Cos'è una Claude Skill, come funziona (anatomia e progressive disclosure) e come costruire la tua prima skill da consulente senza scrivere codice.

Ho iniziato a costruire Claude Skill quando ho capito due cose:
Per un consulente funzionale le Skill AI sono uno degli strumenti più rilevanti perché:
In questo articolo vediamo:
Una Claude Skill è una guida di onboarding per il nostro agente AI.
Un'analogia utile: immaginiamo di aver assunto un nuovo collaboratore.
Nella prima settimana gli spieghiamo come lavoriamo, quali sono i nostri standard di qualità, come strutturiamo i documenti.
Dopo quella settimana non dobbiamo rispiegare tutto da capo a ogni task, perché il collaboratore ha interiorizzato il metodo.
La cosa importante da capire è che una skill non è solo un'istruzione generica.
La skill AI è la standardizzazione della nostra conoscenza e del nostro metodo, sia come professionisti individuali sia come team.
Progettare una skill significa creare un esperto che segue esattamente i nostri protocolli, non un assistente generico che interpreta ogni volta le nostre intenzioni.
Pensiamo a quante risorse le organizzazioni investono in procedure e framework che poi faticano a far applicare in modo consistente, e che restano un documento su Confluence consultato da pochi.
Le skill cambiano questa dinamica: possono essere condivise a livello individuale (un dipendente costruisce una skill, la esporta e la condivide) o centralizzato (gli amministratori le distribuiscono a livello workspace, con aggiornamenti automatici per tutti).
Il PM senior che ha perfezionato un metodo di pianificazione sprint in tre anni può cristallizzarlo in una skill che il PM junior usa dal primo giorno, e l'onboarding si comprime perché procedure, template e naming convention sono già embedded.
Per tre ragioni:
Un Custom GPT è una versione personalizzata di ChatGPT che si configura senza codice, ed è il prodotto concettualmente più vicino alle skill, ma ha un limite strutturale: l'isolamento.
Ogni Custom GPT è una chat separata, devo navigare al GPT giusto, e non posso avere due GPT che collaborano nella stessa sessione.
Nel caso delle skill Claude, un singolo agente:
Le piattaforme di automazione come Zapier, Make o n8n, invece, sono ideali per workflow deterministici e rigidi, dove i passi sono sempre gli stessi.
Ma quando il processo richiede interpretazione e adattamento al contesto, le skill gestiscono meglio la complessità, e permettono di prevedere l'intervento umano by design (il cosiddetto "Human in the Loop").
C'è poi una funzionalità che gli altri strumenti non hanno: le skill possono essere progettate per il self-learning.
Il meccanismo è un apprendimento per accumulo di contesto.
La skill modifica i propri file di riferimento nel tempo, incorporando feedback reali, esempi approvati e regole emergenti dall'uso.
Il risultato pratico è una skill che dopo tre mesi produce output migliori rispetto al primo giorno, mentre un Custom GPT o un workflow n8n restano esattamente come li abbiamo lasciati alla configurazione iniziale.
La seconda ragione per cui un consulente funzionale non può fare a meno di imparare a disegnare e deployare le proprie skill, è che la barriera di ingresso è quasi nulla.
Le skill si creano e si aggiornano semplicemente tramite prompting.
Se siamo Business Analyst o Project Manager possiamo iniziare subito ad automatizzare i nostri processi tramite l'interfaccia di Claude CoWork, senza passare da Claude Code.
È esattamente quello che ho fatto io per le mie prime skill.
La terza ragione per cui in quanto consulenti dobbiamo essere in grado di pianificare e disegnare Skill AI è strategica.
Le skill abilitano un nuovo modello di distribuzione del software.
La guida ufficiale di Anthropic fa una previsione precisa: i vendor SaaS inizieranno a lanciare i propri plugin, cioè bundle di skill, connettori e agenti specializzati, che diventano un nuovo layer software.
Pensiamo a un plugin CRM per team commerciali: il commerciale non apre più il CRM, parla con Claude, che attraverso il plugin legge lo stato delle opportunità, suggerisce il prossimo passo, redige la email al cliente e aggiorna lo stage.
Salesforce diventa l'infrastruttura dati invisibile dietro un workflow conversazionale, e noi consulenti siamo nel punto giusto per progettare questi sistemi.
Una skill è una cartella con al centro il file SKILL.md, l'istruzione su come eseguire il processo, che possiamo arricchire con tre livelli opzionali di file: references, assets e scripts.
Il file SKILL.md è il cuore: possiamo immaginarlo come un system prompt strutturato, o come il manuale operativo che daremmo a un nuovo collaboratore.
È l'unico livello obbligatorio, e per skill semplici è sufficiente.
Attorno a questo possiamo aggiungere i livelli che servono, man mano che la skill cresce in complessità:
Una skill avanzata con tutti e quattro i livelli assomiglia molto a un software vero e proprio, con la differenza che è software per agenti AI.
