「ゴールドマンの仕事ができるAI」の正体。プロンプト職人の時代は終わり、業務設計の時代が始まる

最近、X（旧Twitter）のAI界隈で「ゴールドマン・サックスの仕事ができるSkillsが出た」「Wall Street級の金融分析をAIが全自動で回している」といった話題を見かけた人も多いはずです。

これを見て、多くの人はこう考えます。
「ついに、金融のプロの頭脳を再現する『魔法のプロンプト』が流出したのか？」

結論から言います。違います。

本当に起きているのは、すごい一文（プロンプト）が発見されたことではありません。
「プロフェッショナルの仕事そのものが、再利用可能な“パッケージ”として切り出され始めた」ということです。

この記事では、「ゴールドマンのAI」というバズの裏側にある事実と、AIエージェント（Claude Code等）における「プロンプト」と「Skills」の決定的な違い、そして我々が自分の現場で生き残るための戦略を整理します。

プロンプトとSkillsの決定的な違い

AIの性能を引き出すために、多くの人は「どんな指示文（プロンプト）を書くか」に執着します。
しかし、実務で圧倒的な差を生むのはそこではありません。

プロンプトは「その場限りの依頼」

プロンプトとは、「その場でAIにお願いするための指示文」です。

• 「あなたは優秀な証券アナリストです」

• 「この決算を分析してリスクを抽出し、買い/売りを判定してください」

うまく書けば良い出力は得られます。しかし、毎回指示を出す必要があり、個人の属人性が高く、チームでの共有や改善（バージョン管理）が困難です。

Skillsは「仕事の型（システム）」

一方で「Skills」は、仕事の進め方そのものを構造化して保存した小さな業務システムです。
単なるテキストではなく、役割、入力データ、手順、出力テンプレート、検証スクリプトまでを束ねたものです。

1. 企業情報をAPIで集める

2. 財務諸表を読み込む

3. 比較企業（コンプス）を並べる

4. DCFモデルでバリュエーションを組む

5. Bull / Base / Bear の3シナリオを書く

6. レポート形式に出力する

プロンプトが「賢いお願い」なら、Skillsは「仕事の設計図」です。
この設計図がコードとして共有され始めたこと。これが「AIが賢くなった」という現象の真の姿です。

なぜ「ゴールドマンの仕事ができるAI」と言われたのか

この話題の背景には、3つの事実が絡み合っています。

1. Anthropic公式による金融特化プラグインの公開
2025年に「Claude for Financial Services」を発表したAnthropicは、投資銀行や株式リサーチ向けのAgent Skillsを拡充しています。公式のサンプルには「JPMorgan, Goldman Sachs, Morgan Stanley format」に沿った出力テンプレートまで含まれており、外から見れば「ウォール街の定型業務そのもの」です。
👉 参考: anthropics/financial-services-plugins

2. Goldman Sachs自身によるAIエージェントの内部開発
2026年2月、Reutersは**「Goldman SachsがAnthropicと組み、ClaudeベースのAIエージェントで銀行内業務を自動化している」**と報じました。取引・会計から顧客のデューデリジェンスまで、Anthropicのエンジニアと共同でシステムに組み込んでいます。
👉参考: Reuters報道

3. コミュニティによる「Wall Street風」のオープンソース実装
公式の動きと並行して、GitHub上には claude-equity-research のような「Goldman Sachs-style formatting」を謳うOSSプラグインが登場しています。

これら3つが重なり、SNS上で「ゴールドマンの仕事がAIに奪われた（あるいは代替可能になった）」と拡散されたわけです。

誤解してはいけない「本当に差がつくポイント」

ここで冷静に見るべきポイントがあります。
それは、「Goldman Sachsの社内ノウハウ（秘伝のタレ）そのものが流出したわけではない」ということです。

Anthropicの金融向けリポジトリも、OSSのプラグインも、あくまで「ベースとなる仕事の型」を提供しているに過ぎません。

本当にビジネスで差がつくのは、

• どの独自データにアクセスさせるか

• どの厳しいレビュー基準（品質ゲート）を通すか

• それを自社の既存業務フローにどう接続するか
  です。

これは金融に限りません。IT開発でも、製造業でも同じです。

全ての業界で「仕事の分解とパッケージ化」が始まる

今回のニュースを「金融業界のAI活用事例」として消費するのは三流です。
一流は、「自分の仕事をどう分解すればSkillにできるか」という視点で読み解きます。

たとえば、製造業の生産計画なら：

• 設備停止時の影響分析

• 材料遅延時の代替案出し

• 制約違反の検出

エンジニアのチーム開発なら：

• PR作成時の品質チェック（Lint / Test）

• エラーログからの原因特定

• リリースノートの自動生成

これらはすべて、プロンプトで「その都度頼む」のではなく、Skillとして「型にはめる」べき仕事です。

優れたプロンプトは「個人の生産性」しか上げませんが、定義されたSkillは「組織の資産」になります。再現性があり、監査可能で、新人に配布できるからです。

結論：プロンプト職人は死ぬ。業務設計者が生き残る

今後、SNSでは「〇〇（有名企業）の仕事ができるAI」「〇〇の判断ができる神プロンプト」という煽り文句が溢れるでしょう。

しかし、その正体は「AIがその職種の脳細胞を手に入れた」わけではなく、「その職種の仕事の流れが、ソフトウェアとして分解・定義された」というだけのことです。

「すごいプロンプトさえ手に入れれば勝てる」と考えている人は、すぐに時代に取り残されます。

AIエージェント時代に生き残るのは、AIに丸投げする人ではありません。
「自分の現場の泥臭い仕事を、細かく分解し、再利用可能なSkill（型）として設計できる人」です。

