NotebookLMを使って２ヶ月の所感【結論：使わない選択肢はない】

「Google NotebookLM」は、ユーザーがアップロードした資料に基づいて情報を整理し、質問に答え、新しいアイデアを提案するといった機能がウリの、生成AIメモツールです。

遅ればせながら、NotebookLMを業務レベルでも使うようになって2ヶ月経過したこともあり、ここらで一度、自分なりの所感をまとめておくことにしました。

NotebookLMを使った活用法はさまざまで、使い方の正解は人それぞれです。そのため、本記事では、筆者のざっくりとした所感をベースに、ゆるくお話ししていきます。

最近、NotebookLMに興味出てきた方、今後使っていきたいと考えている方向けに、利用イメージを膨らませるお手伝いができれば幸いです。

■ユーザーの思考を支援するコラボレーター

NotebookLMの「LM」は、「Large Language Model（大規模言語モデル）」の略です。大規模言語モデルとは、膨大な量のテキストデータを学習し、人間のような自然な文章を生成したり、複雑な質問に答えたりすることができるAIのことを指します。

NotebookLMは、「Gemini 1.5 Pro」という大規模言語モデルを搭載しています。このモデルは現状、日本語プロンプトにおいてChatGPTのGPT-4を上回る性能を持つとされており、非常に高い精度で情報を処理し、より自然で人間らしい会話が可能です。

NotebookLMは、ユーザーがアップロードしたPDFやテキストファイル、Googleスライド、ウェブページのURLなどを資料として利用します。

AI（人工知能）がその資料の内容を理解し、質問に対する回答や要約を返したり、重要ポイントを抽出したりと、新しいアイデアを提案してくれます。

結局、「NotebookLMの最大の魅力は何か？」という話になると、仕事で使う資料や参考にしたいWebページの情報を集約化し、その中からピックアップしたい内容を、高精度かつスピーディーに抽出できるってことになるかと思います。

NotebookLMは、ユーザーが提供したデータを基に、LLMが回答や要約を行う仕組みです。これは「グラウンディング」と呼ばれるプロセスで、言語モデルが回答を生成する際に、その根拠を提供されたデータや文献などの信頼できる情報源に基づいて示すというものです。

これ、何が画期的かというと、「この情報、すごくわかりやすいな」とストックしておいたPDF資料とか、「事例で使いたいな」とブクマしておいたWebページのURLを、NotebookLMに放りこんでおくだけで、勝手に自分好みのLLM（大規模言語モデル）が作られていくってことです。

これにより、モデルが誤った情報を生成するリスク（いわゆるハルシネーション）の発生を抑えることができます。さらに蓄積されていくデータは、あなた自身が「この情報は使える！」と判断したものなので、通常の検索よりも信ぴょう性が高く、情報の出所もクリーンだと考えられます。

信頼性の高い情報をエビデンス（根拠）にアウトプットができるため、説得力のある記事や資料の作成に役立てられるでしょう。このようにNotebookLMは、ユーザーの思考をサポートするコラボレーターとして機能するのです。

NotebookLMは、Googleアカウントがあれば誰でも利用可能です。現時点ではテスト段階であり無料ですが、将来的には有料になる可能性があります。

なおNotebookLM にアップロードしたデータは、Google の生成 AI モデルの学習には使用されず、Google がほかのサービスでも適用しているセキュリティで保護されます。

ただし、サービス改善を目的として、人間のレビュアーが資料や回答を確認する場合があるとのことです。

■NotebookLMの主な機能

多様な情報ソース（ファイル形式）に対応

PDFファイルやテキストファイル、WEBページのURLなど、さまざまな形式の情報を取り込んで、一つの場所（ノートブック）に集約しておくことができます。

ビジネス書から仕事のレポート、学校の論文、趣味のプロジェクトまで、役立ちそうな情報はとりあえずぶっ込んで、せっせと蓄積しておくといいでしょう。

現状アップロードできる形式は上記画像のとおりですが、今後、対応できるファイル形式や機能も増えていくと思われます。

圧倒的な量の単語を、迅速かつ高精度で処理できる

NotebookLMの情報処理の精度は、利用者の間で高く評価されています。先述のとおり、「Gemini 1.5 Pro」を搭載しており、100万トークンという圧倒的な量の単語を処理できるため、迅速かつ高精度の情報処理が可能です。

膨大な量の情報を効率的に分析し、必要な部分だけを抽出してくれるので、取り込んだデータが膨大になっても、重要なポイントを見逃すことはありません。

たとえば、新しいプロジェクトのためのリサーチを行う際、複数の資料をまとめて分析し、必要な情報を短時間で集めることができるので、生産性が上がります。

ただし、NotebookLMはあくまでもソースから得た知識をもとに回答を生成するツールです。そのため、取り込んだデータの質によって、回答の精度が左右される点には注意が必要です。

インタラクティブ（双方向的）な情報探索

チャット形式で質問を入力すると、NotebookLMは、アップロードされたデータに基づき、回答を返してくれます。

たとえば、「このニュースの結論は何ですか？」と質問すると、AIが結論にふさわしい内容を分析して、要約を返してくれます。

回答の際には、その情報がソースのどの部分に基づいたものかを示す注釈番号が付与されます。番号をクリックすると、回答の元になった当該箇所がハイライトされるので、どの情報がどの資料から来たのか一目瞭然です。