La progressive disclosure è il sistema a tre livelli che permette a un agente di avere a disposizione molte skill senza saturare il contesto:
Se ho cento skill installate e ognuna ha tutta la sua documentazione, come fa l'agente a gestirle senza rallentare?
La risposta sta in tre livelli pensati per minimizzare l'uso di token (i token sono le unità di testo che il modello elabora):
In pratica, nella memoria dell'agente vivono di continuo solo i metadati di tutte le skill: è come avere sempre in testa il sommario di un manuale, senza doverlo rileggere tutto ogni mattina.
È questo meccanismo che rende possibile avere decine o centinaia di skill senza deteriorare le performance e la velocità.
Si parte scegliendo il tipo di skill (conviene una standalone) e poi il metodo di costruzione in CoWork, tra tre opzioni a crescente rapidità ma decrescente comprensione della struttura.
Prima scelta: il tipo.
Una skill standalone lavora solo con le capacità native di Claude (ragionamento, scrittura, analisi, generazione di documenti), senza connettersi a sistemi esterni.
Una skill MCP, dove MCP (Model Context Protocol) è il protocollo aperto di Anthropic, permette a Claude di connettersi a servizi esterni in tempo reale tramite API, come Jira, Confluence, Google Drive, Slack, eccetera.
Il mio consiglio è iniziare con una skill standalone, perché ci fa concentrare sulla variabile più importante dello skill engineering: saper scrivere bene le istruzioni, i trigger, la struttura del workflow.
Seconda scelta: il metodo. In CoWork ci sono essenzialmente tre opzioni:
La mia raccomandazione: se l'obiettivo è imparare davvero la struttura e le logiche dello skill engineering, parti dall'opzione 1.
Le opzioni 2 e 3 fanno costruire più in fretta, ma lasciano la comprensione della struttura a una fase successiva.
Personalmente le ho scelte solo dopo aver consolidato le basi con il metodo guidato.
È una meta-skill già disponibile in CoWork che ci guida passo passo.
La consiglio a chi parte da zero con l'obiettivo di capire come si struttura una skill.
Fa domande su use case, trigger, tool e workflow, e al termine genera il SKILL.md con il frontmatter già compilato.
Limite: non esegue test automatizzati né produce metriche quantitative, ma per una prima skill è più che sufficiente.
Prima eseguo il workflow manualmente nella chat, correggendo man mano; poi chiedo a Claude di prendere tutto quello che abbiamo fatto, eliminare i passaggi ridondanti e costruire una skill strutturata.
Funziona bene perché Claude ha già visto come ho corretto il processo, quindi la skill incorpora il mio modo di lavorare.
Se esiste già una skill simile, dal repository pubblico di Anthropic o da un marketplace di terze parti, parto da quella e la adatto al tono di voce, ai template e ai trigger del mio workflow.
Ora sappiamo cos'è una skill, perché è rilevante, com'è fatta e come costruirne una senza codice.
Il passo successivo è progettarla bene prima di costruirla.
La skill-creator è un ottimo strumento esecutivo ma va alimentata con un disegno chiaro, non con un'idea vaga.
Nel prossimo articolo di questo percorso ti mostro il metodo che uso per progettare una skill prima di aprire la skill-creator
È una cartella di istruzioni che insegna a Claude come gestire un task o un workflow specifico. Permette di insegnare il proprio metodo una volta sola e di riutilizzarlo in ogni conversazione, standardizzando conoscenza e standard di qualità.
No. Le skill si creano e si aggiornano tramite prompting, attraverso l'interfaccia di Claude CoWork, senza passare da Claude Code e senza scrivere codice.
Una skill standalone usa solo le capacità native di Claude, senza connettersi a sistemi esterni. Una skill MCP usa il Model Context Protocol per collegarsi a servizi esterni come Jira, Confluence, Google Drive o Slack, leggendo e scrivendo direttamente in quegli strumenti.
È il sistema a tre livelli che minimizza l'uso di token: i metadati (nome e descrizione) sono sempre caricati, il corpo del SKILL.md si carica solo all'attivazione, i file collegati solo quando la skill li richiede. Così un agente può avere molte skill senza saturare il contesto.
Dalla skill-creator, il metodo guidato già disponibile in CoWork, perché aiuta a capire come si struttura una skill. Gli altri due metodi (cristallizzare un workflow o adattare una skill esistente) sono più rapidi ma rimandano la comprensione della struttura.
Su Augmented Consultant documento il mio percorso di skill engineering da consulente funzionale, con demo, framework e tutorial applicabili da subito, senza coding.
Se ti interessa, iscriviti al canale per non perdere la prossima tappa, in cui passiamo dalla teoria alla pratica con il framework di progettazione e una skill in azione su un progetto reale.
Fonti