エージェントスキルは何語で書かれているか？

2026年の第1四半期には、新たに書かれたエージェントスキルの13.0%が英語以外の言語で書かれており、その3ヶ月後には16.3%に達しました。これは255,068件のスキル全体で3ヶ月間に3ポイントの上昇であり、信頼区間は全く重なっていません。比較として、GitHub全体で非英語のドキュメントが3.7%から13.0%に達するのに10年かかったことを考えると、ここで起きていることは全く異なる速度で進行しており、最ももっともらしい説明は、AI開発がサンフランシスコ以外の場所に到達したということです。 データをレビューすると、この主張は明白なバージョンよりも強力であることがわかります。なぜなら、英語はアメリカの代理ではないからです。GitHubで最も急速に成長している開発者人口は圧倒的にインドであり、彼らは英語で書きます。ナイジェリアやシンガポールも同様です。したがって、言語のカウントではそれらのどれも捉えることができません。非英語のシェアは、このエコシステムのどれだけがアメリカ合衆国外にあるかの尺度ではないのです。それはその下限であり、それ以下のすべてはそのように読むべきです。 文脈として、スキルとはフォルダ内のSKILL.mdファイルであり、AIエージェントがタスクを関連性が高いと判断したときにロードされる、プレーンな文章で書かれた指示を保持しています。Anthropicは2025年10月に仕様を公開し、それはレシピが広まるように広がります：誰かがそれをコピーします。9ヶ月後には282,200の公開リポジトリに380万件ものスキルがあり、これがGitSkillsデータセットが収集するものです。スキルはソフトウェアとしては奇妙です。私たちが伝統的な意味でそう言うのは、AIが覆したものの1つだからです。それらは人間言語で書かれており、実行環境は多言語モデルなので、それを英語で書く技術的な理由は存在しません：深圳やサンパウロの開発者は、自身の言語で手順をより正確に記述でき、エージェントはそれに従います。それがうまく従うかどうかは、より良い質問であり、ファイルクロールで解決できることよりもはるかに答えにくい質問です。 分布 フロントマターとフェンスで囲まれたコードを削除した後、各個別のスキルの本文に対して言語識別を実行しました。 横棒グラフ、言語分布 英語 85.3% 中国語 中文 6.2% 日本語 日本語 1.7% ドイツ語 Deutsch 1.6% 韓国語 한국어 1.2% ポルトガル語 Português 1.1% スペイン語 Español 0.9% フランス語 Français 0.4% 1,870,299件の個別のスキルコンテンツ。 英語ではない14.3%は中国語がリードしています。 言語シェア（個別のスキル） 英語 85.3% 中国語 6.2% 日本語 1.7% ドイツ語 1.6% 韓国語 1.2% ポルトガル語 1.1% スペイン語 0.9% フランス語 0.4% したがって、スキルの14.3%は英語ではなく、スクリプト別に見ると、中国語のスキルは簡体字が104,985件、繁体字が9,112件です。上記の行は合計とは少し異なります。なぜなら、6,810件のスキルが信頼性の閾値を下回り、どちらにもカウントされないからです。 比較する価値があるのは、GitHub自身のドキュメントと比較することであり、そのイシューやプルリクエストではありません。2026年のICSEの研究では、リポジトリのドキュメントの13.0%が非英語であり、中国語がリポジトリの3.3%を占めるとされています。全体として、スキルは14.3%対13.0%で、これは僅差であり、特筆すべきものではありません。しかし、中国語の割合は顕著に高く、3.3%に対して6.2%です。 なぜすべての公開されている数字が一致しないのか 私たちの数字だけが公開されているわけではなく、公開されている数字は互いに一致しません。 報告された英語シェア コーパス メソッド 65.0% 557件のヘルスケアスキル、ClawHub (2605.02709) 記載なし 81.8% 26,502件のスキル、ClawHub (2604.13064) 記載なし 85.3% 1,870,299件の個別のスキル、GitHub (我々) py3langid, conf >= 0.80 92.6% 133,149件のスキル、skills.sh (2607.01456) fast-langdetect 99.7% 英語シードのクロール (2606.03565) シード これらは矛盾ではなく、5つの異なる母集団です：キュレーションされたマーケットプレイスは英語に偏り、ドメインのスライスは、そのドメインが活動している場所に偏り、英語のクエリでシードされたクロールは英語を見つけます。 最初に除外すべき候補は私たち自身です。なぜなら、もし私たちの識別子が他の誰よりも英語を少なく認識した場合、比較全体がツールのアーティファクトになってしまうからです。そこで、私たちが使用するpy3langidと、92.6%の研究で使用されたfast-langdetectの両方を同じドキュメントで実行しました。それらは97.6%のドキュメントで一致し、それらの英語シェアは7ポイントのギャップに対して1.2ポイントしか離れていません。 