1. はじめに：「あの集計お願い」に追われる日々にサヨナラを

経営陣や事業部門から**「至急、この切り口で売上を集計して」「商品別の前年同月比と粗利シェアを出してほしい」**と言われ、そのたびに作業の手を止めて対応していませんか？

従来の環境では、複雑なデータソースに対して**SQL（データベースを操作するための言語）**を一から書き直したり、**BIツール（ビジネスインテリジェンスツール：データを視覚化するソフト）の設定をこねくり回したりする作業が頻繁に発生していました。これらは膨大な時間と労力を消費するだけでなく、分析ノウハウが特定の担当者に依存する「属人化」**の原因にもなっています。

本記事では、こうした苦痛を根本から解決するアプローチとして、自社専用の分析ノウハウをMarkdownで定義し、AIに学習させる**「Agent Skill」**を活用した基幹システム拡張術を解説します。

2. 従来のデータ分析が抱える3つの限界

現場でデータ分析がスムーズに進まない背景には、旧来の手法が持つ3つの大きな課題が存在します。

  • SQL・BIルールの保守コストの肥大化
    集計条件が変わるたびにクエリ（検索命令）やダッシュボードを修正する必要があり、運用負荷が増大します。
  • 分析手順のブラックボックス化
    「どのような計算式で粗利を算出しているか」といった定義が担当者の頭の中にしかなく、引き継ぎや標準化が困難です。
  • アウトプット作成の二度手間
    抽出したデータをさらにExcelで加工し、PowerPointでグラフ化してレポートを作成するという無駄な工程が発生します。

これらの問題を打破するのが、基幹システムと生成AIを組み合わせた新しいアプローチです。

3. Maskeelが提案する新常識：「Agent Skill」× Markdown

Agent Skillとは？

「Agent Skill（エージェント・スキル）」とは、AIエージェントに対して「どのような手順でデータを取得し、どう計算し、どのような形式で出力すべきか」という専門ノウハウを定義・記憶させる仕組みのことです。

なぜ「Markdown」なのか？

Maskeelにおいて、分析スキルの定義には**Markdown（マークダウン）**を採用しています。Markdownが最適な理由は以下の通りです。

  1. 人間とAIの双方が理解しやすい
    見出しや箇条書きで構造化されたテキストは、人間にとっても直感的に読みやすく、LLM（大規模言語モデル）の解釈精度も飛躍的に高まります。
  2. Gitなどでバージョン管理が可能
    テキストファイルであるため、分析ロジックの変更履歴を簡単に追跡・管理できます。
  3. ノーコードに近い感覚で修正できる
    複雑なプログラミング言語を書き換えることなく、プロンプト（指示文）の調整感覚で分析ロジックを更新できます。

4. 【実践】Markdownで自社ノウハウをスキル化する3ステップ

実際に自社独自の分析ルール（例：商品別前年同月比と粗利シェア）をMarkdownでスキル化する具体的手順を解説します。

ステップ1：分析ロジックと目的の言語化

まずは「どのテーブルから」「どんな計算式で」「どういうグラフにするか」をテキストで整理します。

ステップ2：Markdownファイル（.md）の記述

以下のように、分析手順をMarkdown形式で定義します。

# Skill: 商品別前年同月比および粗利シェア分析

## 概要
当月売上データを取得し、前年同月比およびカテゴリごとの粗利シェアを算出・グラフ化する。

## 処理手順
1. 基幹システムDBの `sales_table` および `item_master` を参照する。
2. 指定された対象月（例: 2024-10）の売上高と、前年同月（例: 2023-10）の売上高を抽出する。
3. 各商品の粗利率＝ `(売上高 - 原価) / 売上高 * 100` を計算する。

## 出力フォーマット
- 前年同月比の推移：棒グラフ（Bar Chart）
- カテゴリ別粗利シェア：円グラフ（Pie Chart）
- 詳細データ一覧：Markdownテーブル形式

ステップ3：Maskeelへの登録とワンクリック実行

作成したMarkdownをMaskeelの「Skillライブラリ」に保存します。これで準備は完了です。
次回からは、チャット画面やボタンから**「今月の商品別前年比と粗利シェアを出して」**と指示するだけで、AIが定義されたMarkdownスキルを読み込み、正確なSQL発行・データ集計・グラフ付きレポートの出力までを完全自動で実行します。

5. 導入によって得られる具体的な成果

自社の分析ノウハウを「スキル」としてMarkdown化することで、組織全体に以下の大きなメリットがもたらされます。

  • 作業時間の削減：数時間かかっていた集計・レポート作成がわずか数秒〜数分に縮小。
  • 分析の標準化：全社で同一の計算定義が使われるため、部署ごとの数値のズレが消失。
  • 基幹システムの柔軟な拡張：高額なシステム改修を行わずに、自社に必要な分析機能を後からいくらでも追加可能。

6. まとめ：今日から始める分析ノウハウの資産化

データ集計に追われる日々から脱却する鍵は、**「個人の頭の中にある分析手順を、AIが実行可能なスキルとして標準化すること」**にあります。

Markdownを活用した基幹システム拡張術なら、プログラミングの深い知識がなくても、自社専用の強力なAI分析アシスタントを育てることができます。まずは現場で最も頻繁に行われている定番の集計作業から、Markdownで書き出してみませんか？