OpenAI 7 ноября 2025 года рассказала, как Notion перестроила свою AI-архитектуру под GPT-5 и запустила более автономные рабочие процессы в Notion 3.0. Если коротко: Notion больше не ограничивается «помощником для текста» или поиском по рабочему пространству. Теперь AI-агенты могут сами планировать задачу, выбирать инструменты, искать данные, обновлять базы и возвращаться с готовым результатом.
Что произошло
Notion одной из первых крупных продуктовых команд встроила генеративный AI в повседневную работу. Еще в конце 2022 года, вскоре после доступа к GPT-4, компания уже запустила AI-помощника для письма, поиск по рабочему пространству и Q&A по документам.
Но со временем стало понятно: старая архитектура плохо подходит для задач, где пользователь просит не просто «перепиши текст» или «найди ответ», а «разбери обратную связь клиентов», «обнови сроки по проекту», «собери исследование конкурентов» или «подготовь статус для команды».
Такие задачи требуют нескольких шагов:
- понять цель;
- найти релевантные документы;
- проверить данные в базах;
- при необходимости обратиться к Slack или вебу;
- сопоставить противоречивую информацию;
- принять решение, что считать актуальным;
- внести изменения;
- объяснить, что было сделано.
Обычная цепочка промптов для этого уже не подходит. Поэтому Notion не стала «докручивать» старый AI-слой, а перестроила систему вокруг GPT-5 и агентной архитектуры.
Чем новая архитектура отличается от старой
Раньше большинство AI-функций в продуктах работали примерно так: есть конкретная кнопка или сценарий, есть заранее написанный промпт, модель получает входные данные и возвращает результат. Например:
- «суммируй эту страницу»;
- «улучши текст»;
- «ответь на вопрос по базе знаний»;
- «сгенерируй список задач».
Это полезно, но ограничено. Модель в таком режиме выполняет один изолированный шаг. Она не управляет процессом целиком.
В новой архитектуре Notion сделала ставку на центральную reasoning-модель — GPT-5, которая координирует модульных подагентов и инструменты. То есть AI теперь не просто отвечает на запрос, а разбирает задачу как мини-проект.
Например, пользователь может попросить: «Собери обратную связь по запуску продукта и выдели главные проблемы». Агент должен сам понять, где искать данные: в Notion-документах, таблицах, задачах, Slack-обсуждениях или внешних источниках. Затем он должен сгруппировать находки, убрать дубли, определить приоритеты и подготовить отчет.
Это уже не «чатик в документе». Это попытка сделать рабочее пространство, где AI может выполнять куски операционной работы.
Почему GPT-5 здесь важен
Главная разница между GPT-5 и предыдущими поколениями моделей в этом кейсе — не в красивом тексте. Notion интересовали не литературные способности модели, а способность справляться с реальными рабочими задачами, где много неоднозначности.
OpenAI пишет, что Notion проверяла GPT-5 на фактических продуктовых сценариях: сложных вопросах в Research Mode, длинных задачах с несколькими этапами, устаревшем или конфликтующем контенте, а также запросах, где нужно не просто найти данные, а принять разумное решение.
По данным OpenAI, GPT-5 показал:
- на 7,6% лучшее качество по сравнению с другими передовыми моделями на задачах, связанных с реальной обратной связью пользователей;
- на 15% лучше результат на сложных вопросах Research Mode;
- более чем двукратное улучшение на многошаговых структурированных задачах вроде обновления дедлайнов и исследования конкурентов;
- лучшую устойчивость в задачах, где входные данные устарели или противоречат друг другу.
Для обычного пользователя это означает простую вещь: AI становится полезнее там, где раньше он часто «сыпался» — в длинных, грязных и неоднозначных рабочих процессах.
Что нового для пользователей Notion
Главное обновление — переход от встроенного помощника к агенту, которому можно поручать более широкие задачи.
Раньше Notion AI был в первую очередь инструментом внутри документа: написать, сократить, объяснить, перевести, найти ответ. Теперь в Notion 3.0 AI может участвовать в выполнении процесса целиком.
Примеры задач, для которых это важно:
- собрать статус проекта из разных страниц и баз;
- подготовить отчет по обратной связи клиентов;
- обновить задачи и дедлайны;
- найти расхождения в документах;
- провести первичное исследование конкурентов;
- подготовить summary по обсуждениям команды;
- синхронизировать информацию между базами и страницами;
- помочь с планированием спринта или запуска.
Особенно это полезно командам, где Notion используется не как «заметки», а как центральное рабочее пространство: CRM, база знаний, контент-план, проектный трекер, roadmap, документы, research и операционные процессы.
Почему это не просто очередная AI-функция
Большинство AI-обновлений последних лет выглядели как добавление чата сбоку. Это удобно, но часто не меняет саму структуру работы. Пользователь все равно должен вручную переходить между документами, копировать контекст, проверять результат и вносить правки.
Notion пытается сделать другой шаг: AI должен работать внутри системы, где живут данные и процессы.
Это важное отличие. Агент в рабочем пространстве получает доступ не к абстрактному интернету, а к конкретным документам, задачам, таблицам и контексту компании. Если он умеет с этим аккуратно работать, ценность резко растет.
Но здесь же появляется и сложность: агенту нужны понятные инструменты, права доступа, структура данных и ограничения. Нельзя просто подключить сильную модель и ожидать магии. Notion пришлось перестроить архитектуру, потому что старый подход с цепочками промптов не давал модели достаточно свободы и контроля.
