本篇內容是 No Priors 對 Notion CEO Ivan Zhao 的訪談編譯。

Notion 是生產力工具領域 AI 策略最為激進的一家公司：在 ChatGPT 推出 2 個月後，Notion 就宣佈推出Notion AI，將 GenAI 的體驗直接融入到產品，並根據不同需求和場景預設了 prompt，使用者只需要空格或“/”即可呼叫 GPT。Notion AI 上線 1 個月後，就有訊息稱 Notion AI 為 Notion 帶來了 1000 萬美元的 ARR，上線 2 個月後，Notion AI 使用者突破 400 萬。除了不斷提升問答互動的體驗，Notion 還推出了 Notion Project、Notion Q&A 和 Notion Calendar 等新功能、產品。

在訪談中，Ivan 分享了 Notion 在 AI 實踐中的思考：團隊all-in AI 的決策是如何做出的、為什麼說  RAG、workflow agent 被外界低估了，以及 language model 一定程度上會將 SaaS 世界帶入到新一輪 bundling 週期中。

Notion 的願景是透過構建出各種各樣的“積木塊”讓使用者在平臺上搭建出更具個性化、符合實際需求的定製化應用，從而實現“人人都能製作自己的軟體”這件事，Ivan 認為，language model 的出現一定會加速這一過程，更進一步，RAG 還會徹底革命知識型工作和團隊溝通的形態，Notion Project、Notion Q&A 和 Notion Calendar 等新功能、產品正是服務於此。

Ivan Zhao：Notion 很難被定義，因為它可以被用來做很多事情，但我們本身也希望打造一個全能的工具，使用者可以用它來完成日常生活中的大部分任務，比如個人使用者可以用 Notion 來記筆記、做旅行規劃、婚禮統籌等，企業使用者也可以只通過 Notion 這一個工具就完成文件管理、任務追蹤以及內部知識庫的構建等。我們之所以想做這件事是因為現在市面上有大量的 SaaS 軟體工具、市場相當分散，但也許對於使用者來說如果一個產品能讓他們 all-in-one 地完成大部分工作是一件好事。

Notion 實現這個目標的方式並不是把很多功能塞進一個具體的產品裡，而是去構建更底層的 block，使用者可以像搭建樂高積木一樣，用這些 blocks 來創造性地做出各種各樣完美符合個人或團隊需求的用例。

其實 Notion 在做的這件事並不新，因為在上世紀 80 年代、甚至 70 年代人們就討論過用 block 邏輯來構建軟體這件事。到了今天，我們只不過是在雲和 AI 的支援下去實現這件事、打破過去以具體功能導向的軟體的限制。

Ivan Zhao：其實人們已經從很多角度進行過嘗試。比如最近很流行的 No-code 就是從個人開發者角度來想這件事，No-code 讓每個人都能修改他們日常使用的軟體工具。Language model 提供了另外一個角度，就是底層知識和資料的管理需要被統一起來。宏觀也是一個視角，因為如果考慮預算的話，和支付 5 個 SaaS 軟體的費用相比，只給一個供應商付費顯然要更能節省開支。

我認為 Notion 更多是從計算、內容或者說文字相關角度出發來想這件事。比如我們所有人都會閱讀和寫作，但對於絕大多數人而言，電腦只是一臺打字機或者看 YouTube 的工具，本身並不具有創造力。如果更多的人能夠更具創造性地使用他們的軟體，可能情況就會不一樣。創造軟體的人和用軟體的人提供的價值是完全不同的，這也是舊金山房租如此昂貴的重要原因。

計算機領域的先驅們在很早之前已經討論過這件事，他們認為操控計算機有一天會像識字一樣普及，不過他們當時可能完全沒想到 AI 會成為一個有趣的變數，language model 不僅可以創造軟體，還可以幫人們完成大量思考相關的工作。接下來的發展會相當有趣。

Ivan Zhao：我並不認為人們想搭建更多的應用。

Notion 的誕生源於我在大學時讀過的一篇論文， Douglas Engelbart 的 Augmenting Human Intellect: A Conceptual Framework。今天人們使用軟體通常情況下都是具體一款產品對應一類具體任務，但在計算機剛出現的時候，比如 60、70、80 年代，人們使用電腦的方式要更加靈活，我們可以進入到系統層面進行調整，甚至是在作業系統正在執行的時候，即時地對其進行修改或調整。這件事對我的啟發很大。

