朴谷分享 | 700个AI“员工”上岗！Notion给出组织重构的标准答案，用实践证明“先筑地基”

2025 年 12 月 23 日，Notion 联合创始人兼 CEO Ivan Zhao 发表文章《Steam, Steel, and Infinite Minds》（蒸汽、钢铁与无限心智），开篇抛出一个直击管理者的问题：如果公司里突然多了几百个永不休息的“员工”，会发生什么？他没有先谈概念，而是给出一组直接的数据：Notion 约有 1000 名员工，已让 700 多个 AI Agent 参与实际工作。这些 Agent 并非“功能栏里的小助手”，而是以团队成员的身份与人并肩协作。

图片

问题随之而来：这些Agent 在做什么？为何能落地？组织形态会因此发生怎样的变化？

Notion 正在用行动回答一个更宏观的命题：当 AI 真的成为“员工”，公司该如何运转？

第一节｜AI 真正落地靠的不是模型，而是“地基” 过去一两年，市场上的 AI Agent 层出不穷，但大量工具“试用几周就束之高阁”。看起来功能强大，难以长期稳定运转，症结通常不在模型，而在“底座”。

Notion 的不同在于，它在 AI 之前就把自己做成一座“可搭建的建筑”：页面、表格、数据库像乐高积木般组合，彼此关联、共享信息，构成天然的上下文网络。这种看起来“不惊艳”的产品设计，成为 AI 能持续发挥作用的关键支点。换句话说，别人是先做一个聊天机器人，再去找上下文接入；Notion 则是先把会议纪要、客户反馈、项目进度等信息沉淀在同一平台，再让 Agent 去读取、理解与调用。

这背后有本质区别：不是在堆功能，而是在建平台。平台意味着统一的上下文、可持续的工作流与可治理的生命周期。一旦AI 到来，Agent 不再停留于“点一下生成总结”的小帮手，而是能嵌入任务流、执行复杂操作、减少组织摩擦。Notion 并未大张旗鼓地发布“AI 战略”，而是长期打磨地基，直到 AI 来到一个“已准备好的地方”。

第二节｜为什么大多数公司做不到？“地基”为什么如此关键？Ivan Zhao 的答案是：AI Agent 要真正落地，需要满足三个条件，而 Notion 的“底座”恰好提前具备了这三点。

信息集中，减少跨系统“找抽屉” 现实中的知识工作常像“翻抽屉”：聊天、文档、表格、邮件四处散落。AI 在这样的环境里如同被丢进碎片堆，连任务从何开始都难判断。Notion 的优势是信息天然汇聚：会议记录、项目进度、数据库、反馈表、用户评论集中在一个“工作平面”上，Agent 像坐在办公室中央的新同事，随时可读可用。

结果可见，形成反馈闭环很多知识工作缺乏清晰的“结果定义”，难以量化优劣。Notion 让 Agent 先接手有明确反馈机制的任务：如会议总结、客户答疑、项目状态报告。是否被采纳、是否推动下一步，都是直观信号。只有反馈闭环存在，AI 才有改进空间，能力才会稳步提升。

人类设定方向，AI 负责执行与迭代 AI 不是“自动驾驶”，它需要人设目标、验结果、判优劣。在 Notion 的 Agent 体系中，任务均有明确的人类责任人：

• Agent 生成会议纪要，PM 确认是否抓住重点；

• Agent 整理客户反馈，产品经理决定优先级；

• Agent 起草文档，负责人判断是否对外发布。

角色随之改变：人从“执行者”转为“质量把关者与方向制定者”。这也是 Notion Agent 真正落地的关键：坚持“人定方向—AI 执行—人复核”的闭环，而非将决策完全交给 AI。

第三节｜700 个 Agent 接管了什么？ 不少人以为 AI Agent 擅长写文案、画图或头脑风暴。但在 Notion，它们主要处理的是“组织最耗能却非核心”的事务：新人入职答疑、客户问题匹配、项目进度同步、跨团队协调、文档变更通知。痛点不在任务“技术难度”，而在反复沟通、跟进、协调。

反复沟通与跟进，是最大的内耗开会无结论、每周重复性状态更新、客服转派、信息对不齐……这些在公司里天天发生，却常被忽视。Notion 让 Agent 专注接手这些高频、标准化、易反馈的流程，优先释放组织容量。逻辑很清楚：不是“为了 AI 而 AI”，而是先改造最痛、最费劲、最可量化的环节。

