画面を"見せるだけ"でAIに仕事を教える。Claude Cowork の新機能「Record a skill」を試してみた📖

Claude Cowork に、画面録画から作業手順をスキル化する機能「Record a skill」が追加されました。実際に録画してスキルを作り、「Claude に何が届いているのか」を Claude 本人に聞いてみた結果と、業務での活用アイデアを紹介します。

Record a skill とは

Anthropic が 2026年7月21日 に公式アナウンスした Claude Cowork の機能です。アナウンスでは「teach Claude a skill(Claude にスキルを教える)」というコンセプトで紹介されており、デスクトップアプリの「+」メニューには「Record a skill」という項目名で表示されます。「ちょっと見てて」という感覚で画面録画を開始し、いつも通りに作業して見せるだけで、Claude が一連の流れを理解して再利用可能なスキルに変換してくれます。アナウンス本文では次のように説明されています。

Record your screen while you do a task, talk through it as you go, and Claude turns it into a skill it can run again.

基本情報は以下の通りです。

使い方の流れはシンプルです。

1. 「+」メニューから録画を開始する
2. いつも通りに作業する(補足したいことは声に出しながら)
3. 録画を止めると、Claude が Cowork のタスクとして録画を解析する
4. 提案されたスキルを確認して「Save」すると、以後は他のスキルと同じように呼び出せる

保存したスキルは Customize > Skills に並び、編集・共有・削除も他のスキルと同じ扱いです。詳細は公式ヘルプの How to create custom skills に記載があります。

なお、初回は macOS のアクセシビリティ(マウス・キーボードの追跡)と画面収録の権限許可が必要です。録画中はパスワードやシークレットを入力しない・機密情報を画面に表示しないよう、公式ヘルプでも注意されています。

Claude には何が届いているのか

実際に試してみました。題材は、ブラウザ上のちょっとした定型作業(Webサービスにたまった未読の項目をまとめて処理する作業)です。独り言で補足を入れながら録画してスキルを作り、生成後の Claude に「何を受け取ったのか」を聞いてみました。59.5秒の録画・14回の操作アクションに対して、届いていたのは3種類のデータでした。

① 画面のスクリーンショット

動画がまるごと送られるわけではありません。フルスクリーンのキーフレームに加えて、変化した領域だけを切り出したクロップ画像(今回は11枚)が届いていました。差分だけを送ることで、コンテキストを節約しているようです。

② 音声の文字起こし

録画中のマイク音声が、録画全体でまとめてテキスト化されてコンテキストとして渡されます。画面だけではコンテキストが足りないと感じたときに独り言のようにつぶやくことでそれを補うことができます。

③ 操作イベントログ

クリック座標・アプリ名・スクロール・画面の変化領域が、タイムスタンプ付きですべて届きます。

# operation events (14 actions / 59.5s)
[3.0s]  clicked at (750, 395) in "UserNotificationCenter"
[8.4s]  switched to "Google Chrome"
[12.7s] scrolled down in "Google Chrome"
[21.2s] clicked at (830, 74) in "Google Chrome"
[21.5s] changed region (437×219 at 461,0)
[34.9s] switched to "Claude"

座標は「再生」しない。RPA との違い

操作ログには座標が入っていますが、生成されたスキルはその座標を再生するわけではありません。中身は「たまった未読の項目をすべて処理済みにする」という意図の記述になっており、実行時には API や DOM 操作への置き換えを試みます。実際、別のスキルを作ったときは「まず API を試し、動かなければブラウザ操作にフォールバックする」という構成が生成されていました。

※ この動作は、試した際の Claude 自身の説明と生成されたスキルの中身から読み取ったものです。仕組みの詳細は公式には公表されていません。

従来の RPA と比べると、記録しているものが根本的に違います。

一方でトレードオフもあります。実行主体がモデルになるため、毎回まったく同じ手順で動く保証は座標再生型より弱まります。厳密な再現性が必要な定型処理より、多少の揺らぎを判断で吸収してほしい業務に向いた仕組みです。

何に使えそうか

社内で議論して出てきた活用アイデアを4つ紹介します。

バックオフィス業務の棚卸し

担当者が10人いれば、やり方も10通りあります。全員のやり方を録画してスキル化し、統合すれば、ケースに応じて最適な手順を選ぶ「スーパー総務ボット」を作れるかもしれません。月末の経費精算のような、誰もが抱える定型業務から試す価値がありそうです。

ベテランの暗黙知の継承

本人が「当たり前」で「何でもない」と思っている手癖(このタイミングでこの調査をする、連絡の前にここを確認する、など)にこそ価値があります。トップ営業の商談準備や、ベテランエンジニアのトラブルシューティングを録画すれば、マニュアル化しても伝わらなかったものを新人に渡せる可能性があります。

「録画」と聞くと監視を連想するかもしれません。会社が社員の操作を勝手に記録して代替を作るのであれば、反発を招くはずです。この機能は逆で、録画の開始・終了を本人が操作し、見せたい作業だけを見せるモデルになっています。同じ録画でも、「監視される」と「継承する」では意味が真逆です。

言語化が苦手な人の AI 活用の入口

自分の業務を言語化してプロンプトに落とせる人には、正直この機能は必須ではありません。効くのは、言語化がうまくできない人や、どこを AI に任せられるか分からない人です。プロンプトを書けなくても、いつもの仕事をやって見せるだけでいい。AI 活用の入口を広げる意味で、個人的にはここ数ヶ月で一番大きいアップデートだと感じています。

要件定義・顧客ヒアリング

「手元の操作を録って送ってください」というお願いだけで、既存システムの仕様調査が進むかもしれません。ドキュメントのない業務フローの発掘に使えそうです。全社に Claude を配るのはハードルが高い企業でも、録画を集めて後からまとめて解析する運用なら始めやすいはずです。

セキュリティと運用の注意

試した範囲では、設計面の配慮も確認できました。画面や第三者アプリから取得したテキストは「信頼できないデータ」として扱い、そこに書かれた内容を指示として実行しない、と生成時の Claude は説明していました。公式ヘルプにもプロンプトインジェクション検知に関する記載があります。

ただし、録画データの保持期間や学習利用のポリシーは、現時点で公式から詳細が公表されていません。顧客情報や機密を扱う業務を録画する際の運用ルールは、利用側での整備が必要です。まずは録画前に不要なアプリ・ファイル・会話を閉じる、という公式ヘルプの推奨を最低ラインにするのがよさそうです。

ハマったポイント

• スキル生成には数分かかります。録画を止めてすぐには使えません
• 作ったスキルをその場で実行しようとしたところ、実行環境の設定の問題でうまく動きませんでした。生成と実行は別物として、落ち着いて検証する時間を取るのがおすすめです
• スキルを作ったセッションには録画時の文脈が残っています。動作確認は新しいセッションで行う方が、スキル単体で動くかを確認できます
• 前述の通り、日本語音声の文字起こしは化けることがあります。声だけに頼らず、操作で見せるのが確実です

まとめ

プロンプトを書けなくても、いつもの仕事を見せるだけでスキルになる。AI 活用の裾野を広げるアップデートだと感じています。まずは自分の"手癖"をひとつ録ってみましょう!

KDDIアイレットの gaipack では、生成 AI を活用した業務の自動化・システム開発を支援しています。業務の棚卸しや AI 活用の進め方にお悩みでしたら、お気軽にKDDIアイレットへお問い合わせください!