AIエージェントが自分でスキルを作って育てる | 使い捨てから「資産」へ
最近のAIエージェント（人の代わりに複数の手順をこなすAI）には、「スキル」という考え方が広がってきました。よく使う手順をひとまとめの説明書にしておき、必要なときに読み込ませて使う、という仕組みです。Claudeなどで使われている Agent Skills（エージェントスキル）の形式では、SKILL.md という説明書のファイルに、やり方の手順や入出力の決まりを書いておきます。
ただ、これまでのスキルはたいてい人が手で書くもので、一度作ったら基本はそのまま、という使われ方が中心でした。うまくいかない場面があっても、スキル自体が賢くなっていくわけではありません。
ここに別の見方を持ち込んだのが、2026年5月26日に arXiv（アーカイブ、論文の公開サイト）へ出された研究です。スキルを「作って終わりの道具」ではなく、使うほど経験がたまっていく「育つ資産」として扱おう、という提案でした。
どんな研究か
論文のタイトルは MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation。著者は Huawei Lin（ホアウェイ・リン）ら。arXiv:2605.27366 で、2026年5月26日に公開されました。本人たちが「working in progress（作業途中）」と書いている査読前のプレプリント（正式な審査を経る前の論文）なので、結論は途中段階のものとして読むのがよさそうです。
MUSE-Autoskill（ミューズ・オートスキル）が扱うのは、AIエージェントが自分でスキルを作り、覚え、選び、試し、直す、という一連の流れです。論文ではこれを5つの段階に整理しています。
スキルが一周する5つの段階
1つ目は作成です。手元のスキルでは足りない場面に出くわすと、エージェントは skill_create という道具を呼んで、新しいスキルをその場で作ります。形式は前述の Agent Skills にならっていて、手順を書いた SKILL.md のほか、実行コードを置く scripts/、動作確認用の tests/ などをまとめたフォルダになっています。
2つ目は記憶です。スキルごとに .memory.md という相棒ファイルがあり、タスクをこなすたびに気づきが書き足されていきます。たとえば「こういう入力でつまずきやすい」「この前提だと精度が落ちる」といった、使ってみて初めてわかる注意点です。この経験はそのエージェント個人のものとして扱われ、他のエージェントへスキルを渡すときには持っていかない、という切り分けもされています。
3つ目は管理です。スキルが増えるとどれを使うか選ぶのが難しくなります。そこで作業の最初には、スキル名と短い説明だけを並べた目録（カタログ）を渡し、中身は必要になってから read_skill で読み込む形にしています。論文によると、この二段構えのおかげで、スキルが100個あってもカタログの追加分はおよそ5千〜1万トークン程度に収まるとのことです。全部のスキルを毎回読ませずに済むので、コストが膨らみにくくなります。
4つ目は評価です。新しく作ったスキルは、tests/ に置いた動作確認（ユニットテスト、部品単位の自動テスト）にかけられます。テストを通ったスキルだけが正式に登録され、次回から使えるようになります。5つ目の精製（リファインメント）はこの続きで、テストに落ちた場合はエラーの記録を見て update_skill で手直しし、もう一度テストにかけます。さらに、似たスキルをまとめたり使われないものを削ったりして、スキルの集まり全体を整理し続ける仕組みも備えています。
どれくらい効いたのか
検証には SkillsBench（スキルズベンチ）という評価セットが使われました。Dockerコンテナ（隔離された実行環境）の中で動く51個のタスクで、科学・工学、データ分析、文書処理、運用・計画の4分野にまたがっています。結果は採点者が0〜1のスコアで返す仕組みです。
論文の表によると、人が用意したスキルを使った場合の正答率は68.40%。スキルを一切使わない場合は53.19%でした。スキルを足したことで15ポイントほど上がった計算になります。
注目されているのは、人ではなくMUSE-Autoskill自身が作ったスキルの方です。51タスク中35タスク（68.6%）でスキル作りに成功し、そのスキルがうまくできたタスクに限ると、2周目の正答率は87.94%まで届いたと報告されています。ただしこれはスキル作りに成功した35タスクだけを見た数字なので、全51タスクで測った人手スキルの68.40%と同じ土俵で並べられるわけではありません。母集団は違いますが、スキルがうまく作れた範囲では人手のものを上回る場面が出てきた、という読み方になります。
具体例として挙がっているのが、車の自動追従（アダプティブクルーズコントロール）の制御をするタスクです。行き過ぎや到達の速さに条件のついたPID制御（比例・積分・微分を組み合わせた基本的な制御方式）が必要で、スキルなしでは40%にとどまりました。ここでエージェントが作った専用スキルには、PIDの式や調整のコツ、採点側が求めるファイル形式までが書き込まれ、2周目は100%に達したとされています。やってみて得た手順の知識が、そのままスキルとして固定された形です。
もうひとつ、別のエージェント Hermes（ハーメス）に MUSE-Autoskill が作ったスキルを渡す実験もあります。Hermes単体では47.89%だった正答率が、スキルを渡すと58.40%まで上がり、人が用意したスキルとの差を8割ほど埋めたと報告されています。誰かが育てたスキルを別のAIが受け取って使える、という見立てです。
おわりに
仕事でAIを使う側からすると、この研究は「スキルを書いて配って終わり」ではない運用のしかたを示しているように読めます。人が説明書を整えるのではなく、エージェントが現場で作り、テストで選別し、注意点を書き足していく。その積み重ねが次のタスクや別のAIに引き継がれていきます。
まだ査読前で、しかも作業途中と断られている段階の話です。実際の業務でどこまで安定するかはこれからですが、スキルを使い捨ての道具ではなく手元にたまっていく資産として扱う発想は、エージェントの設計を考えるうえで覚えておきたい論点です。
もっと詳しく知りたい方へ
いいなと思ったら応援しよう！
励みになります。いただいたチップは活動費に使わせていただきます。