Agent 不是工具，而是协作同事 这些 Agent 参与的不只是执行动作，更是协作过程本身。它们具备“记忆”与“关联”：能跨页面提取上下文，自动产出页面、评论、文档以供确认。团队因此可以像配置“岗位”一样配置 Agent：有人盯进度，有人写文档，有人推送提醒，有人汇总反馈。从“使用工具”，走向“设计团队角色”。

员工从“执行者”转为“流程设计师” Agent 执行后，员工更像是“流程设计师与质检官”：

• 过去亲自写报告，如今设计提纲与标准，让Agent 生成初稿再复核重点；

• 过去逐条排查报错，如今评估Agent 诊断报告，决定优化路径；

• 过去手工搬运信息，如今编排Agent 的工作流，实现自动同步。 在这种分工下，“写得快”不再是稀缺能力，“判断好坏、定义标准、设计流程”变得更关键。

第四节｜组织不是剧组，是城市700 个 Agent 接手了大量事务只是表象，更深层的变化在于“组织可被重新设计”。传统组织随规模增长而层层加码：加人、设岗、开会、审批，最终像“老楼加盖到第十层”，成本与摩擦随之飙升。

Ivan Zhao 的类比是“从木头砖块到钢铁蒸汽”：木结构难以支撑高层建筑，蒸汽机让工厂脱离河流，AI 则像新的“建筑材料”，重塑组织的“力学结构”。

• 从“人管人”到“人管人+Agent+流程”：AI 让组织具备 7×24 小时的“基础设施能力”，把信息流、任务流、反馈流变成“城市级管网”。

• 从“开会同步”到“异步汇总”：许多需要会议对齐的环节改为 Agent 异步拉齐上下文，再由人作关键判断。

• 从“岗位记忆”到“上下文托管”：职责不再靠个人记忆维系，而是沉淀于统一上下文与可追溯文档中。

组织因此从“剧组模式”（人一多，沟通成本陡增）转向“城市模式”（道路规划合理，流动自然高效）。Notion 不只是做工具，更是在用产品与流程回答一个更大的问题：AI 时代，组织能否被系统化地“设计出来”。

第五节｜Notion 正在做的事 Notion 的重点不是把 AI 装饰进工具栏，而是重构组织运作方式。1000 人团队之外，700 多个 Agent 已经接管了组织最耗时耗力的事务。Ivan Zhao 关心的并不是“AI 会取代谁”，而是：一个人加一个 Agent，究竟能完成多少人的工作量？他给出的实践路径是：像建城市一样，先打底座、再做规划、再通路网、再设分工，让 Agent 成为组织稳定的“公共设施”。

这不是演示，而是Notion 正在进行的现实实验。

朴谷观点

• 以“上下文统一”为先：在讨论模型与Agent之前，先完成信息与流程的集中化与标准化，沉淀“唯一可信上下文”。没有地基，难有可持续的 AI 成果。

• 从“可量化、闭环”的场景切入：优先选择反馈明确、成效可观测的流程（状态汇总、客户答疑、文档同步等），以便快速建立改进循环与价值证明。

• 人机协同的治理闭环：坚持“人设目标—Agent 执行—人复核—持续优化”的机制，明确角色边界与责任归属，把 AI 纳入质量与风控体系。

• 把Agent 当“岗位”设计：用岗位思维定义 Agent 的职责、权限、输入输出与交接界面，让其真正融入任务流，而非停留在工具层。

• 平台化而非功能化：将数据、知识、流程与权限作为“公共底座”建设，面向多场景复用，降低每个新场景的边际成本与试错成本。

• 组织能力的迁移：培养“流程设计与判断”型人才，弱化重复性执行技能，强化产品化思维、数据素养与跨工具编排能力。

• 变革管理与透明沟通：让员工与客户清楚AI 在交付中的角色与边界，强调“结果可验证”的价值与分工原则，减少对 AI 的不确定性焦虑。

我们的判断是：AI 不会替代真正懂业务与流程设计的人，但会迅速淘汰缺乏地基与治理能力的“工具化应用”。谁先把“地基—流程—角色—治理”打通，谁就能把“一个人 + 一个 Agent”的潜能转化为稳定产能与组织长期竞争力。

Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.