Wat er is gebeurd
Notion heeft zijn AI-koers verbreed van losse assistenten naar een breder agentplatform. In de nieuwste aankondiging introduceerde het bedrijf een developer platform met Workers, een beveiligde sandbox voor custom code, database sync om live data uit systemen met een API binnen te halen, en een External Agent API waarmee teams hun eigen interne agents of derde partij agents terug kunnen koppelen aan de Notion-workspace.
De praktische verandering is dat Notion niet langer alleen agents aanbiedt die vragen beantwoorden in notities. Het probeert de plek te worden waar agents, eigen logica en bedrijfsdata samenkomen. TechCrunch noemt ondersteuning voor externe agents zoals Claude Code, Cursor, Codex en Decagon, terwijl Notion zelf de nadruk legt op doorlopende workflows die kanalen monitoren, taken routeren, updates samenstellen en acties uitvoeren over tools zoals Slack, mail, agenda en MCP-gekoppelde systemen.
Net zo belangrijk is dat Notion die orchestration-propositie koppelt aan operationele controle. De eerdere lancering van Custom Agents legde nadruk op permissies, gelogde runs, usage dashboards, auto-pause bij kredietlimieten en terug te draaien wijzigingen. Dat is relevant, omdat de echte enterprise-vraag niet is of een agent tekst kan produceren. De vraag is of het systeem betrouwbaar in live workflows kan draaien zonder een onzichtbare kostenpost of governanceprobleem te worden.
Waarom dit ertoe doet
Dit is een betekenisvol signaal voor de volgende fase van enterprise AI. De markt beweegt weg van het idee dat elke tool vooral een eigen chatvenster nodig heeft. Steeds meer bedrijven willen een operationele laag waarin agents context uit meerdere systemen halen, werk kunnen starten en zichtbaar blijven voor het team dat ermee werkt. In die zin gaat een workspace minder op een documentenapp lijken en meer op een lichte control plane voor kenniswerk.
Die verschuiving telt, omdat productie-AI meestal stukloopt op de naden tussen systemen. Het moeilijke deel is niet een aannemelijk antwoord genereren. Het moeilijke deel is de juiste data koppelen, permissies intact houden, approvals afhandelen, acties loggen en kosten beheersbaar houden wanneer agents continu op de achtergrond draaien. De productrichting van Notion is juist interessant omdat die deze realiteit erkent. Credits, runlogs, permissiecontrole en terug te draaien acties laten zien dat vendors eindelijk voor operaties ontwerpen in plaats van voor demo's.
Daarmee wordt ook de concurrentievraag scherper voor kopers. Als agentplatforms de nieuwe workspacelaag worden, telt minder welk model op zichzelf het slimst klinkt, en meer welke omgeving werk veilig over echte bronsystemen kan coördineren. Denk aan CRM, ERP, ticketing, SharePoint, mail, contracten en interne databases. De agentmarkt wordt een integratie- en runtimemarkt, niet alleen een modellenmarkt.
Laava's perspectief
Bij Laava zien we dit als bevestiging dat de nuttige eenheid van enterprise AI de workflow is, niet de prompt. Bedrijven hebben geen vijftig losse AI-sidekicks nodig. Ze hebben een beheerde omgeving nodig waarin agents de juiste context ophalen, begrensde acties uitvoeren, werk netjes overdragen en een betrouwbaar auditspoor achterlaten. Notion beweegt vanuit de workspacehoek naar dat model toe. Wij benaderen het vanuit operatie en integratie.
Dat onderscheid is belangrijk. Voor veel organisaties kan een workspace een goede samenwerkingslaag zijn, maar het is niet automatisch de juiste runtime voor bedrijfskritische processen. Documentzware en workflowzware teams hebben nog steeds keuzes nodig rond waar modellen draaien, waar logs leven, hoe permissies aansluiten op bronsystemen en hoe verschillende agents door de tijd heen worden gemonitord. Daar wordt een beheerde, model-agnostische runtime waardevol. Het echte product is niet een slimme interface. Het is gecontroleerde uitvoering over de systemen die het bedrijf al laten draaien.
Hier wordt ook soevereine deployment relevant, zonder dat het een hardwareverhaal hoeft te worden. Sommige teams willen het gemak van een SaaS-orchestratielaag. Andere teams hebben strakkere controle nodig over datalocatie, logging en inferentiegrenzen vanwege compliance, klantvereisten of interne risicohouding. De visie van Laava is simpel: soevereiniteit telt alleen als het operationele AI verbetert. De klant koopt managed runtime, agents en integratie, niet een box.
Wat je nu kunt doen
Als je nu agentplatforms beoordeelt, breng dan eerst twee of drie repetitieve workflows in kaart voordat je vendors vergelijkt. Benoem de bron van waarheid, de trigger, de datalookups, de approvalmomenten en het systeem waarin de eindactie moet landen. Die oefening laat snel zien of je vooral een betere workspacelaag nodig hebt, of dat je onder die laag een strakkere runtime- en integratiearchitectuur nodig hebt.
Stel daarna moeilijkere operationele vragen. Hoe worden permissies over gekoppelde tools heen afgedwongen. Hoe ziet een volledige runlog eruit. Hoe begrens of voorspel je kosten wanneer agents continu draaien. Kun je van model wisselen zonder de workflow te herschrijven. Wat gebeurt er als een API faalt of een documentbron onvolledig is. Als de antwoorden vaag blijven, is het platform waarschijnlijk nog voor een demo geoptimaliseerd. Als de antwoorden concreet zijn, kijk je eindelijk naar iets dat dichter bij productie-AI zit.