Reconstrução da Notion com GPT‑5 libera fluxos autônomos de IA

No fim de 2022, poucas semanas após ter acesso ao GPT‑4, a Notion já havia lançado um assistente de escrita, implementado recursos de perguntas e respostas em todo o workspace e integrado profundamente modelos da OpenAI às suas ferramentas de busca, conteúdo e planejamento.

Mas, conforme os modelos avançavam - e os usuários começaram a pedir que agentes concluíssem fluxos de trabalho inteiros - a equipe da Notion viu limites na arquitetura do sistema. O antigo padrão de instruir modelos a fazer tarefas isoladas estava limitando o teto do que era possível na plataforma. Agentes precisavam tomar decisões, orquestrar ferramentas e raciocinar diante de ambiguidades, e essa mudança exigia mais do que engenharia de prompts.

Reconstruindo para modelos de raciocínio, não tentando encaixá-los depois

Em vez de remendar a stack existente, a Notion a reconstruiu. Eles substituíram cadeias de prompts específicas por tarefa por um modelo central de raciocínio que coordena subagentes modulares. Esses agentes podem pesquisar no Notion, no Slack ou na web; adicionar ou editar bancos de dados; e sintetizar respostas usando as ferramentas que a tarefa exigir.

Com o lançamento do Notion 3.0, a IA não está apenas embutida nos fluxos de trabalho; agora ela pode executá-los. Os usuários atribuem uma tarefa ampla - por exemplo, compilar feedback de stakeholders - e o agente planeja, executa e retorna com um relatório. Essa mudança para agentes que escolhem como trabalhar significou projetar para autonomia do modelo desde o início.

Testando o GPT‑5 com cargas de trabalho reais do produto

Para validar a mudança de arquitetura, a Notion avaliou o GPT‑5 em comparação com outros modelos de ponta usando tarefas reais de usuários.

As avaliações se basearam em feedback que a Notion já havia marcado como de alta prioridade, incluindo perguntas que surgiram no Modo Pesquisa, tarefas longas que exigiam raciocínio em várias etapas e conteúdo ambíguo ou desatualizado, em que o julgamento do modelo fazia diferença.

A equipe usou uma combinação de pontuação com LLM como juiz, fixtures de teste estruturadas e feedback rotulado por humanos.

Principais resultados:

• Melhora de 7,6% em relação a modelos de ponta em resultados alinhados ao feedback real de usuários
• 15% melhor desempenho em perguntas difíceis no Modo Pesquisa
• Melhora de 100%+ em tarefas estruturadas de várias etapas, como atualizações de prazos e pesquisa de concorrentes
• Único modelo a atingir o máximo nos benchmarks com entradas conflitantes ou desatualizadas

Essas avaliações ajudaram a Notion a identificar onde o GPT‑5 agregou valor - por exemplo, em raciocínio, ambiguidade, pesquisa - e onde um ajuste específico do ambiente melhoraria os resultados.

Lições para equipes que desenvolvem com GPT‑5

A reconstrução da Notion não foi só sobre lançar o Notion 3.0. Foi sobre projetar um sistema capaz de sustentar novas capacidades de modelos e se adaptar conforme esses modelos ficam mais inteligentes. A abordagem oferece um roteiro claro para outras equipes que implantam IA agentiva em produção:

• Avalie o que importa. Use tarefas que seus usuários realmente fazem, não benchmarks sintéticos.
• Teste o que é difícil. O GPT‑5 brilha quando a informação é ambígua, desatualizada ou envolve várias etapas.
• Projete para autonomia. Se os agentes estão tomando decisões, seu sistema precisa dar espaço para eles raciocinarem e ferramentas para agirem.
• Clareza impulsiona o desempenho. Até os melhores modelos ficam aquém sem descrições claras de ferramentas e um bom design de interface.
• Reconstruir é melhor do que remendar. Se seu sistema foi criado para modelos de completion, ele talvez não escale para agentes.