これにより、ユーザーは情報の信頼性を速やかに確認できます。

アップロードしたデータに基づいて要約や提案を返すNotebookLM は、インタラクティブ（双方向的）に情報検索できるツールと言えるでしょう。

多様なアウトプット形式で、ニーズに応じた多様な情報整理

NotebookLMには、「ノートブックガイド」という便利な機能があります。

ユーザーが提供した情報に基づいて、「要約」や「目次」、「FAQ（よくある質問とその答え）」、「学習ガイド（資料の内容に関する問題）」、「タイムライン（出来事の順番を示す表）」、「ブリーフィング・ドキュメント（要点や概要をまとめたドキュメント）」など、多様な形式で自動生成してくれます。

たとえば、プレゼンテーション用の資料を取り込んで、要約を作成したり、「タイムライン」でプロジェクトや定例ミーティングの進行状況を時系列で追い、進行状況を把握したりできます。

複数のWebサイトのページURLを読み込ませて「FAQ」を実行すれば、そのページ内容に基づいた「よくある質問とその答え」を生成できます。

このように、取り込んだ情報に基づいて、多様な形式でアウトプットしてくれるので、さまざまなニーズに対応した情報整理が可能です。

作成したノートブックの共有ができる

NotebookLMで作成したノートブックは、他者と共有することが可能です。

やり方は簡単。NotebookLMのページ右上にある共有アイコンをクリックし、アクセス権を付与したい相手のメールアドレスを追加し、編集権限（編集者・閲覧者・アクセス権の取り消し）を選んで送信です。

ただし、編集者権限を与えても、ノートブック作成者（ここでは管理者とします）と同様の編集権限が与えられるわけではないようです。

たとえば、管理者のChat内容（NotebookLMへの質問と、NotebookLMからの回答）は、権限付与されたユーザーの画面上では見られません。

なおノートブックの作成にあたり、管理者がアップした資料やURLなどのソースは見ることができ、編集権限を付与されているユーザが、新たにデータを追加することもできます。また、作成メモの閲覧、追加が可能です。

あとこれは、一時的なエラーなのかもしれませんが、本記事執筆時点では、ノートブックを共有したい相手のメールアドレスを記載し、「送信」ボタンを押しても、メールアドレスに通知が届きません。そのため、別途メールソフトを立ち上げて、ノートブックのURLを貼り付けて送ってます。

まだ実験段階のツールであることから、リンクまわりのサポートが追いついていない模様ですが、今後のアップデートで、編集権限に関する諸問題が解決されていくことを期待します。

■NotebookLMの具体的な活用シーン

ミーティングの効率化（議事録作成・分析の効率化）

NotebookLM自体は、音声データの文字起こし機能は備えていませんが、他のツールで文字起こしした会議の議事録をアップロードすることで、重要な発言や決定事項などを自動で要約し、会議内容の把握が容易になります。

特に、長時間にわたる会議の議事録を分析する場合、NotebookLMを使うことで大幅な時間短縮になります。要約をもとに次回のアジェンダを作成すれば、準備もスムーズに進むでしょう。

また、定例ミーティングや定期的に開催されているイベントなど、時系列で進行する議事録の分析で役立つのが、ノートブックガイドにある「タイムライン」機能です。タイムラインは、時系列的な要素を含む文章に対して有効で、時間軸に沿って進行する議題などを整理する際に便利です。

蓄積された議事録の内容をタイムラインで出力すれば、議題の進展状況を時系列で追うことができ、ミーティングの分析、考察に役立てることができます。

顧客フィードバック分析の効率化

VOC（お客様の声）やアンケートの集計、口コミサイトの投稿、クライアントとの打ち合わせで録音した音声（文字起こししたテキスト）などをNotebookLMに読み込ませることで、顧客フィードバック分析の効率化が図れます。

ただし、NotebookLMは、あくまでユーザーがアップロードした資料に基づき回答を生成するツールです。実践的な顧客フィードバック分析を行うためには、分析の目的を明確にし、適切なデータを揃える必要があります。

これはフィードバック分析の目的が、たとえば、顧客満足度の向上なのか、サービスの質の改善なのか、商品開発のアイデアを得るためなのかといった目的によって、必要となるデータの質や量が変わってくるためです。

ここまでお伝えしてきたように、NotebookLMは、データの質に依存するツールです。つまり、データの質や量にこだわればこだわるほど、高精度の分析が可能になるということです。

適切なデータを揃えたうえで、たとえば、「顧客が望む改善リクエストの中で、比較的実施がしやすい項目は何か？」とか「アンケートの声から推測される、自社商品Aのコア・コンピタンス（他社にはない自社だけの強み）は何か？」といった具体的な質問を投げかけることで、新たな洞察を得られ、より効果的な戦略や意思決定ができるようになっていくでしょう。

契約書確認の補助的ツールとして活用

契約書などの法的文書を、NotebookLMに読み込ませることで、複雑な内容をわかりやすく整理したり、重要な条項や潜在的なリスクを特定したりするのに役立てられます。

