Cómo Notion Construyó Orquestación de Agentes con Claude para Reducir Costes un 90%

Notion comenzó como un espacio de trabajo donde vive el conocimiento: notas de reuniones, especificaciones de productos, guías de procesos y documentos de proyectos. A medida que el producto creció para dar servicio a millones de usuarios, incluyendo grandes empresas, el primer desafío de IA fue hacer todo ese conocimiento localizable. Los equipos de soporte al cliente necesitaban pasos de resolución de problemas bajo demanda. Los representantes de ventas necesitaban encontrar documentación de procesos sin esperar. Los diseñadores de productos necesitaban directrices de marca sin buscar manualmente. Claude se convirtió en el motor de Enterprise Search, AI Writer y las funciones de Autofill de Notion, ayudando a los usuarios a consultar todo su espacio de trabajo en lenguaje natural y obtener respuestas extraídas de aplicaciones conectadas y documentos internos.

Pero a medida que los agentes de IA se volvieron capaces de producir trabajo real, surgió un segundo desafío más ambicioso: la mayoría de las interacciones con agentes eran de uno a uno —una sola persona con un solo agente en una sola máquina—. No había visibilidad compartida, ni flujos de aprobación, ni forma de que los colegas pudieran intervenir y revisar o iterar juntos. Notion quería llevar los agentes a su modelo colaborativo. Como describió el Product Manager Eric Liu: se estaban construyendo agentes potentes para cada segmento vertical del trabajo —¿por qué no traerlos todos a Notion?

Notion seleccionó Claude Opus para su capa de agentes después de probar múltiples proveedores. El cofundador Simon Last citó la calidad de respuesta y la adherencia a las instrucciones de Claude como decisivos, especialmente para casos de uso donde el tono y la sensación importan. La ingeniera principal de IA Sarah Sachs destacó la capacidad de Opus 4.6 para interpretar la intención con precisión y producir resultados compartibles en el primer intento. Claude Managed Agents proporcionó la infraestructura para sesiones de larga duración, gestión de memoria y resultados de alta calidad a lo largo del tiempo —sin requerir que Notion construyera un runtime de agentes personalizado—.

El resultado es un flujo de trabajo que convierte los tableros de tareas existentes de Notion en un sistema de despacho de agentes. Un equipo crea una tarea, la mueve a "lista para iniciar" y Notion invoca una sesión de Claude que recoge contexto de páginas conectadas, documentación de API, sistemas de diseño y requisitos de producto. Para los equipos de ingeniería, esto produce prototipos y cambios de código. Para los equipos no técnicos, genera presentaciones, mazos de estrategia de marca y sitios web de muestra. Liu describió iniciar 30 tareas de prototipo a la vez y regresar para encontrarlas todas completadas. En el lado de la infraestructura, el almacenamiento en caché de prompts redujo los costes de Notion un 90% y la latencia hasta un 85% en los millones de interacciones de IA diarias.

El impacto empresarial medible ha sido significativo. Osaka Gas redujo el tiempo dedicado a buscar información en un 35%. Remote ahorra un estimado de 10 minutos por búsqueda en 300 consultas diarias. dbt Labs eliminó la necesidad de herramientas de IA separadas, ahorrando más de 35.000 dólares anuales. Para los nuevos empleados, el asistente de IA se usa entre 10 y 20 veces al día durante sus primeras semanas. Notion está construyendo ahora hacia un espacio de trabajo donde las mismas interfaces que los humanos usan para la colaboración —tableros de tareas, ediciones sugeridas, historial de versiones— también sirven como interfaz para dirigir el trabajo de los agentes.