Notion 3.0 donio je potpunu rekonstrukciju softverske arhitekture – tvrtka je odbacila staru logiku temeljenu na promptovima i zamijenila je objedinjeni orkestracijski model koji mogu koristiti autonomni AI agenti.
„Rather than trying to retrofit into what we were building, we wanted to play to the strengths of reasoning models”, objasnila je Sarah Sachs, voditeljica timova za modeliranje umjetne inteligencije u Notionu. „We rebuilt our AI system to play to that.”
Ključni zahvati:
• Zamjena krutih lanaca promptova modulima koji samostalno biraju alate – agent odlučuje hoće li pretraživati Notion, Slack ili web, sve dok ne pronađe tražene podatke.
• Mogućnost paralelnog izvršavanja više zadataka: pretvaranje bilješki u prijedloge, slanje follow-up poruka, ažuriranje baza znanja i praćenje zadataka.
• Procjena kvalitete kombinira determinističke testove, ljudske anotacije i model-kao-sudac pristup. „By bifurcating the evaluation, we're able to identify where the problems come from, and that helps us isolate unnecessary hallucinations”, kaže Sachs.
Brojke i doseg:
• Notion koristi 94 % tvrtki s Forbesove liste AI 50.
• Platforma ima oko 100 milijuna korisnika, a među klijentima su OpenAI, Cursor, Figma, Ramp i Vercel.
Balans brzine i preciznosti
Tvrtka je filozofiju „bolje, brže, jeftinije” pretočila u optimizaciju vektorskih ugradnji i elastično pretraživanje kako bi smanjila latenciju, ali i zadržala točnost. „We optimize latency and parallel thinking as much as possible”, kaže Sachs i dodaje da tako postižu „way better accuracy”.
Korisnici toleriraju različita kašnjenja ovisno o zadatku. Ako traže jednostavan odgovor poput „što je dva plus dva”, ne žele čekati dugotrajno pretraživanje Slacka ili Jire, napominje Sachs. No dopuštaju i do 20 minuta autonomnog rada kada agent pregledava stotine dokumenata u pozadini.
Interno testiranje bez rukavica
Zaposlenici Notiona najveći su power-useri: „We are using our own tool as a company all day, every day, and so we get really fast feedback loops”, kaže Sachs. Uz internu „dogfooding” kulturu, feedback stiže i od odabranih vanjskih partnera koji rano isprobavaju nove mogućnosti.
Pouka za druge
Sachs savjetuje tehnološkim liderima da ne strahuju od radikalnih poteza: „Be willing to make the hard decisions. Be willing to sit at the top of the frontier, so to speak, on what you're developing to build the best product you can for your customers.” U praksi to znači:
- Rekonstruirajte sustav kad se pojavljuju temeljne inovacije.
- Optimizirajte latenciju prema kontekstu upotrebe, a ne univerzalno.
- Utemeljite sve AI odgovore na pouzdanim, kuriranim podatkovnim skupovima.
Ako se pojavi nova velika prekretnica, spremni su ponovno početi od nule. „We are fully open to rebuilding it again, when the next breakthrough happens, if we have to”, zaključuje Sachs.