Notion-Mitgründer Simon Last und Head of AI Sarah Sachs schildern im Latent Space Podcast detailliert den mehrjährigen Weg zu Notions Custom Agents – einem Feature, das vier- bis fünfmal von Grund auf neu gebaut wurde, bevor es produktionsreif war. Frühe Experimente mit Tool-Calling scheiterten 2022 an fehlenden Standards, zu kurzen Kontextfenstern und unzuverlässigen Modellen. Statt einfach ein Modell zu wrappen, verfolgt Notion den sogenannten „Agent Lab"-Ansatz: tief verstehen, wie Menschen kollaborieren, und das Produktsystem erst dann um Frontier-Fähigkeiten herum bauen, wenn Timing und Modellreife es erlauben. Die über 100 integrierten Tools werden über „progressive Tool Disclosure" gesteuert – das Modell bekommt nur die Werkzeuge zu sehen, die für den jeweiligen Kontext relevant sind, um Komplexität zu reduzieren. Als konkretes Demo-Beispiel beschreiben die Gäste einen Custom Agent, der Bewerbungen für Coworking-Spaces aus E-Mails triagiert, Antragsteller per Web-Suche anreichert und die Ergebnisse strukturiert in eine Notion-Datenbank schreibt. Für die Preisgestaltung setzt Notion auf ein Credit-System als Abstraktion über Token, Modelltyp, Serving-Tier und Web-Search-Kosten – mit einem „Auto"-Modus, der automatisch das passende Modell zur Aufgabe wählt. Eine eigene Foundation-Model-Entwicklung schließt Notion explizit aus; stattdessen investiert das Team gezielt in Fine-Tuning, Retrieval und Ranking, weil immer mehr Suchanfragen von Agenten statt von Menschen kommen.