Claude Coworkのスキル記録はデモンストレーションを再利用可能なワークフローに変えるが、真価が問われるのは信頼性
Claude Coworkのスキル記録により、ユーザーは各ステップを説明しながらタスクを一度実行することで、Claudeにその作業を教えられるようになりました。この機能は、画面上のデモンストレーションを、Claudeが後から再利用できる手順へと変換します。これまでは、カスタムスキルを作成するには通常、ユーザー自身が構造化されたファイルを記述し、パッケージ化してアップロードする必要がありました。
Anthropicは7月21日、Claudeのソーシャル投稿を通じてこの機能を発表しました。同社によると、Claudeデスクトップアプリケーションのプラスメニューに「スキルを記録」が表示されます。最初の発表では、Pro、Max、Teamプランで利用できるとされています。
重要な変化は、単なる画面録画ではありません。Claudeには、1回の人間によるデモンストレーションから再利用可能な手順を推測することが求められます。これによりAnthropicは、専門家がすべてのステップ、条件、例外を定義する、入念に設計された従来の自動化モデルに挑むことになります。
スクリプトや正式なスキル手順を書けない人でも、より迅速にワークフローを作成できることが、この機能の大きな可能性です。一方で未解決なのは、生成された手順が、元のデモンストレーションを成功させた判断力まで保持できるかという問題です。
Claude Coworkのスキル記録がスキルの作成方法を変える
Anthropicは、スキル作成プロセスの一部を、観察、ナレーション、自動解釈に置き換えようとしています。
ユーザーはClaude Coworkを起動し、プラスメニューを開いて録画オプションを選択します。その後、それぞれの操作の目的や理由を説明しながら、画面上でタスクを実行します。Anthropicの発表によれば、Claudeはそのセッションを、再実行可能なスキルへ変換します。
したがって、録画には2つの役割があります。画面上の操作が目に見える手順を提供し、ナレーションがクリックやキーストロークだけでは分からない文脈を提供します。たとえば、スプレッドシートの特定の列が重要な理由、顧客の依頼をエスカレーションすべきタイミング、ある書式設定ルールが別のルールより優先される条件などを説明できます。
この違いが重要なのは、画面録画だけでは意図ではなく行動しか記録できないためです。同じ2回のクリックでも、周囲のプロジェクト状況によって異なる判断を表す場合があります。ナレーションがあれば、Claudeは意味のあるルールと偶発的な操作を区別できる可能性があります。
プロダクトマネージャーが週次アップデートを作成する場面を考えてみましょう。デモンストレーションには、複数のドキュメントを開く、プロジェクトの議論を確認する、変更された期限を特定する、簡潔な要約をまとめる、といった作業が含まれるかもしれません。口頭での説明によって、注目すべき変更と、省略すべき定型的な更新を明確にできます。
営業オペレーション担当者なら、顧客記録を確認し、最近のやり取りを比較して、アカウント概要を作成する方法を実演できます。研究者なら、別途自動化の開発者にプロセスを開示することなく、インタビューメモをコーディングしてグループ化する方法を示せるでしょう。
こうした例は、Coworkのより広範な役割にも合致します。AnthropicはCoworkを、ターミナルを使わずに、長時間にわたる褀数ステップの知識労働を委任するためのビジュアルインターフェースと説明しています。接続されたフォルダ、ファイル、アプリケーション、対応する連携機能を扱えます。
この新機能は、Anthropicの既存のカスタムスキル作成プロセスにある、いくつかの機械的な障壁も減らします。現在のスキル手順では、スキル構造を作成し、そのフォルダをZIPファイルとしてパッケージ化してアップロードするよう案内されています。録画による作成では、この作業を、より多くのオフィスワーカーになじみのある活動へと集約できます。
しかし、Anthropicは実装に関する重要な詳細をいくつか公開していません。発表では、生成されるパッケージに具体的に何が含まれるのか説明されていません。また、Claudeがナレーションと無関係な発言をどのように区別するのか、デモンストレーション中のミスをどのように処理するのかも明らかにされていません。
ユーザーが保存前に、編集可能な完全版のスキルを受け取れるかどうかも不明です。録画、文字起こし、スクリーンショット、抽出された手順が処理後も利用できるのかについても、Anthropicは明示していません。自動化された手順がどのように作成されたかを確認する必要があるチームにとって、こうした不明点は重要です。
