何が起きたか
Googleの研究チームが、AIエージェントの作業環境を3層に整理する枠組み「WikiSkill」を発表しました。Raw Layerが実行トレース（ツール呼び出しから結果まで）を改変不可の生データとして保存し、Wiki Layerがそこから失敗パターンと成功戦略を構造化された知見に蒸留し、Skill Layerがエージェントが実際に従う手順書を保持します。
動作は4ステップの循環です。推論エージェントが現行スキルでタスクを実行してトレースを残し、「Wiki Maintainer」がそれを分析して知見をWikiに書き込み、「Skill Proposer」が更新後のWikiと実行データをもとにスキル改訂案を出し、最後にゲーティング機構が別の検証セットで効果を試す。効果がなければスキルはロールバックされますが、Wikiは維持されます。
設計の肝は「失敗を消さない」こと
この枠組みで注目すべきは、Wikiが決してリセットされず反復ごとに増え続ける一方、スキルだけがロールバック可能という非対称性です。却下された改訂案も「何を試して、なぜ駄目だったか」としてWikiに残るため、Skill Proposerは同じ袋小路を繰り返さずに次の案を組み立てられます。
一般的な自己改善ループは、性能が落ちた変更をまるごと巻き戻し、その過程で「なぜ落ちたか」という情報まで捨ててしまいます。WikiSkillは、評価対象（スキル）と学習資産（Wiki）を分離することで、失敗の情報価値だけを回収しています。研究はAndrej Karpathyの「LLM Wiki」——経験を永続的・累積的な知識へ編纂すべきという考え——を、エージェントの自動スキル開発に適用したものと位置づけています。
重要なのは、これがモデルの継続学習ではないという点です。継続学習は未解決の課題であり、WikiSkillはエージェントが自分向けの指示書を書き直して次回に読み直すという、研究自身が「エレガントではなく誤りも起きやすい」と認める回避策です。それでも効果が出ているところが実務的な示唆になります。
効くタスク、効かないタスク
検証は数学推論（LiveMath）、Web検索（SealQA）、表計算操作（SpreadSheet）、文書QA（OfficeQA）、仮想環境での対話タスク（ALFWorld）の5種で行われ、Qwen（4B/9B/27B）、Gemma-4-31B、Gemini-3.5-Flashが使われました。数値はいずれも3回の独立実行の平均です。
伸びは一様ではありません。Gemini-3.5-FlashはLiveMathで33.0%→72.6%、SpreadSheetで50.5%→76.6%と大きく改善する一方、長文コンテキストを伴うOfficeQAは48.6%→60.7%と伸び幅が小さい。Qwen-3.5-4Bに至ってはOfficeQAでスキルなし30.2%に対しWikiSkill28.5%と、むしろ下がっています。研究チームは、小型モデルは長いコンテキストをまたぐ多段階の検索戦略を確実に実行しきれず、既定の振る舞いに戻ってしまうと説明しています。
つまり手順化の効果は「作業が明確な手続きに落ちるか」に強く依存します。数式処理やセル操作のように正解手順が言語化できる領域では劇的に効き、長文の読解のようにモデル自身の地力が支配する領域では効きません。モデルサイズが大きいほどスキルなしとの差が開くという結果も、この見方と整合します。
もう一つの実務的な発見が、スキルの転用可能性です。あるモデルが育てたスキルは他モデルでも機能することが多く、受け手が自力で作ったスキルより良い場合すらありました。ただし常にそうとは限らないため、案件ごとの検証は必要です。
💼 事業会社視点：これは自社にどう効くか
経営判断として押さえるべきは、「モデルを乗り換えれば賢くなる」から「運用ログを資産化した側が勝つ」への軸の移動です。Qwen-3.5-4BのWikiSkill平均38.5%は、スキルなしのQwen-3.5-9B（29.9%）を上回ります。小型モデルでも枠組み次第で上位モデルに追いつくということは、AI予算の最適配分先がAPI単価から「トレース保存と知見蒸留の仕組み」へ移るということです。
特に効くのは、表計算操作や定型処理を抱える業務——経理・請求・在庫管理のBPO、ECのモール横断出品運用、SaaSのカスタマーサクセスにおける定型調査です。SpreadSheetでQwen-3.6-27Bが40.8%→81.7%という伸びは、手順が言語化できる業務ほど蓄積が効くことを示します。逆に長文契約書の読解のような領域は、OfficeQAの伸び幅の小ささが示す通り、期待値を下げるべきです。
受託開発・SIerにとっては論点が一つ増えます。エージェント運用で蓄積されたWikiは誰の資産か。顧客環境で育った失敗パターン集は、契約上の帰属を曖昧にしたまま次案件に流用すれば揉めます。スキルがモデル間で転用可能という結果は、この資産が実際に持ち運べることを意味します。今すぐ着手すべきは、実行トレースを捨てずに残す運用設計と、AI関連契約への成果物帰属条項の追加です。