Autoを活用することで、あらゆるタスクに最適なAIモデルを利用できます

Autoは、各タスクを読み取り、品質、速度、コストのバランスが最も取れたモデルに送信するモデルルーターです。Autoは、Notionの評価とワークスペースで許可されているモデルに基づいて、複数のAIプロバイダーからタスクごとにモデルを選択します。簡単な質問や編集には高速なモデルを、複雑な作業にはより高性能なモデルを使用します。

Autoは、モデルピッカー、Notionエージェントのチャット、およびカスタムエージェントの設定でデフォルトでオンになっています。Autoを使用すると、Notionはタスクごとに最適なモデルを選択します。仕組みは以下のとおりです。

• Autoはタスクに合わせてモデルをマッチングします。簡単な質問、編集、要約は、高速で効率的なモデルに送信されます。詳細な調査、コードの記述、カスタムエージェントの構築など、より複雑なタスクは、より高性能なモデルに送信される場合があります。

• Autoは、タスクの途中でも状況に応じて切り替わります。複数のステップからなるタスクでは、負荷の高いステップで、より高性能なモデルに切り替え、シンプルな作業では元のモデルに戻すことができます。

• Autoは、新しいモデルにも対応します。Notionは、新しいモデルを提供する前に、品質、速度、コスト、信頼性の観点で評価します。Autoで利用できるモデルは変更される場合があります。Notionが一般的なナレッジワークに対してモデルをどのように評価しているかをご確認ください →

• Autoはワークスペースの設定に従います。ワークスペースで許可され、モデルの制御やプロバイダーの制限などの要件を満たすモデルのみを使用します。Autoが使用できるモデルをオーナーが制限した場合、Autoはワークスペースで許可されている次にコストの低いモデルに切り替えます。

• Autoが適切に機能するには、十分な数のモデルがオンになっていることが必要です。オーナーがワークスペースであまりにも多くのモデルをオフにすると、Autoの効率が低下します。Autoの全体的な品質を低下させる変更を保存しようとすると、ワークスペースオーナーに警告が表示されます。

いつでもモデルの選択を自分で引き継ぐことができます。次のような場合は、自分でモデルを選択してください。

• Autoにモデルの選択や切り替えを任せるのではなく、チャット全体を通して同じモデルを使用したい場合。

• 特定の種類の作業に対して、特定のモデルを使用したい場合。

• Autoで求める結果が得られなかったため、別のモデルを試したい場合。

モデルを選択する方法

Notionエージェントのチャット内で

1. Autoを選択して、モデルピッカーを開きます。

2. モデルにカーソルを合わせると、速度、インテリジェンス、コストを比較できます。

3. モデルを選択します。

選択すると、Notionエージェントはそのモデルをチャットで使用します。Autoに戻すには、モデルピッカーを開いて「Auto」を選択してください。

カスタムエージェントの設定内で

1. エージェントの「設定」を開きます。

2. モデルセクションに移動し、モデルピッカーを開きます。

3. モデルを選択します。

4. 「保存」をクリックします。

一度選択すると、カスタムエージェントは変更するまでそのモデルを使用します。

ワークスペースオーナーは、メンバーがどのモデルを選択できるかを制御します。ワークスペースでオフにされているプロバイダーのモデルは表示されません。ワークスペースで制限されているモデルは「制限されたモデル」の下に表示され、選択できません。AIモデルとメンバーのクレジットポイント消費を管理する方法について詳しくはこちら→

ビジネスプランおよびエンタープライズプランでは、Notionエージェントは、Autoを使用する場合はStandardクレジットポイント、自分でモデルを選択する場合はSelectクレジットポイントを使用します。どちらかを使い切った場合、ワークスペースオーナーはNotionクレジットを使用してAI機能の利用を継続できるように設定できます。AIクレジットの管理について詳しくはこちら→

Notionでの日常的な作業のほとんどにおいて、Autoを使用すると、最高性能のモデルを自分で選択する場合と比べて、クレジットポイントを最大10倍長持ちさせることができます。Autoはタスクに適したモデルを自動的に選択してタスクあたりの消費量を抑えるため、より多くの作業にクレジットポイントを充てることができます。弊社のテストでは以下の結果が得られました

• Autoの平均実行コストは、Opus 5.5より87%低くなりました。

• ドキュメントやメールの推敲に使用したクレジットポイントは、詳細な戦略ドキュメントや四半期計画の作成に比べて、約8分の1でした。

このテーブルは、AutoとOpus 5.5を使用した一般的なタスクの推定クレジットポイント使用量を比較したものです。実際の使用量は異なる場合があります。

クレジットポイントの消費量はシナリオによって異なります。たとえば、複雑な情報を含む長いスレッドでNotionエージェントにメールの推敲を依頼すると、より多くのクレジットポイントが消費される場合があります。通常より多くのクレジットポイントを消費するタスクであっても、Autoは最先端モデルに匹敵する結果を出力しました。

Autoの評価は、シミュレートしたNotion環境で、一般的な実際のタスクを数千件再現し、モデルごとの結果を比較する方法で行いました。手順は次のとおりです。

1. モデルは2つずつ比較しました。上位モデルのグループに、2つの異なるモデルによる成果物を並べて見せました。

2. 審査員グループは、設定されたスコアリングガイドを使用して、毎回より優れた結果を選択しました。

3. 各モデルには、これらの直接対決の結果をもとに、Eloスコアを付けました。

Eloスコアは、チェスのプレイヤーをランク付けするように、多くの1対1の対戦を通じてプレイヤーが他のプレイヤーに対してどのような成績を収めたかに基づいてスキルを評価するものです。これは、実世界の作業においてモデルをスコアリングするためのシンプルで信頼性の高い方法です。

すべての対戦を手作業で実行するのはコストがかかるため、これらのランキングと密接に一致するようにAI審査員をトレーニングし、一度に多くの比較を実行できるようにしました。私たちのスコアリングはその手法に基づいています。