渋谷祐太 / LiftBase 代表取締役

One of the more interesting things we’ve learned building our AI stack: A lot of “AI performance” is really systems design, not model magic. A few things mattered more than I expected: 1. The bottleneck moved from model quality to workflow integrity. A surprising number of “AI misses” were actually stale state, broken handoffs, partial workflows, or silent queue drift. 2. Reasoning level tuning matters a lot. Low/medium/high thinking settings are not cosmetic. Quick replies, research, and coding want very different levels of deliberation. Too much reasoning slows simple tasks. Too little reasoning breaks complex ones. 3. Library-level fixes compound. The biggest gains came from fixing shared paths once — retrieval, formatting, validation, audit logic — instead of patching symptoms one by one. The big takeaway for me: As these systems scale, the challenge starts to look less like prompting and more like operating discipline.

Gemini is over due. Expect a really good Flash model Something that beats GPT 5.5/Opus 4.7 medium but is considerably cheaper and faster

Managing API keys is one of the top security concerns we hear from customers. Today we’re introducing keyless auth for Claude Platform: authenticate via browser with the CLI, or let workloads use their existing cloud identity (AWS, GCP, Azure, or any OIDC token provider).

【1つ目】そもそもエージェントって何？（Anthropic公式定義） 「モデル（AI本体）がツールをループ（繰り返し）で使うもの」 これだけ ①タスクを与える ②AIがツールを使って作業 ③結果を見て判断を更新 ④完了まで自律的に続ける 構成要素は環境・ツール・システムプロンプトの3つだけ シンプルに保つほど性能が出る

社内にAI担当者を育てようとしてる会社、その方針たぶん遠回りです。 中小企業がゼロからAI人材を育てるのに最低1年。給与で年500〜700万。育った頃には大企業に転職なんていうリスクもあります。 外部のAIコンサルや専門家を月額契約で使えば、月10〜30万で経験者の知見が即日使えます。 育てる時間ゼロ、辞めるリスクゼロです。 うちは内製化したい、と言う社長ほど結局3年経っても何も進んでない、というのが現場のリアルではないでしょうか。 社内に詳しい人がいないなら外を頼るのが最短ルートです。 全部自分たちで抱え込む時代ではなくなっています。 経営判断は見栄じゃなくスピードで決めてください。