この機能の発表ではPro、Max、Teamでの提供が示されている一方、Cowork自体は有料プラン全般でより広く利用できます。これは、スキル記録の初期展開範囲がCoworkそのものより限定的であることを示唆しています。すべてのCoworkアカウントで利用できると決めつけず、最新のデスクトップアプリケーション内で提供状況を確認すべきです。
結果として得られるのは、より利用しやすい入口であり、正しい自動化の保証ではありません。録画によって、Claudeに見せる前にワークフローをファイルで表現する必要はなくなります。しかし、Claudeが何を学習したのかを確認する必要まではなくなりません。
デモンストレーションベースの自動化が今重要な理由
この機能は、自動化を実際に作業する人へ近づけることで、従来のワークフロー設計に圧力をかけます。
多くの業務手順は、習慣としてしか存在していません。タスクを実行する人は、どのフォルダを確認するか、どの例外に注意が必要か、管理者がどの出力形式を期待しているかを覚えています。その業務知識は、担当者が役割を変えたり、高くつくミスを犯したりするまで、文書化されないことがよくあります。
従来の自動化では、誰かがその知識を明示的な手順へ変換する必要があります。この変換には、インタビュー、プロセス図、技術的な設定、テスト、保守が伴う場合があります。引き継ぎが発生するたびに、重要な文脈が失われる可能性があります。
Claude Coworkのスキル記録は、その連鎖を短縮しようとするものです。分野の専門家がプロセスを直接実演し、モデルがその証拠から再利用可能な手順の草案を作成します。タスクを教える人が、最初のワークフロー設計者になるのです。
このアプローチによって、これまで規模が小さすぎたり、不規則すぎたりして自動化できなかったプロセスが対象になる可能性があります。週に2回行う5分間のタスクでは、カスタムソフトウェアのプロジェクトを正当化できることはほとんどありません。一度録画するだけなら、確認作業が引き続き必要だとしても、導入時のコストははるかに低くなります。
このタイミングは、デスクトップAIにおけるより広範な変化も反映しています。アシスタントは、テキストの生成を超えて、アプリケーションの操作、ファイルの取得、完成した成果物の作成へと進んでいます。再利用可能なスキルは、特定の個人やチームが、それらの能力をどのように使うことを期待しているかをエージェントに伝える行動レイヤーとなります。
Anthropicのコンピューター使用に関するドキュメントでは、Coworkの操作に優先順位が設けられています。Claudeはまずコネクター、次にブラウザを使用し、より正確な選択肢が利用できない場合に、最後の手段として画面を直接操作します。Anthropicは、画面操作が直接連携より遅く、エラーも起こりやすいことを認めています。
この優先順位は、記録されたスキルが重要な理由を示しています。スキルは、記録されたマウスの軌跡を必ずしも正確に再現するわけではありません。手順を保持しながら、実行時にCoworkが適切なツールを選択できる可能性があります。
たとえば、ブラウザからスプレッドシートへ情報をコピーする様子をデモンストレーションで示したとします。後の実行では、Coworkがコネクターを通じて同じ情報を取得するかもしれません。実行方法が変わっても、求める結果は変わりません。
こうした柔軟性によって、AIスキルは従来のマクロ記録と区別されます。マクロは通常、座標、キーストローク、アプリケーションコマンドを再現します。周囲のインターフェースやデータが予測可能な状態にある場合にのみ、確実に動作します。
AIが生成するスキルは、代わりにラベル、コンテンツ、指示を解釈できます。これにより適応性は高まりますが、決定論的ではなくなります。モデルが合理的な操作を選択しても、それが教えた人の暗黙の期待と異なる場合があります。
知識労働者にとって、このトレードオフは中心的な問題です。彼らのタスクは、画面上の固定位置ではなく、意味に依存することがよくあります。経営幹部向けの概要を作成するプロセスでは、利用可能なすべての文章を単に転記するのではなく、重要性を認識しなければなりません。
この機能は、個人のナレッジマネジメントとも交差します。エージェントが過去の意思決定、会議メモ、プロジェクト文書にアクセスできると、再利用可能なワークフローはさらに向上します。継続的に管理された個人ナレッジベースは、単一のデモンストレーションの外側にその文脈を保持できます。