今天，人們在使用電腦、和軟體互動的方式有時候會顯得很死板，那麼我們能不能創造一種全新的軟體，讓人們可以去靈活調整和定製？這就是我們創立 Notion 的初衷，我們其實在重新審視計算機領域的先驅們當年討論過的議題。

你剛剛也提到，大多數人並不想建立軟體，更多的是完成老闆分配的任務即可。所以，我們在創立 Notion 過程中學到的經驗以及由此帶來的一個轉變是，相較於提供一個構建軟體的工具，更好的方式是提供給使用者各種各樣的 blocks 構建的模板，讓使用者上手即用。

Ivan Zhao：我認為 Notion 還是很幸運的，我們其實沒有特別專注於某個具體用例的搭建，我們的重點一直是放在構建這些用例的樂高積木塊上面，這些“積木”中既有文件編輯這類最基礎層的“積木”，很我們還推出了關係型資料庫（Relational database），表格、評論以及不同的訪問許可權等等也是很重要的“積木塊”。過去 5 年時間我們一直在構建這些積木。

AI 更像是一個以新的方式來組合、驅動這些積木塊的新引擎，也正因為我們一直在構建、完善這些積木塊，我們才可以迅速把 AI 和已有功能結合起來。我們之所以是市面上大規模推出 AI 協作的軟體之一，是因為我們已經在文字編輯器上花了很多年時間，也因為我們已經做了關係型資料庫，所以我們可以把 AI 和資料庫結合起來，我們能夠快速推出 Notion Q&A 也是因為我們在知識庫產品上的投入。我們能把 RAG 應用到 Notion 的產品中也是因為我們做了各種各樣的“樂高積木塊”，AI 對於 Notion 是一個特別好的機會，而我們正好抓住了這個機會。

Ivan Zhao：我認為 RAG 會徹底改變知識管理的方式，讓人們擺脫繁瑣的資訊組織工作。Notion 最受人喜愛的功能之一是側邊欄，人們會用它整理知識庫和個人 workspace。但以後我們可能不再需要這樣的工具來組織知識庫了。使用者只要簡單地將資訊丟到 Notion 中，就可以透過各種方式進行檢索。這就是知識管理的未來。

Ivan Zhao：對於 AGI 來說，時間尺度放在 30 或者 40 年可能有點太久了，甚至不用等到下一個 10 年，在未來 1-2 年內 AI 就會有明顯突破。這之中我認為一個被低估的領域是 RAG。

今天 language model 已經能夠很好地理解人們輸入到計算機中的內容了，這意味著我們不需要再自己去做資訊的組織來方便未來對資訊的檢索，AI 在這件事上做得比任何人類都要好。

在 language model 之前，我們要在知識庫搜尋一些內容通常需要很精確的關鍵詞，甚至有些時候還要詢問同事是否記得某個序列、某個資訊存放的資料庫是哪個。但現在可以直接詢問 Notion AI 想要搜尋的問題，很快 AI 就會給到答案，這是我個人很興奮的一個應用場景，不少人也在討論。另外一個我認為很值得期待的是 Work Agent，這個領域也已經開始有很多人關注到了。

Ivan Zhao：我和 Simon 對 AI 都有足夠強的 conviction，我們早些年去 OpenAI 的辦公室時，根本不理解這家公司在做的事情是什麼，但當時我們已經見過很早期的 GPT 的 demo。

必須承認的是，GPT-3 剛出現的時候我是輕視了這件事的。雖然 GPT-3 已經可以幫助人們進行市場營銷策劃、完成初稿寫作，但我並不認為這能有多大用處，直到我看到 GPT-4 的能力我的想法才發生了轉變，我發現 GPT-4 已經可以思考、推理，可以完成各種各樣的事情，可以更加實際地最佳化工作流。GPT-4 對我影響很大，它給了我很多信心，我也因此覺得這會是一個巨大的轉折點。

什麼是知識型工作？人們為什麼需要軟體？從根本上說，軟體就是我們所有人的資訊處理活動，就像一張紙傳到面前，人類改變幾個字，然後推送給另一個人。在某種程度上，language model 已經可以幫助我們完成這種資訊處理。所以，我相信這將完全改變我們與計算機的互動模式。

在那之後，我們團隊基本上就全身心投入到 AI 專案中了。我們已經搭建好了很多積木，接下來就是弄清楚哪些積木可以與 AI 相結合，以及公司內部誰對這項技術有深入瞭解。雖然我們有搜尋團隊，但我們的 ML 團隊並不大，所以，我們還需要招聘更多的人才，與此同時還要讓公司內部的人對這項技術有共同的信念，這樣我們才能朝著同一個方向前進。我們就像面臨小行星撞擊地球的恐龍一樣，需要為即將到來的鉅變做準備。

