモデル能力ではなく、人間の経験をAIが実行できる能力（Skill）にどのように沈殿させるか。
Microsoftの最新情報 スキル·レコーダー この問題を解決するために生まれました。
そのアイデアはとてもシンプルです。
Promptやワークフローを書く必要はありません。一度デモンストレーションするだけで、AIは学習します。
これはAIが..。 プロンプトエンジニアリング#ヒョウウエンジニアリング#（Prompt Engineering） 前進して デモンストレーション·エンジニアリング（Demonstration Engineering）#デモンストレーションエンジニアリング#。
スキルレコーダーとは何か？
Skill Recorderは、ユーザーが実行するタスクの全プロセスを記録できるマイクロソフトのオープンソースツールです。
- スクリーン操作
- マウス·クリック
- ウィンドウの切り替え
- ブラウザのアクセス
- ターミナルコマンドTerminalこまんど
- クリップボードのコンテンツ
- （オプション）音声による解説
その後、GitHub Copilotを呼び出してプロセス全体を分析し、自動的に抽出します。
- ユーザーが実际にしたい目的（Intent）
- 重要なビジネスステップ（Workflow）
- パラメータと変数
- 再利用可能なSkill SKILL.md
- スケジュール実行または自動的にトリガー可能なオートメーション
全体のプロセスは単にマウスを記録するのではなく理解しようとすることですなぜそうするのか。
スキルレコーダーのワークフロー
プロセス全体は、以下の4つのステップに要約できます。
最初のステップ：タスクの記録
ユーザーは通常通り作業を完了します。
例えば：
- GitHubの課題の処理
- Azureサービスの導入
- 日刊紙の提出
- JIRAのアップデート
- レポートのダウンロード
- クライアントメールへの返信
プロセス全体にPromptは必要ありません。
ステップ2：AI 分析
録音後、GitHub Copilotがプロセス全体を分析します。
記録するだけではありません
ここをクリックして入力してください
理解しようとする：
ユーザーが問題を作成する
ユーザー Yes中
ユーザーがバージョンを公開
ユーザはデータを同期しています
つまり、それは精製する。タスクの意図。
ステップ3：スキルの構築
その後、標準化された。 SKILL.md。
スキルは通常：
- ミッション·ステートメント
- 利用条件について
- 入力パラメータ
- ステップを実行する
- 注意事項について
- 呼び出し可能なツール。
つまり、この機能は後でどのAIエージェントでも再利用できます。
ステップ4：エージェントの自動化
ユーザーが必要とするのは1文だけです。
今日の新しいGitHubの問題をすべて手伝ってください。
エージェントは生成したスキルを呼び出して自動的に作業を完了します。
プロセス全体を再表示する必要はない。
従来のRPAとの大きな違い
初めてスキルレコーダーを見たとき、多くの人はこう思うでしょう。
“これはRPAの記録ではないか？”
実際、両者は非常に異なります。
従来のRPA：
- マウス座標を記録
- クリック位置の記録
- UIが変わると失敗
- ページレイアウトに大きく依存
スキルレコーダー：
- ユーザー意図の理解
- APIの優先呼び出し
- CLIを優先的に呼び出す
- Agent Toolの優先呼び出し
- 必要に応じてUI 操作を行う
例えば：
従来のRPA：
点击按钮
等待3秒
点击输入框
スキルレコーダーは以下のように理解されます。
创建 GitHub Issue
填写标题
填写描述
提交
したがって、ページが変更されても、基礎となる機能が変更されない限り、Skillは機能を継続できます。
なぜ重要なのか。
企業がAIを導入する際の最大の問題はモデルではなく知識でした
現実は通常：
- 誰も見なかったSOP
- 経験は古い従業員の頭の中にしかない。
- 様々なPrompt
- それぞれにテンプレートがあります。
- AIは経験を再利用できない
Skill Recorderはこのモデルを変更します。
プロンプトを書く必要はない。
流れを書く必要はない。
直接デモンストレーションできます。
これにより、ビジネスエキスパートはPromptエンジニアでなくてもAI機能を簡単に構築できます。
企業における典型的なアプリケーションシナリオ
Skill Recorderは、日常的に繰り返されるが経験に依存するタスクに特に適しています。
運用を行う。
- パブリッシュサービス
- ログを参照。
- リソースの再起動
- 異常のチェック
開発は
- コードレビュー
- 問題の分類
- バグ修正
- Releaseリリース
金融の仕組み
- レポートのダウンロード
- データの概要
- 和解の調整
- 月報の生成
ヒューマン·リソース
- 履歴書のフィルター
- 面接の手配
- オンボーディングプロセス
- オファーの承認
顧客サービスの提供
- 労働書への返信
- オーダーの照会
- CRMの更新
- 複雑な問題のアップグレード
個人の経験に依存していたこれらのプロセスは、共有可能で再利用可能なAIスキルに変換できます。
スキルレコーダーの価値
ビジネスの観点からは、いくつかの明確な利点があります。
- 暗黙の経験を標準資産に変換する
- AI利用の閾値を下げる
- エージェントの導入を迅速化
- プロセスの一貫性の向上
- バージョン管理とチーム共有が容易
- Promptの作成コストとメンテナンスコストの削減
スキルを蓄積することで、企業は知識を個人の手に委ねるのではなく、独自のAIコンピテンシーベースを構築することができます。
Microsoft AI Agentエコシステムとの関係
Skill Recorderは孤立したツールではなく、Microsoft AI Agentエコシステムの重要な部分です。
マイクロソフトはここ数年 Skillの コアエージェントコンピテンシーシステムとして、GitHub Copilot、Microsoft Foundry、MCP（Model Context Protocol）などのツールを通じて、ドメイン知識を再利用可能なスキルファイル（SKILL.md）にカプセル化し、AIエージェントがさまざまなプロジェクトやシナリオで専門的な能力を迅速に獲得できるようにします。Skill Recorderは、スキル作成のハードルをさらに下げ、“手書きスキル”から“プレゼンテーション生成スキル”にシフトさせ、ビジネスパーソンがAIの能力構築に参加できるようにします。
まとめまとめまとめ
Skill Recorderの意味は、新しい画面録画ツールではなく、作業方法の変革です。
過去には、AIに何をすべきかを指示し続ける必要がありましたが、将来的には、AIが理解し、洗練し、繰り返し実行できるようになるでしょう。
これは、企業の知識が文書化される方法も変化することを意味します。文書化、SOP、キューから、実行可能、共有可能、持続可能に最適化されたAIスキルへと進化します。
エージェント·テクノロジーが成熟し続けるにつれて、“一度デモンストレーションすれば、AIは生涯使用を学ぶ” これは、ますます多くの企業がスマートワークフローを構築するための新しいパラダイムとなり、Skill Recorderはこのトレンドの重要な出発点です。