つまり、競争相手はマクロソフトウェアだけではありません。Anthropicは、ユーザーが柔軟な手作業と硬直したプログラムによる自動化のどちらかを選ばなければならない、という前提に挑戦しています。同社が提示する代替案は、構造に解釈の余地を残した、学習済みの手順です。
この可能性は、文書化されていないワークフローを数多く抱えるチームにとって魅力的でしょう。同時に、より多くの従業員が最初から技術レビューを受けずに自動化を作成できるため、ガバナンスの重要性も一層高まります。
本当の競争はデモンストレーション対仕様書
Claude Coworkの優位性はスピードにありますが、明示的なワークフロー仕様は予測可能性と監査可能性の点で依然として優位です。
仕様書を作成するには、入力、条件、出力、例外を明確にする必要があります。このプロセスには時間がかかりますが、曖昧さを早期に明らかにできます。レビュー担当者は正確な手順を確認し、ポリシーと一致しているか判断できます。
デモンストレーションはより豊かな文脈を含む一方で、境界が曖昧です。教える人は、1つの例を用いて1つの進め方を示します。Claudeは、どの部分が一般的なルールを表し、どの部分がそのサンプルにしか当てはまらないのかを判断しなければなりません。
従業員が、取引実績のある仕入先からの請求書を処理する方法を実演するとします。その例には、標準通貨、承認済みの発注書、想定された支払先が含まれているかもしれません。しかし、これらの条件からは、新規の仕入先や矛盾する銀行情報をワークフローでどう処理すべきかは分かりません。
ナレーションによって、一部の不足を補えます。従業員は、独立した確認なしに支払情報を変更してはならないと説明できます。それでも、1回の録画だけでは、タスクを実行しながら、教える人が関連するすべての例外を思い出せるかどうかに依存します。
これにより、利便性と明示性の間に逆相関が生じます。スキルを簡単に作成できるほど、元のデモンストレーションに埋め込まれた前提を見落としやすくなります。
当初の最適なユースケースは、成功基準が目に見え、出力を元に戻せるものになるでしょう。定期レポートの書式設定、承認済みファイルの整理、プロジェクト更新情報の草案作成などであれば、配布前に人が結果を確認できます。
支払い、契約、機密記録、取り消せないアカウント変更を伴うタスクには、はるかに強力な管理策が必要です。Anthropicはすでに、機密性の高い金融、法律、医療、個人情報を扱うコンピューター操作を割り当てないようユーザーに助言しています。
したがって、Claudeのスキルを記録するワークフローは、範囲を限定したタスクから始めるべきです。ユーザーは、Claudeがアクセスできる情報源、作成すべき出力、人間の承認を常に必要とする操作を定義する必要があります。
生成されたスキルには、代表的なテストも必要です。1回の成功したデモンストレーションだけでは、インターフェースの変更、入力の欠落、矛盾する指示、例外的な文書に対する信頼性を証明できません。チームは、繰り返し使用する前に、一般的なケースと意図的に難しくしたケースの両方をテストすべきです。
ここでは、確立された自動化の実践が引き続き重要です。バージョン管理、変更レビュー、テストデータ、実行ログ、ロールバック手順が不要になるわけではありません。録画によって変わるのは手順の草案を取得する方法であり、その手順を運用する際の規律は依然として重要です。
競争は、他の形態のAI記録からも生じています。OpenAIのrecord modeは、会議や音声メモを記録し、文字起こしと要約を生成します。この記録が作り出すのは、再利用可能な業務手順ではなく、知識の成果物です。
この違いから、Anthropicの方向性が明確になります。Claude Coworkのスキル記録は、仕事がどのように行われるかを観察し、そのプロセス自体を形式化しようとします。その出力は、単に起きたことを保存するのではなく、将来のエージェントの振る舞いを形作ることを目的としています。
従来のロボティック・プロセス・オートメーションプラットフォームもユーザーの操作を記録しますが、多くの場合、それを構造化されたプロセスマップや決定論的なフローに変換します。Anthropicのアプローチは、実行中に目標とコンテキストを解釈する適応型エージェントにより近いものです。
どちらの方法も、あらゆる場面で優れているわけではありません。決定論的な自動化は、厳格な統制を伴う、安定した大量処理のプロセスに適しています。実演ベースのスキルは、意味が変化しても望ましいパターンを認識できる、変動性の高い知識労働に適しています。
最も可能性が高いのは、ハイブリッド型のワークフローです。ユーザーが最初の手順を記録し、Claudeがスキルの下書きを作成し、人間がそのルールを編集します。その後、チームは広範な展開に先立って、承認、テスト、監視を追加します。