Ivan Zhao：Notion AI 早期主要還是靠“大力出奇跡”，我的 co-founder Simon Last 在這件事上做了很多貢獻，他快速學習了很多 AI 相關的東西。

Notion 團隊裡有很多對 interface 和設計感興趣的人，前後端也分別有很多全棧型人才，我們內部也有一部分專門在做搜尋，但 ML 相關的人才並不多，甚至可以說是沒有。過去一年的時間中，我們一直在學習怎麼做 AI。

我們在 AI 上的各種嘗試很像做烘焙的過程：準備好一切原材料、把這些原材料放進烤箱、按下按鈕之後就只剩下等待，沒有人能夠預知成品是什麼樣的，所以這要求我們有足夠的耐心，同時還要做大量的調整和準備。

Ivan Zhao：是的，這一類工作很像是在做園林培育，我自己並不會這類工作，所以我很需要這樣一類人幫我做這件事。

Notion 需要的另外一類人是富有好奇心以及快速學習能力的人。Language model 讓每個人可以即時地呼叫 AI 能力來完成自己的任務，但如何用好模型能力其實有很多技巧，以及如何將 LLM 和使用者互動做結合也是很重要的問題。這類人一般被稱為 AI 工程師，Notion 的 AI 工程師們都很年輕，很多甚至還不到 21 歲。

這兩類 AI 人才的工作能力都很強。Notion 目前還沒有很多 AI researchers，這類人才在我看來也相當重要。不過 Notion 畢竟處於應用層，所以我們很多時間是花在研究如何用模型上。

Ivan Zhao：技術的本質是做 trade off 。Language model 帶來了一種全新特性，這是過往被設定為具體功能的軟體所不具備的，但我們還不太瞭解它完整的工作原理，所以人們一直在 Twitter 上討論要怎麼才能更好地使用模型的能力。對於企業和創業者來說，面對新技術也要做出一些權衡，他們要時刻了解市場對於各種新模型能力的評價。這個行業目前正在快速發展、不斷變化。

技術層面，模型現在能夠處理更廣泛的上下文資訊，具備更強的推理能力，執行速度更快，同時佔用的資源更少。這對於 Notion 來說非常重要，因為我們需要的就是像 GPT-4 這樣既智慧又高效的雲服務。我們需要 AI 來幫助我們進行復雜的推理任務或者快速地總結文字內容，並且最好成本夠低，速度夠快。這就是技術層面上我們需要關注的方向。

除了技術因素，我個人還會關注很多人類行為習慣角度的改變，比如個人使用者的行為慣性、公司的風險承受能力等，這些也都在慢慢演變。就像 Steve Jobs 常說“你不能做出太新的東西，你必須在保持大部分相同的基礎上，改變一兩個關鍵點。”Off White 創始人 Virgil Abloh 的理念是，只需要改變 3%，但足以推動邊界，讓人們接受新事物。

Language model 能力的提升，以及把 language model 和 SaaS 軟體相結合這兩件事應該是同步進行的，因為如果一下子改變太大，人們可能會不太適應，RAG 的好處也在於它在現有互動習慣基礎上給到了更好的輸出。

Ivan Zhao：不同的公司、產品的目標不一樣，選擇的模型自然也不一樣。Notion 會嘗試各種模型，尤其當下水平最領先的開源模型，但因為 Notion 很看重推理能力，所以我們一般會呼叫高水平的模型。

Ivan Zhao：本質上 Notion 會幫助使用者記憶他們輸入到 Notion 中的所有內容，不只是 Notion 能這樣做，絕大多數給予 RAG 的系統都能做這件事。

Language model 和 RAG 出現之前，人們之所以需要計算機是因為需要一個地方來儲存資訊，並且可以隨時檢索、呼叫這些資訊，但檢索主要依賴於關鍵詞，並且這個詞要相當精確，因此有的時候還會要求使用者具備一些最佳化關鍵詞的技巧。但有了 RAG 之後，language model 能夠理解你輸入的內容。所以，我們不需要在 Notion 中專門做資訊的組織管理，因為無論我們輸入了什麼，我們都能順暢地搜尋出來。無論對個人還是團隊公司來說，RAG 都提供了很完美的記憶能力這對於個人、公司或團隊來說，相當於擁有了完美的記憶。

