#83 YouTube動画からAIが「スキル」を学ぶ時代

いまのAIエージェントは、質問に答えるだけでなく、スライドを作る、表計算をこなす、3Dシーンを組む、といった「ソフトを操作して成果物を生む」ことを求められています。こうした作業で効くのは断片的な知識より、「手順のコツ（どうタスクを分解し、どのツールをどの順で使うか）」です。

ところが、この「手順のコツ＝スキル」を貯めた既存の仕組みは、人間が手作業で書いたテキストか、エージェント自身の作業ログから集めたものがほとんど。人間が実際に一番よく学ぶ手段であるチュートリアル動画が、ほぼ活用されていませんでした。動画には操作の順番や、各ステップの見た目の変化など、文章では伝わりにくい情報が詰まっています。ここを掘り起こそう、というのがこの研究の出発点です。

核心は「人間向けの生の教材」を、AIが使える形に蒸留（distill）​して整理すること。動画をまるごとAIに渡すのは無駄が多く（延々と続く前置き、繰り返しのナレーションなど）、かといってテキスト要約にすると動画の価値（動きや見た目の変化）が失われます。

そこで本研究は、動画・コード・記事・作例の4種類から要点だけを抜き出し、一つひとつを「スキル」として整理した Skill Wiki（スキルの百科事典）​ を作りました。各スキルには「説明文」「実行できるコード」「見本画像」「メタ情報」「出典」がセットで入っています。文章が"いつ使うか"を説明し、コードが"実際の動かし方"を、画像が"見た目の仕上がり"を補い合う設計です。

さらにこのWikiは、料理本の目次のように階層構造で整理されており、AIは必要な棚から素早く該当スキルを探し出せます。手持ちのスキルで足りない時は、同じ仕組みでネット検索して新スキルをその場で追加する「オンライン獲得」も可能です。

Web制作、Excel、音楽制作（Reaper）、パワポ、Blender（3D）、CAD、UE5（リアルタイム3D）の7分野で検証。スキルを使わない同じAIと比べて、成果物の総合スコアが平均11.9ポイント向上しました。市販の強力なAIエージェント（Claude CodeやCodex）と比べても、28通りの比較のうち 26通りで上回りました。

特に効いたのは、独自ルールが多く手探りでは再現しにくい分野。UE5では 30〜40ポイントもの大差がつきました。人間5人が目隠しで見比べた評価でも、引き分けを除けば 85.5% が「スキルあり」を良いと判定。手持ちで足りない未知の課題では、オンライン獲得により 41.2%→62.8% と大きく改善しました。

このアプローチが示すのは、「世の中にあふれる人間向けの解説コンテンツを、そのままAIの実践力に変換できる」という道筋です。企業には、特定ソフトの使い方や社内の作業ノウハウを動画やマニュアルの形で蓄えているケースが多いはず。それらを"AIが実行できる手順書"に自動変換できれば、AIエージェントを自社業務に合わせて育てる手間が大きく下がります。

しかも興味深いのは、スキルの「良し悪し」がAIの土台モデルそのものより効くと示された点。小さな軽量モデルでも、良いスキル集を持たせれば大きく底上げされました。つまり、最新の高価なAIに乗り換えなくても、「良い手順書を持たせる」だけで実用レベルに届く可能性があります。

一方、論文は失敗例も正直に記載しています。スキルを借りたものの細部の設定がうまくかみ合わず、かえって仕上がりが悪くなるケースもあり、まだ万能ではありません。それでも「人間の知恵をAIの実務力へ橋渡しする」現実的な手法として、注目に値します。