このハイブリッド方式なら、観察が仕様策定に取って代わるかのように装うことなく、利用しやすさという利点を維持できます。Anthropicの製品は、生成された結果をユーザーがどれほど容易に確認し、修正できるかによって評価されるでしょう。
Claude Coworkのスキル記録が信頼性の問題を生む
記録されたスキルは、優れた判断を再現するのと同じ効率で、隠れたミスも再現する可能性があります。
第一のリスクは過度の一般化です。Claudeは、限定的な例から広範なルールを推測する可能性があります。教師が最新であることを理由に一つの文書を選んでも、日付の要件を口頭で説明しなければ、モデルは誤った選択ルールを学習しかねません。
第二のリスクは欠落です。人間の専門家は暗黙知に頼ることが多く、意識的に説明することなくルールを適用します。記録は目に見える行動を捉えますが、言葉にされない確認事項は生成されたスキルに取り込まれない可能性があります。
第三のリスクはインターフェースの変化です。アプリケーションのレイアウト、ラベル、権限、データ構造は変化します。作成時には機能していたスキルでも、根本的な目的が変わっていなくても、後になって失敗する可能性があります。
Coworkは座標だけに依存せず画面を解釈するため、一部のインターフェース変更には適応できます。しかし、適応には依然として不確実性が伴います。エージェントが新しい経路を見つけても、誤った場所に到達したり、記録後に追加された統制を迂回したりする可能性があります。
第四のリスクは悪意のあるコンテンツに関するものです。文書、ウェブサイト、メッセージを読むエージェントは、モデルの動作を別の方向へ誘導する命令が埋め込まれたプロンプトインジェクションに遭遇する可能性があります。Anthropicは、スキル自体に安全でない依存関係や命令が含まれる可能性があると警告し、信頼できる提供元を使用するよう推奨しています。
記録されたワークフローは、観察、ファイルアクセス、ブラウザ操作、反復実行を結び付け得るため、実質的な攻撃対象領域を広げます。ある実行中に遭遇した悪意のある命令が、ユーザーが教えようとした手順と競合する可能性があります。
第五のリスクは機密情報の記録です。実演では、顧客名、社内ダッシュボード、非公開メッセージ、画面に表示された認証情報が露出する可能性があります。また、ナレーションによって、組織が機密とみなす業務ルールが明らかになる場合もあります。
Anthropicによると、コンピューター操作では、許可されたアプリケーションを理解するためにスクリーンショットを使用します。同社のガイダンスは、機密ファイルを閉じ、リスクの高いアプリケーションへのアクセス許可を避けるようユーザーに求めています。スキル記録は、セッション中に表示する情報を最小限に抑えるべきもう一つの理由となります。
第六のリスクは説明責任です。生成されたスキルが誤った判断をした場合、チームは、その問題が実演、Claudeの解釈、その後のモデル変更、新しいソースデータのどこから生じたのかを把握する必要があります。
AnthropicのCoworkアーキテクチャには、関連する境界がいくつか設けられています。リモートセッションは隔離された環境で実行され、ローカルでのコード実行には隔離された仮想マシンが使用されます。ローカルファイルへのアクセスは、接続されたフォルダと権限チェックによって引き続き制限されます。
こうした統制は特定のインフラリスクを軽減しますが、業務ロジックの妥当性を検証するものではありません。安全に隔離されたエージェントでも、誤ったレポートを作成したり、誤ったアカウントを選択したり、不完全な手順に従ったりする可能性があります。
したがって、法人顧客にはインフラ層より上位の可視性が必要になります。生成されたスキルの定義、改訂履歴、許可されたツール、ソースへのアクセス権限、重大な結果を伴う操作の記録が必要です。
Anthropicは、TeamおよびEnterprise環境向けにアクティビティ監視を提供しています。文書化されているイベントには、プロンプト、ツール呼び出し、ファイルアクセス、呼び出されたスキルやプラグインが含まれます。このテレメトリは、セキュリティチームが展開後の動作を調査する際に役立ちます。
監視が有用なのは、組織がそれを責任の所在と結び付けた場合に限られます。共有されるすべてのスキルには、責任を負う保守担当者、承認された適用範囲、レビュー日程が必要です。そうでなければ、記録されたスキルは、親しみやすいインターフェースの下で文書化されていない自動化になりかねません。