あなたは今、AIに「お願い」をしていますか？
それとも、AIの「業務フローを設計」していますか？

Skills時代を学ぶための本5冊

「神プロンプト探し」で終わらず、仕事を型にするための本棚

1. 『LLMのプロンプトエンジニアリング』

最初の一冊としていちばん勧めやすい本です。

O’Reilly Japan の紹介によると、この本は GitHub Copilot を生んだ開発者の知見を背景に、プロンプトだけでなく、ツール利用、RAG、エージェント、evals まで含めて説明しています。発売は 2025年5月16日、日本語版は 276ページです。

この本が良いのは、「良い指示文を書く方法」で終わらないところです。
Skills とプロンプトの差を理解したい人にとって、最初に必要なのは

• 指示の構造化

• 出力の安定化

• ハルシネーションを減らす考え方

• 評価の視点

です。

つまりこれは、“うまくお願いする技術” から “再利用可能な指示設計” に進むための入口になります。

こんな人向け

• まず prompt の基礎を固めたい

• Claude Code や Copilot を感覚で使っていて、整理したい

• Skills の前に「何を設計しているのか」を言語化したい

2. 『生成AIのプロンプトエンジニアリング』

こちらは、もう少し広く「信頼できる出力」をテーマにした本です。

O’Reilly Japan は、この本を LLM や画像生成モデルに共通する原則を体系化し、ハルシネーション対策、出力安定化、評価、最終章ではアプリ構築まで扱う本として紹介しています。日本語版は 2025年7月9日発売、484ページです。

この本は「プロンプトを上手に書く」より、
なぜその書き方で安定するのか
を広めに理解したい人向けです。

Skills を作るときは、どうしても「このテンプレで本当に再現するのか？」が問題になります。
その時に必要なのは、単発のテクニックよりも、

• どう条件を固定するか

• どう入力を制御するか

• どう評価観点を持つか

という土台です。

こんな人向け

• note記事で「プロンプト職人」ではなく「再現性」に触れたい

• 出力品質の安定化まで学びたい

• テキスト以外も含めて応用範囲を広げたい

3. 『実践 LLMアプリケーション開発』

ここから一段上がって、プロンプトの外側に進みます。

O’Reilly Japan の紹介では、この本は LLM の原理から、ファインチューニング、推論最適化、RAG までを含め、PoCから一歩踏み出した実践的なアプリケーション構築を目指す本とされています。日本語版は 2025年9月27日発売、400ページです。

Skills を本気で考えるなら、この本はかなり重要です。
なぜなら、Skills は単なる prompt ファイルではなく、最終的には

• 入力の受け方

• データの引き方

• ワークフロー分解

• 失敗時の扱い

• 評価と改善

まで含んだアプリケーション設計になるからです。

X で話題になるのは派手な出力ですが、実務ではその前に
「そのAIはどの順番で考え、どの情報を取り、どこで検証するか」
が勝負です。

こんな人向け

• Skills を“実装物”として見たい

• RAG、評価、本番運用まで視野に入れたい

• Claude Code やエージェントを業務に乗せたい

4. 『仕組みからわかる大規模言語モデル 生成AI時代のソフトウェア開発入門』

この本は、いまの文脈ではかなり重要です。

技術評論社の紹介では、この本は コンテキストエンジニアリング を軸に、AIモデルの基礎から API の挙動、RAG や AI エージェントの実践までを説明する本とされています。2026年2月10日刊行です。

最近は「プロンプトエンジニアリングより、コンテキストエンジニアリングが重要」という流れが強いです。
これは Skills とすごく相性がいい考え方です。

なぜなら Skills の本質は、
AIに何を言うか より
AIに何を渡し、何を渡さず、どんな文脈を保ったまま仕事させるか
にあるからです。

Goldman 的な業務 Skills が強いのも、要するに
「金融分析に必要な文脈を、いい順番で与える」
ことができるからです。

こんな人向け

• Skills と prompt の差を一段深く理解したい

• RAGやエージェントの失敗理由を知りたい

• “文脈設計” という視点を持ちたい

5. 『つくりながら学ぶ！LLM 自作入門』

最後は少し毛色が違います。
でも、かなりおすすめです。

マイナビ出版の紹介によると、この本は Sebastian Raschka 著で、日本語版は 2025年3月3日発売、384ページです。LLM を実際に作りながら学ぶ構成になっています。

「Skillsを学ぶのに、なぜ自作LLM本？」と思うかもしれません。
理由はシンプルで、中身を知ると、外側の設計がうまくなるからです。

モデルが何を苦手にしやすいのか。
どこで曖昧さに弱いのか。
なぜ文脈が長いと崩れやすいのか。

こうした感覚を持つと、Skills 設計でも

• 1回で全部言わせない

• 中間成果物を作る

• 検証ステップを挟む

• 入力を小さく分割する

といった判断が自然にできるようになります。

こんな人向け

• API利用だけでなく、内部理解も欲しい

• LLMの限界を実感として知りたい

• エージェントの設計精度を上げたい

まとめ

「ゴールドマンの仕事ができるAI」が気になった人ほど、読むべきなのは“金融の裏技本”ではありません。

むしろ必要なのは、

• 良い prompt をどう作るか

• 良い context をどう保つか

• 良い workflow をどう分解するか

• 良い eval をどう回すか

を学ぶことです。

その意味で、今回挙げた5冊は、
Skills時代に向けて“仕事を型にする力”を育てる本棚
としてかなり相性がいいと思います。

#AI #生成AI #AIエージェント #ClaudeCode #業務効率化 #DX #エンジニアの生存戦略 #プロンプトエンジニアリング #金融テック #組織論