在此之上，如果我們把產品設計得足夠好，還能夠實現將合適的資訊在合適的時間推送給對應的成員，不僅如此，如果我們設計得當，還可以將正確的資訊在正確的時間推送給正確的人。可能 50% 以上的知識性工作都是這類任務。

Notion 可能是市場上比較早去大規模提供 RAG 相關功能的公司，但大範圍提供 RAG 服務的難度比較大，Notion Q&A 還處於 waiting list 的狀態，我們還在完善。

有了 RAG 之後，團隊搜尋的體驗會完全不一樣。我自己就已經改變了使用 Notion 的方式。比如我會提問 “公司什麼時候搬到新辦公室？”，如果團隊中有人在某個文件中記錄過這件事，Notion 就會回覆我對應資訊，我不需要再像之前那樣去問其他人。

團隊中的所有人，無論是設計師、工程師還是運營，每天也會在 slack 和郵件問到類似問題。要回答這些問題可能要花 10 分鐘來寫郵件，在此之前還要耗費 20 分鐘來找到對應答案，如果算上各種等待時間，可能需要耗費半個小時以上的時間，但有了 Noton Q&A，這類問題只需要幾秒鐘就可以解決。RAG 已經幫我們提高了工作效率，而這還只是開始。

Ivan Zhao：我自己會去這麼看 AI 的能力，首先， RAG、資訊 retrieval 是一類，屬於知識類相關。另外一類則是 workflow 相關，我們選擇用 agent 來定義這件事。人們之所以需要會議、日程這些東西是因為我們需要完成彼此大腦之間的“位元傳輸”，那麼我可以藉助一個 language model 來完成這件事嗎？也許是可以實現的。最基本的環節就是，人們在敲定會議時間的那一刻，日程安排上也做出了對應變化。我們做的很多事情都涉及到了時間這個緯度，language model 可以幫我們來調整時間安排嗎？我認為是可以的。

Ivan Zhao：它可以簡化我們的工作流程，這是一個重大的突破，可以讓 Agent 幫助我們完成知識類工作。

我們之所以需要溝通是因為有些工作不能由軟體自動完成，需要我們進行即時處理。這也許這是一個值得思考的問題，隨著 language model 的發展，我們未來的溝通會更多還是更少？我猜是更少。因為 Agent 基本上依賴於 language model，這就是溝通的未來。

Ivan Zhao：我們可能逐漸就不再需要資訊結構化或者類似概念，我們之所以需要把組織和整理資訊是因為只有做好這些工作才可以檢索，我們需要 index 也是因為 index 就好像資料夾上的各種標籤，能夠幫我們快速找到各類檔案，但因為 embedding 和 RAG ，我們只需要把所有資訊放進這個“檔案袋”，然後就可以根據需要以任意方式搜尋、找到你想要的資訊。資訊的自由度會大大提升。

我們還可以想象這樣一個場景，當我有新的 idea 時，只需要拍張照片、或者寫下來一些東西，然後把它放進 Notion，Notion 就會幫我們組織、管理這些資訊，如果未來我們需要用到這些知識的時候，作為一個完美的記憶助手，Notion 就會幫我們調取它們。這是 Notion 的長期願景，我個人覺得這件事很令人興奮。

Ivan Zhao：我的很多直覺其實都基於一些對歷史的理解，歷史不是簡單地重複，但總有一些相似規律。我個人認為，我們目前還處於 bundling 的階段。《三國演義》的第一回就提到“久分必合，久合必分”，我覺得商業的運作也是如此。在 bundling 階段之前，SaaS 行業其實已經經歷過一個 unbundling 和服務分散的階段。

Unbundling 的趨勢從 2000 年代中就開始了，在這之前整個資訊領域相關的產品都需要基於 Microsoft 來完成，是 典型的 building 的階段。

PC 時代早期其實有很多各種各樣的應用，比如《星際爭霸》的早期版本，還有各種文字編輯器、dBase資料庫軟體以及其他不同的資料庫軟體。到了 90 年代，因為 Microsoft 提供了一個底層的作業系統，我們也隨之進入了一個 bundling 階段。隨後，隨著網路技術的發展，軟體開始可以在 Web 上執行，這就帶來了過去 10 到 15 年前的解綁和碎片化階段，與此同時，資金成本降低帶來創業門檻降低，也因此導致了資訊領域的過度碎片化。

到今天，隨著 AI、language model 的出現和發展，我們似乎又回到了 bundling 階段。因為模型本質上要求將資訊集中在一個地方去實現更高效的資訊處理。