チームは、下書き作成と実行も区別すべきです。生成されたスキルは、送信、公開、削除、ソースシステムの変更を行わず、まず提案用の出力を作成できます。ワークフローが繰り返しのテストに合格するまで、人間によるレビューを必須のままにできます。
この段階的なアプローチは、Anthropicの実演よりも遅く感じられるでしょう。それでも、誤ったルールを数百件のレコードに密かに適用した自動化から復旧するよりは速いのです。
導入の成否は編集、共有、コンテキストに左右される
記録機能はユーザーを引き付けますが、この機能が組織的なシステムになるか、個人的なショートカットにとどまるかは、保守によって決まります。
導入における第一の試金石は編集可能性です。ユーザーは、Claudeが生成した手順を明確な言葉で確認できる必要があります。条件を修正し、記録された詳細を削除し、実演には登場しなかったケースを追加できなければなりません。
ブラックボックス化された結果では、この機能を信頼することが難しくなります。ユーザーがスキルを再実行してその動作を観察することしかできなければ、修正のたびに再試行が必要になります。それは不確実性を生み、重要な業務への導入を妨げます。
第二の試金石は共有です。Anthropicではすでに、カスタムスキルを個人用のままにすることも、管理されたTeamおよびEnterpriseの共有を通じて展開することもできます。組織の所有者は、ユーザーがスキルを同僚と共有できるか、社内ディレクトリに公開できるかを決定できます。
記録による作成が可能になれば、こうしたディレクトリは急速に拡大する可能性があります。チームメンバーは数分で有用なプロセスを記録し、それを他の人に提供できるでしょう。この速さにより、レビューラベル、所有者フィールド、バージョン管理の価値が高まります。
チームは、個人的な記録と承認済みの組織的手順を区別する必要があります。前者は一人の従業員の習慣を反映したものです。後者は、他の人が信頼して利用できるよう保守されるプロセスです。
第三の試金石は移植性です。記録されたワークフローは、作成者固有のフォルダ、アカウント権限、アプリケーション名、ローカル設定に依存する可能性があります。スキルを共有しても、別の従業員が同じ環境を自動的に得られるわけではありません。
有用なスキルは、依存関係を明確に示す必要があります。必要なコネクタ、想定されるファイルの場所、出力形式、権限を明記すべきです。また、いずれかの依存関係が欠けている場合には、安全に停止しなければなりません。
第四の試金石はコンテキストの質です。知識労働が白紙の画面から始まることはほとんどありません。反復的なタスクは、プロジェクトの履歴、チーム内の用語、過去の決定、テンプレート、現在のコミュニケーションを参照します。
実演によって、誰かがどこを確認するかは明らかにできますが、それらの情報源が整理された状態を保つことまでは保証できません。チームには依然として、信頼できる情報の記録と検索が必要です。そうでなければ、記録された手順は、断片化したコンテキストの検索を自動化するだけです。
knowledge blendingを中心に構築されたツールは、メモ、文書、会議、その他の業務コンテキストを結び付けることで、関連する問題に対処します。より広い意味での教訓は、ワークフローの記憶と組織の記憶が連携しなければならないということです。
第五の試金石は変更後の保守です。ソースアプリケーションがインターフェースを更新する場合があります。チームが承認ポリシーを改訂する場合もあります。レポートテンプレートに新しいセクションが追加されることもあります。変更が生じるたびに、スキルを見直す理由が生まれます。
再度実演を記録することが、最も簡単な更新方法かもしれません。しかし、ユーザーにはバージョンを比較し、どの指示が変更されたかを理解する手段も必要です。その比較がなければ、更新によって重要な安全策が密かに削除される可能性があります。
第六の試金石は出力の一貫性です。Anthropicの既存のスキルは、文書、スプレッドシート、プレゼンテーション、PDFの作成を支援できます。記録されたスキルなら、承認済みの用語、レイアウト、検証チェック、引き渡し形式など、組織固有の要件を追加できる可能性があります。
これは、出力を容易に確認できるため、有力なユースケースです。コミュニケーションチームは下書きをレビューできます。財務アナリストは数式を検証できます。プロジェクトマネージャーは要約をソース文書と照合できます。
自律的な操作には、同じレベルの信頼を置けません。メッセージの送信、システムレコードの変更、機密ファイルの移動は、最終成果物だけでは確認できない結果をもたらします。
組織は、記録されたスキルを導入する前に、ワークフローを影響度によって分類すべきです。影響の小さい下書き作成タスクは迅速に進められます。影響の大きい操作には、承認ゲートと限定的な権限を維持すべきです。
