Cómo Notion usa Claude Managed Agents para construir flujos de trabajo de agentes en equipo

Notion ha sido durante mucho tiempo el lugar donde los equipos organizan su conocimiento y coordinan el trabajo. A medida que los agentes de IA maduraban, el equipo de producto de Notion identificó una oportunidad que también era una restricción de diseño: la mayoría de las herramientas de agentes están construidas para una sola persona con un solo agente, lo que no encaja con cómo funcionan realmente las organizaciones. El desafío no era solo técnico, sino replicar los patrones de colaboración que Notion ya había resuelto para equipos humanos y extenderlos a los agentes.

El cuello de botella pre-IA no era un fallo operativo específico; era una limitación estructural del ecosistema de agentes emergente. Ejecutar un agente de programación para crear un prototipo de funcionalidad, o un agente de trabajo de conocimiento para elaborar una presentación, requería atención dedicada y una interfaz uno a uno. Los equipos no podían delegar trabajo en lotes, revisar resultados de forma colaborativa ni construir sobre el contexto compartido del modo en que lo hacían al usar Notion para la colaboración humana.

Eric Liu, gerente de producto de Notion, y su equipo construyeron una capa de orquestación de agentes en Notion usando Claude Managed Agents, la infraestructura de API componible de Anthropic para ejecutar agentes alojados de larga duración a escala. La arquitectura se centra en un tablero de tareas que actúa como orquestador: el usuario crea una tarea, la mueve a "lista para comenzar" y Claude la recoge, extrayendo contexto de páginas conectadas, documentación de diseño, referencias de API y requisitos de producto ya presentes en Notion. Los usuarios pueden lanzar 30 o 40 tareas simultáneamente, y la plataforma dirige los resultados completados a los revisores adecuados para su aprobación. La base de datos de habilidades con auto-mejora es una de sus características más inusuales: tras cada solicitud de extracción fusionada o tarea completada, Claude identifica lecciones del trabajo y actualiza la base de datos de habilidades automáticamente, de modo que la calidad de los agentes mejora con el tiempo sin curación manual.

La demostración más vívida de lo que esto hizo posible ocurrió durante las pruebas internas tempranas. Liu tenía 30 tareas de prototipado en cola, las arrastró todas a "comenzar", se fue a comer un tentempié y al volver encontró las 30 completadas. Lo que anteriormente habría requerido 12 horas de trabajo de prototipado individual se completó en unos 20 minutos. Luego etiquetó a un compañero del equipo, y juntos revisaron y refinaron los resultados en Notion en tiempo real, convirtiendo lo que normalmente es una interacción solo de IA en un momento creativo compartido.

La hoja de ruta de Notion apunta ahora a una revisión más profunda de para qué sirve la interfaz del producto. Las páginas y bases de datos que antes ayudaban a los humanos a hacer tareas servirán cada vez más como capa de revisión del trabajo de los agentes, mostrando ediciones sugeridas, gestionando el historial de versiones y enrutando aprobaciones. La lectura de Liu es que la pregunta central de la interfaz en el trabajo de conocimiento está cambiando: no "¿cómo ayudas a las personas a hacer las cosas?" sino "¿cómo ayudas a las personas a revisar lo que los agentes han hecho?" Notion se posiciona como el lugar donde esa revisión ocurre, a escala de equipo.