Claudes ferdighetsramme blir stille til en bransjestandard

Da Anthropic lanserte Skills i oktober, lød annonseringen som en nisjeutviklerfunksjon. To måneder senere har OpenAI adoptert samme arkitektur – og den stille konvergeringen avslører noe betydningsfullt om hvor AI-agenter er på vei.

Ferdigheter er bedragende enkle: mapper som inneholder Markdown-filer som forteller AI-systemer hvordan de skal utføre bestemte oppgaver. Men deres adopsjon av både store AI-laboratorier tyder på at bransjen har funnet et felles svar på et grunnleggende spørsmål: hvordan gjør man AI-assistentene konsekvent gode på spesialisert arbeid?

Hva OpenAI nettopp gjorde

Utvikler Elias Judin oppdaget OpenAIs implementering den 12. desember mens han eksperimenterte med ChatGPTs kodefortolker. Ved å be modellen om å opprette en zip-fil av sin /home/oai/skills-mappe, fant han mapper for PDF-er, regneark og dokumenter – hver inneholdt instruksjonsfiler strukturelt identiske med Anthropics spesifikasjon.

Den samme arkitekturen dukket opp i OpenAIs Codex CLI-verktøy to uker tidligere, gjennom en pull-forespørsel med tittelen “feat: eksperimentell støtte for skills.md.” Implementeringen speiler Anthropics tilnærming: ferdigheter bor i en lokal mappe (~/.codex/skills), hver definert av en SKILL.md-fil med metadata og instruksjoner.

OpenAI har ikke offisielt annonsert funksjonen. Men dens tilstedeværelse i både ChatGPT og Codex tyder på en bevisst strategi snarere enn et eksperiment.

Hvorfor ferdigheter er viktige

Den tradisjonelle tilnærmingen til å gjøre AI bedre på bestemte oppgaver innebar finjustering – dyrt og tidskrevende modelltrening på spesialisert data. Ferdigheter tilbyr en lettere alternativ: instruksjoner og ressurser som lastes bare når de er relevante.

Anthropics ingeniørteam beskrev designprinsippet som “progressiv avdekning”. Hver ferdighet tar bare noen dusin token når den summeres, med fullstendige detaljer som lastes bare når oppgaven krever det. Dette løser et praktisk problem: kontekstvinduer er verdifullt eiendom, og å stupe hver mulig instruksjon inn i hver forespørsel ødelegger ressurser.

Arkitekturen fungerer fordi moderne AI-modeller kan lese og følge instruksjoner dynamisk. En ferdighet for PDF-håndtering kan inkludere foretrukne biblioteker, håndtering av kanter og utdataformatering – informasjon modellen bare trenger når den behandler PDF-er.

Konvergenshistorien

OpenAI adopterer Anthropics tilnærming er ikke uvanlig i isolasjon. AI-laboratorier lærer jevnlig av hverandres publiserte arbeid. Det som er bemerkelsesverdig er den strukturelle identiteten: samme filnavnkonvensjoner, samme metadataformat, samme mappeorganisering.

Denne kompatibiliteten kan bety at ferdigheter skrevet for Claude Code kan fungere med OpenAIs Codex CLI, og omvendt. Utviklere kan dele ferdigheter på GitHub som npm-pakker. Økosystemet blir interoperabelt snarere enn fragmentert.

Tidsplanen sammenfaller med bredere standardiseringsbestrebelser. Anthropic donerte Model Context Protocol til Linux Foundation den 9. desember, og begge selskapene var med å etablere Agentic AI Foundation sammen med Block. Google, Microsoft og AWS sluttet seg som medlemmer.

Stiftelsen vil være verge for MCP, Blocks goose-prosjekt og OpenAIs AGENTS.md-spesifikasjon. Ferdigheter passer naturlig inn i denne standardiseringspushen – gjenbrukbare kapabilitetsmoduler som fungerer på tvers av plattformer.

Hva dette betyr for AI-kodingsverktøy

Ferdighetsarkitekturen betyr mest for AI-kodingsverktøy, hvor spesialisert kunnskap dramatisk forbedrer utgangskvaliteten. En ferdighet for React-utvikling kan spesifisere komponentmønster, statlige håndteringpreferanser og testkonvensjoner. En ferdighet for database-migreringer kan inkludere sikkerhetssjekker og tilbakerullingsprosedyrer.

AI-kodingsstartups som Cursor har bygget forretninger på å gjøre AI mer nyttig for bestemte utviklingsoppgaver. Ferdighetsrammen gir modelltilbydere en standardisert måte å tilby lignende tilpasning – potensielt true eller komplementere tredjepartsverktøy avhengig av gjennomføringen.

For bedriftsutviklere betyr interoperable ferdigheter at institusjonell kunnskap blir bærbar. Et selskaps interne kodestandarder, sikkerhetskrav og arbeidsflytpreferanser kan kodifiseres en gang og brukes på tvers av hvilke AI-verktøy teamet bruker.

Den strategiske undermeningen

OpenAIs adopsjon bærer strategiske implikasjoner. Selskapet har historisk favorisert proprietære tilnærminger – GPT-aksjoner, tilpassede GPT-er, plattformsspesifikke integrasjoner. Ferdigheter representerer en vending mot åpne standarder som fungerer på tvers av verktøy.

En tolkning: OpenAI erkjenner at utviklerøkosystemer betyr mer enn proprietær låsing på dette stadiet. Hvis ferdigheter blir standard, betyr det at å være kompatibel betyr mer enn å kontrollere spesifikasjonen.

En annen tolkning: å konkurrere med Anthropics utvikleropplevelse krever å matche dens funksjoner. Claude Code har vokst aggressivt, nådd $1 milliard i årlig omsetning og integrert i Slack. Ferdigheter er en del av hva gjør Claude Code nyttig; OpenAI trengte å respondere.

Sannheten inkluderer sannsynligvis begge faktorene. AI-laboratorier konkurrerer intensivt på benchmark og kapasiteter samtidig som de samarbeider om infrastrukturstandarder som fordeler alle. Ferdigheter faller inn i den siste kategorien.

Hva som kommer neste

Den umiddelbare muligheten er en ferdighetsmarkedsplass – GitHub-repositorier hvor utviklere deler spesialiserte instruksjonssett for vanlige oppgaver. Anthropic har allerede en anthropics/skills-repository. Forvent OpenAI å følge, og forvent at samfunnsbidragsfødte ferdigheter skal florere.

Den lengrevarige spørsmålet er hvor dypt ferdigheter integreres i AI-produkter. For øyeblikket er de mest relevant for utviklere som bruker CLI-verktøy. Men samme arkitektur kan drive tilpasning i forbrukerprodukter – personlige skriveassistenter, spesialiserte forskningstverktøy, domenespesifikke chatboter.

For nå representerer konvergeringen på ferdigheter noe sjeldent i AI: konkurrerende selskaper som enes om at standardisering tjener alle. Om denne samarbeidet vil utvide seg til andre kontroversielle områder – sikkerhetsstandarder, kapasitetsavsløringer, utrullingsretningslinjer – forblir usikkert.

Men for utviklere som bygger på AI-plattformer er beskjeden klar: ferdigheter blir infrastruktur. Å lære å skrive dem nå betyr å være forberedt på hvordan AI-verktøy vil fungere i morgen.