所以，我們今天正處於 bundling 階段，這既是因為宏觀經濟的趨勢，也因為 language model 的內在需求就是將資訊和功能整合在一起。

Ivan Zhao：是的，Oracel 的這個例子很好。我認為既有分發層面的 bundling，也有資訊層面的 bundling，前面提到的 Oracle 更偏向於銷售角度的 bundling，language model 需要的是資料和資訊的 bundling。

Ivan Zhao：我們還相當早期，也還沒完全實現使用者的規模化。我認為，bundling 有很多好處。首先，這很方便，使用者不需要在不同的介面之間來回切換就能完成任務。其次，這有助於節省成本，有了 Notion，使用者就不必購買其他專案管理和 issue 跟蹤的工具，從而減少了大量開支。這一點對於企業來說非常重要，尤其是在當前的經濟環境下，CFO 也想降低成本。所以，bundling 確實帶來了許多優勢。除了方便資訊管理，還能節省大量資金。

Ivan Zhao：在某種程度上，SaaS 公司做 AI 可能像是一場競賽。Notion 主要是做 bundling 和 front office 業務。

我是這麼定義 “Front office” 的：可以先假設如果我們身處在 1960 年代的一間辦公室裡會看到哪些東西？人們桌子上會有一個用來記東西的記事本，可能還會有一臺印表機，左右兩旁還堆著很多資料夾，對應到 Notion，記事本相當於使用者文件和筆記，資料夾則類似於 Wiki，人們身後的檔案櫃則可以對應到 Notion 中的關係資料庫，檔案櫃中還會有各種小紙片來幫助整理資訊。

相對應的，還會存在“Back Office”，類似於圖書管理員工作的地方，back office 對應的是今天 Snowflake、過去 IBM 在做的事情。Notion 不會去碰“back office”相關的部分，我們還是聚焦我們的優勢領域，就是我剛剛提到了軟體介面，UI、UX 這些。

Back office 的場景和 front office 相比要更加垂直，比如專注於醫療健康領域、特定的工作流等等，並且通常還需要一個專門的地方來儲存相關資訊並在垂直場景中進行整合，這些場景也是可以被 AI 改造的。在法律等高度專業化的領域裡，large language model 已經開始代替人類處理一些複雜任務了。

Front office 對應的任務是開放性的，back office 的則更偏特定、具體的任務，所以我認為二者之間會存在某種競賽，但與此同時市場也很大，不一定是零和遊戲。

Ivan Zhao：我認為這個取決於我們要怎麼定義設計，至少對於我來說，設計不僅僅是外觀，更重要的是一個系統是如何協同工作的。在這種情況下，我們需要做出一些 tradeoff，是選擇把設計集中還是分散到每個板塊？有些公司或業務產品適合把設計工作下放到不同板塊，尤其是那些很重運營的公司。

Notion 的價值在於提供一個統一的資訊空間、一個讓人們可以集中完成各種不同的任務的 workspace 。因此，這些功能需要協同高效地工作。這有點像是在構建一個作業系統或程式語言，沒有人會把設計程式語言的任務分散給 50 個人來做，通常這些工作都是由一個人來完成的。

所以 Notion 的設計相當集中，有點類似於蘋果公司，Apple 軟硬體緊密整合開發 OS 的方式在今天很少見。在這種情況下，為了實現好的產品和良好的使用者體驗，我們就需要更橫向、全面的思考，也因此我們的設計決策是相對集中的，更偏 Apple 的風格而不是 Amazon。

此外，我認為我們不能侷限於某一種思維模式，因為很多界限其實是人為設定。Notion 80% 的設計師都會程式設計，他們既是設計師也是工程師，也因此在設計中可以做出很好的平衡。技術的本質是 tradeoff，好的tradeoff 能夠激勵使用者來嘗試使用新產品、引導他們形成習慣，這是最核心的。我們會的事情更多，相對於其他設計上就更能在設計上做出好的平衡，再比如設計師知道如何程式設計，他們就會知道如何調整設計，使其更容易實現；如果你會設計也是同理，就像在擠壓空氣泡泡時，找到最容易擠壓的方向。

因此，我認為這種多樣化的能力對我們的幫助很大，Notion 中的每一個人都在努力變得“全能”，這也使我們的團隊小而精悍。相對於我們的業務規模，我們的團隊人數很少，但團隊中的每個人都能把自己的能力發揮到極致。我們沒有固定的角色，也不需要做重複性的工作，大家都很享受這種工作方式。不過，儘管這樣做有很多好處，但找到具備這樣能力的人確實更難。