Claude Coworkのワークフローが普及するかどうかは、障害発生時の挙動にも左右されます。信頼できるスキルは、証拠が矛盾している場合、必要なデータが欠けている場合、または環境が学習時の実演と大きく異なる場合に停止すべきです。
あらゆる例外に対して即興で対応するモデルは、デモでは有能に見えるかもしれません。しかし、本番環境では、何としてでもタスクを完了することより、いつ一時停止すべきかを判断できることのほうが価値の高い場合が多いのです。
記録されたスキルが定着するかを示す三つのシグナル
次の段階を決めるのは、記録品質だけではなく、レビュー統制、実環境での信頼性、競合他社の反応です。
第一のシグナルは、生成されたスキルのレビューと編集に関するAnthropicの文書です。同社の発表では記録の概念が説明されていますが、生成される成果物について公開されている詳細は依然として限られています。
優れたレビューインターフェースでは、抽出された目標、必要な入力、操作手順、条件、許可されたツールが表示されるでしょう。また、保存前に、記録された機密情報を削除し、明示的な承認ポイントを追加できる必要があります。
バージョン履歴があれば、その有用性はさらに高まります。チームは、最初に記録から生成されたスキルと、その後の編集内容を比較し、特定のタスクでどのバージョンが実行されたかを把握する必要があります。
Anthropicがこうした統制を提供すれば、記録が本格的な作成手法になり得るという主張を裏付けることになります。結果が不透明なままであれば、この機能は引き続き、リスクの低い個人的なワークフローに適したものにとどまるでしょう。
第二のシグナルは、例外を含む状況での信頼性を示す証拠です。製品デモは通常、使い慣れたアプリケーションと完全な入力を用いて、問題のない経路をたどります。実際の業務には、期限切れのセッション、名前が変更されたフォルダ、一貫性のない文書、矛盾する指示が含まれます。
ユーザーは、Claudeがそうした違いを特定して一時停止するかどうかを確認すべきです。また、実行方法が画面操作からコネクタに変わった場合でも、生成されたスキルが口頭で説明されたルールを維持するかをテストすべきです。
成功率だけでは、全体像は分かりません。毎回完了するものの、ときどき誤ったソースを選択するワークフローは、目に見える形で停止するワークフローよりも危険です。
Anthropicは、スキル用の評価ツールやテストケースを公開することで、信頼性を高められます。チームは、稼働中のシステムに対する権限を与えることなく、サンプル入力を使って手順を実行できるべきです。
3つ目のシグナルは、競合他社の反応です。OpenAIはすでに文字起こしやメモリのためにデスクトップ録画を活用しており、既存の自動化ベンダーはプロセスキャプチャと構造化されたワークフロー設計を提供しています。市場は、人間の作業をより簡単にソフトウェアへ移行する方法へと収束しつつあります。
デモンストレーションのキャプチャと、より強力なテスト機能を組み合わせた競合製品が登場すれば、Anthropicの優位性が弱まる可能性があります。逆に、急速に模倣が広がれば、ワークフローを教える機能がデスクトップエージェントの標準機能になりつつあることの裏付けとなるでしょう。
最も重要な指標は、目新しさが薄れた後も繰り返し利用されるかどうかです。ユーザーは多くのスキルを素早く記録できますが、永続的な価値を生み出すのは、継続的に保守されるスキルだけです。記録が放置されるようなら、作成は容易になっても、信頼できる再利用は実現していないことを示します。
Claude Coworkのスキル記録が注目に値するのは、自動化の草案を作成できる人の範囲を変えるからです。タスクを実行する本人が、先にワークフローエンジニアになることなく、エージェントへ直接作業を教えられます。
こうした利用しやすさにより、品質管理もユーザーのより近くへ移ります。デモンストレーションで何が省略されたのか、Claudeがどのデータへアクセスしてよいのか、そしてどこで人間の承認を引き続き必要とするのかを、ユーザー自身が判断しなければなりません。
まずは、出力を簡単に検証できる手順から始めてください。明確な例を1つ記録し、例外を説明し、生成された指示を確認して、異なる入力でテストします。Claudeがどのような場合に停止すべきかを説明できなければ、そのスキルを無人で実行する準備は整っていません。
長期的に重要なのは、Claudeがワークフローを一度見ただけで模倣できるかどうかではありません。Claudeが学習した内容を、人々が理解し、管理し、改善できるかどうかです。
