エージェントの「スキル」：熱狂的に議論されているが、実際の使用はほとんど皆無

見出し

エージェントスキル：AIエンジニアがこの手の「空回り」を名指しで痛烈に批判

Summary

OpenCode と SST の AI エンジニアである Dax Raad が最近投稿した内容は、少し気まずい事実をはっきり述べたものです。エージェント能力を拡張するためのモジュール化された「スキル」は、さまざまな標準や周辺ツール、果てしない議論を生み出してきたものの、大多数のユーザーはそもそも一度も導入していません。彼は業界に落ち着くよう呼びかけます。多くのアイデアは最終的に形にならず、裏付けのない熱意はお金を燃やしているだけだ、というわけです。この発言は AI ツール業界の痛点をまさに突いています――モノを作る側とモノを使う側は、まったく同じチャンネルにいないのです。

Analysis

• 背景：Raad は OpenCode などの AI コーディングツールに取り組んでおり、クラウドや AI 領域の「過剰なインフラ整備」の問題について、ずっと大胆に語ってきました。
• 彼が言う「スキル」エコシステムには何が含まれるのか：
  • Cloudflare が提案している発見可能なエンドポイント（/.well-known/skills）
  • Claude Code や LangChain などのフレームワークで取り決められている .agents/skills のディレクトリ構造
• これらの狙いは良いものです。エージェント能力をモジュール化し、相互運用できるようにすることです。しかし実際の採用率は非常に低い。理由はそれほど難しくありません：
  • 実装が面倒で、導入コストが高い；
  • 既存のカスタムコマンド機能と重なっており、結局どれだけ新しい価値が生まれるのか説明できない。
• これは実際に AI ツール業界の昔からの課題です。まずはインフラを整えてから、ニーズは後で考える。コミュニティには「スキルがタスク成功率を高める」と言う人も確かにいますが、実際に使っている人はごくわずかです。
• Raad はソーシャルメディアで 12 万人以上のフォロワーがいます。この種の疑問の声は、拡散されやすいのが実情です。もしかすると、いくつかのチームを現実に引き戻し、「本当にこれを必要としている人がいるのか」をまず確認してから、さらに投資するかどうかを判断する後押しになるかもしれません。

期待値 vs 現実

要するに：

• 採用率が低いのは事実であってノイズではなく、さらに標準を出すことで、そもそもニーズが存在しない問題をごまかすことはできない；
• 実際の利用データがない状態で大規模にインフラ整備へ投資しても、費用対効果は非常に悪い；
• モノを作る人とモノを使う人の間には深刻な情報格差があり、方向性を調整するには、実際の利用データや定着（リテンション）データが必要です。

影響評価

• 重要性：中程度
• カテゴリ：業界トレンド、開発者ツール、テクノロジー観察

Verdict: 「スキル標準」という線に注目しているなら、今入っても早すぎるとは言えません――この概念は、検証で力が尽きたような気まずい段階にあります。そこから本当に利益を得られるのは、ブレーキを踏み、実際の利用データで意思決定を導こうとするチームであって、さらに標準を積み上げ続ける人たちではありません。