Для кого это важно
В первую очередь — для команд, которые уже живут в Notion.
Продуктовые команды
Для продактов и проектных менеджеров это может сократить время на сбор статусов, анализ фидбэка, подготовку roadmap-обновлений и синхронизацию между документами.
Маркетинг и контент
Контент-команды могут использовать агентов для сбора исследований, подготовки брифов, анализа конкурентов, обновления редакционных календарей и поиска старых материалов.
Стартапы и малые команды
Для небольших команд агентный Notion интересен тем, что может заменить часть рутинной координационной работы. Не полностью, но достаточно, чтобы снять нагрузку с основателей, менеджеров и операционных специалистов.
Enterprise-команды
Для больших компаний важны не только возможности, но и управляемость: права доступа, логирование, качество ответов, работа с устаревшими документами. Именно поэтому кейс Notion показателен: компания тестировала GPT-5 не на красивых демо, а на реальных рабочих сценариях.
Что изменилось по сравнению с GPT-4-подходом
GPT-4 уже был сильным скачком для AI-продуктов: он хорошо писал, понимал контекст, отвечал на вопросы и помогал с документами. Но первые реализации часто строились вокруг отдельных функций.
GPT-5 в этом кейсе используется иначе. Важны три изменения:
-
Больше reasoning, меньше шаблонности.
Модель лучше справляется с задачами, где нужно выбрать путь решения, а не просто выполнить инструкцию. -
Лучше работа с многошаговыми процессами.
Для агентов критично удерживать цель, проверять промежуточные результаты и корректировать действия. -
Устойчивость к неоднозначным данным.
В реальных компаниях документы часто устаревают, дублируются и противоречат друг другу. GPT-5, по оценке Notion, лучше проходит такие сценарии.
Важно: это не значит, что GPT-5 «сам все сделает идеально». Скорее, модель стала достаточно сильной, чтобы вокруг нее имело смысл строить автономные workflow, а не только кнопки генерации текста.
Ограничения и риски
Автономные AI-агенты звучат красиво, но в рабочих продуктах у них есть очевидные риски.
Первый риск — ошибки в действиях. Если AI не просто пишет текст, а редактирует базы и обновляет сроки, цена ошибки выше. Поэтому нужны права доступа, подтверждения, история изменений и возможность отката.
Второй риск — плохая структура данных. Если в Notion хаос, устаревшие страницы и непонятные базы, агенту будет сложнее дать качественный результат. AI не отменяет информационную архитектуру.
Третий риск — чрезмерное доверие. Даже сильная reasoning-модель может неправильно интерпретировать контекст. Особенно если источники конфликтуют или задача сформулирована слишком широко.
Поэтому лучший сценарий на ближайшее время — не «AI работает вместо человека», а «AI берет на себя черновую операционную работу, а человек проверяет важные решения».
Как попробовать
Попробовать новые AI-возможности можно в Notion 3.0, если функция доступна в вашем тарифе и регионе. Для команд стоит смотреть в сторону Notion AI и корпоративных планов Notion, потому что агентные сценарии особенно полезны там, где есть общее рабочее пространство, базы данных и командные процессы.
Также GPT-5 можно использовать через продукты OpenAI, если у вас есть доступ к соответствующей модели:
- в ChatGPT — для ручной работы с документами, анализом, планированием и исследованиями;
- через OpenAI API — для разработки собственных AI-агентов и внутренних инструментов;
- в продуктах, которые уже интегрировали GPT-5, включая Notion.
Если нужен доступ к ChatGPT-подписке или зарубежным AI-сервисам, иногда проще купить готовый доступ или оплату через маркетплейсы вроде plati.market — но важно проверять продавца, отзывы и условия, потому что это не официальный канал OpenAI.
Что это значит для рынка
Кейс Notion хорошо показывает, куда движутся AI-продукты. Следующий этап — не просто более умные чаты, а перестройка интерфейсов вокруг агентов.
Старые AI-функции отвечали на вопрос: «Как помочь пользователю быстрее написать или найти?» Новые агентные системы отвечают на другой вопрос: «Как выполнить часть работы внутри продукта?»
Это меняет требования к софту. Приложениям нужны:
- структурированные данные;
- понятные API и инструменты;
- безопасная система прав;
- качественные описания действий для модели;
- механизмы проверки и отката;
- интерфейс, где человек понимает, что сделал агент.
Notion в этом смысле не просто добавила GPT-5. Компания перестроила продуктовую архитектуру под новую роль модели: не генератор текста, а координатор действий.
Вывод
Обновление Notion на базе GPT-5 — важный сигнал для рынка продуктивности. AI постепенно переходит от режима «помоги написать» к режиму «помоги выполнить». Для пользователей это означает меньше ручной координации, быстрее исследования и удобнее работу с большими рабочими пространствами.
Для разработчиков и продуктовых команд вывод еще прямее: если система была спроектирована под простые LLM-вызовы, ее может не хватить для настоящих агентов. Нужна архитектура, где модель может рассуждать, выбирать инструменты, действовать и адаптироваться.
Notion решила не латать старую схему, а перестроить AI-слой под GPT-5. Судя по результатам тестов, именно такой подход и дает заметный прирост на сложных реальных задачах.
Источник
OpenAI — Notion’s GPT‑5 rebuild unlocks autonomous AI workflows