品質スクリーニングが次の有力な候補のように見えますが、これも行き詰まります。もし有効なフロントマターをフィルタリングするコーパスが非英語スキルを静かに破棄していたとしたら、一部のばらつきを説明できるかもしれませんが、非英語スキルはわずかに高いフロントマターの有効性（88.1%対86.6%）を持っており、フィルタリングは英語のシェアを85.6%から85.4%にわずかに移動させるだけです。 残っているのは、どこを見たかです。これは、このデータセットをはるかに超えて一般化できます。したがって、誰かが「AIエコシステム」がどのように見えるかを教えてくれたとき、彼らがスクレイピングしたレジストリが、彼らが他に言うことよりも多くの答えを持っているかもしれません。 スキルは英語で書かれることが少なくなっている スキルにはコミット履歴があり、それぞれに作成日があるため、静的な円グラフがトレンドに変わります。 月ごとの非英語シェア（信頼バンド付き） 0% 8% 16% 24% 25·10 25·11 25·12 26·01 26·02 26·03 26·04 26·05 26·06 26·07 バンドは95%のウィルソン区間です。7月2026年はシェーディングされています：コレクションは月半ばに実行されたため、そのコホートは検閲され、比較から除外されています。 四半期 非英語シェア 2026 Q1 13.0% [12.8, 13.1] 2026 Q2 16.3% [16.1, 16.4] 月ごとの上昇は滑らかではありません。2月は10.9%に落ち込み、その後3月は14.2%で再開しますが、ウィンドウ全体での方向は疑いの余地がありません：1月は13.1%に対し、6月は17.6%です。これは、新しいアーティファクトタイプが、既存のものを乗り越える必要がない場合、成熟したものよりもはるかに速く人口統計を獲得するという、18ヶ月前のフォーマットに期待されるものとほぼ同じです。 しかし、「非英語」は一つのものではなく、内訳を見ると、上昇は4つのグループのうち2つによって運ばれていることがわかります。 小規模な倍数、言語ごとの四半期ごとのシェア（信頼バンド付き） 0% 4% 8% 25-Q3 26-Q3 中国語 +2.1 pts 25-Q4 → 26-Q2 0% 4% 8% 25-Q3 26-Q3 日本語 -1.0 pts 25-Q4 → 26-Q2 0% 4% 8% 25-Q3 26-Q3 韓国語 +0.3 pts 25-Q4 → 26-Q2 0% 4% 8% 25-Q3 26-Q3 ヨーロッパ +4.2 pts 25-Q4 → 26-Q2 シェーディングされたバンドは95%のウィルソン区間です。中空の最後の点は検閲された7月のコホートで、プロットされていますが、比較には使用されていません。 ヨーロッパのグループには、ドイツ語、フランス語、スペイン語、ポルトガル語、イタリア語、ロシア語、オランダ語が含まれます。 2026 Q1 2026 Q2 変化 中国語 4.2% [4.1, 4.4] 5.3% [5.2, 5.4] +1.1 ヨーロッパ 2.7% [2.6, 2.8] 5.5% [5.4, 5.6] +2.8 韓国語 2.2% [2.1, 2.3] 2.0% [1.9, 2.0] -0.2 日本語 3.2% [3.1, 3.3] 2.5% [2.4, 2.5] -0.7 ヨーロッパの言語（ドイツ語、フランス語、スペイン語、ポルトガル語、イタリア語、ロシア語、オランダ語をまとめたもの）は、この期間中に2倍以上に増加し、中国語は着実に上昇していますが、日本語と韓国語はそうではありません。日本語は2025年末には最も一般的な非英語言語でしたが、他のすべてが到着するにつれて2026年前半に落ち込みました。一方、韓国語は全体を通して横ばいです。検閲された7月のコホートは、日本語が回復している可能性を示唆しており、私たちはそれを数えていません。 変化は、2つの完全な四半期（2026 Q1とQ2）の間で測定されます。最後の列は7月の収集月であり、検閲されているため、グラフには表示されますが、比較には決して使用されません。 なぜ信じるのか このようなトレンドはアーティファクトであることが判明する典型的なものであり、それを見つけるのに費やした時間よりも、それを壊そうとすることに時間を費やしました。 コミット履歴は24%のスキルにしか存在せず、そのサブサンプルは大量にコピーされたものに偏っています。これは、コピーが言語と強く関連していることが判明しているため重要です。つまり、私たちが目にしているのは、人々が書く内容の変化ではなく、選択効果であるという懸念です。 コピーを1つに固定した場合、上昇率はヘッドラインよりも大きく、14.7%から18.1%です。各リポジトリを1回だけカウントし、大量アップローダーがそれを操作できないようにすると、上昇率は14.5%から16.8%で存続します。 時計 コミットタイムスタンプはUTCに保存されているため、作者のローカルタイムゾーンはファイルを見る前に失われます。しかし、人々はほとんどが起きている間にコミットし、もしスキルのグループが世界のどこかの一部の人々によって書かれた場合、それらのコミットは消えるはずです。