たとえば、ノートブックガイド機能の「FAQ」を使って、契約内容に関する質問に答えさせるFAQボットを作成するといった使い方がありますね。

とはいえ、NotebookLMは情報を整理し、質問に答えるためのツールなので、専門家による法的助言の代わりになるものではありません。

そのため、契約書の確認などで利用する際は、あくまで解釈の手助けに、補助的ツールとして活用し、最終的な契約内容の確認や法的判断などは、必要性に応じ、専門家に相談すべきでしょうね。

また、NotebookLMにアップロードされたデータは、Googleの生成AIモデルの学習には使用されませんが、サービス改善のために人間のレビュアーが資料や回答を確認する場合があるとされています。

そのため、契約書や社外秘の資料などの機密性の高い情報を、NotebookLMに読み込ませることは推奨されていません。利用する場合でも暗号化して使うなど、セキュリティリスクを十分に理解し、適切に扱う必要があります。

複数の論文の比較分析、ポイント整理を容易に

一般的に、論文は情報量が膨大で、比較分析には時間と労力がかかるものですが、NotebookLMに複数の論文（PDFやGoogleスライド、Googleドキュメントなど）をアップロードし、各論文の結論や共通点、相違点などを答えさせることで、比較分析がしやすくなります。

たとえば、「これらの論文で共通している内容を挙げて」とか「各論文の結論を要約し、比較表を作成して」といった感じですね。

各資料の結論や共通点、相違点などの重要箇所を比較分析することで、ポイント整理がしやすくなるのはもちろん、新たな洞察を得られたり、テーマの方向性が定まりやすくなったりもします。

なお論文の比較分析を行う際に重要になるのが、情報の出所と信頼性ですが、NotebookLMでは質問の回答に対する情報元（エビデンス）が、注釈番号付きのハイライトで表示されるので、出典と信頼性を素早く確認できるからスムーズですね。

過去問の分析による試験対策

NotebookLMは、資格試験などの学習効率を高めるツールとしても有能です。

たとえば、過去問や授業資料をアップロードし、ノートブックガイド機能の「学習ガイド」を使うと、取り込んだ資料の内容に基づいて、小テストを生成してくれます。

以下は、医療機関における広告規制の指針を定めた「医療広告ガイドライン（医業若しくは歯科医業又は病院若しくは診療所に関する広告等に関する指針）」に関する資料を複数読み込ませたうえで、学習ガイドで出力させたものになります。

以下のような問題を作成してくれました。

以下の問題に簡潔に答えてください。

質問：医療広告ガイドラインの基本的な考え方を2点挙げてください。

回答：医療広告ガイドラインの基本的な考え方は、(1)医療は人の生命・身体に関わるサービスであり、不当な広告による被害は著しいこと、(2)医療は専門性が高く、広告の受け手は質を判断することが困難であることの2点です。

このようにクイズ感覚というか、ゲーミフィケーションの良さを生かした学習ができます。学校の先生が重宝しそうな機能ですよね。

このガイド機能に加えて、たとえば、「この資格試験の出題傾向をまとめて」のような指示をすれば、試験対策に役立つ情報を効率的に集められ、学習プランも立てやすくなるでしょう。

ちなみに私の場合、なかなか覚えられない単語や用語、定義、類似した内容の相違点などを抽出した、オリジナル用語集を生成させて使ったりしています。

市販の用語集だと既に知っている内容も多いですし、「あ、これはもう知ってる」と都度ページをめくるのはあまり効率よくないですし、「自分的に覚えられないところだけをまとめた用語集」をサクッと生成してくれるのは便利すぎますね。

新しい読書体験の提供

読書の効率化にも、NotebookLMは非常に有効なツールとなり得ます。

ただし、一度も読んでいない本をNotebookLMにいきなり読み込ませても、効果的な質問ってまずできないので、読了した本の復習に使うのが向いていると思います。

私の場合、最初は普通に読んでいきます。次に、スクショしたページをNotebookLMに読み込ませ、以下のように要約やポイント整理を行い、インプットの促進に役立てる感じですね。

・本の要約: 本（PDF、テキスト）を読み込ませるだけで、NotebookLMが自動的に内容を要約。長編小説や難解な専門書を読む際に特に役立つ。

・疑問点の解消: 読了後に生じた疑問点や理解の浅い箇所をまとめて、NotebookLMに質問。本の内容に基づいて精度の高い回答してくれるので、実践的理解につながる。

・重要箇所の抽出: 本の内容から重要なポイントをハイライトで抽出。NotebookLMとの対話や得られた情報を基に、自分だけのノートを作成できる。

・理解度を測る: 「学習ガイド」で小テストを実施。本の内容、本質をちゃんと理解できているかどうかをチェックできる。

NotebookLMを読書ツールとして活用することで、新しい読書体験が可能になり、インプット精度をより高めることができます。

ただし、インプットの効率性を重視するあまり、本を読むことの本来の楽しさが損なわれてしまったらもったいないので、その本や資料を読む目的、用途に応じ、「NotebookLM読書」を上手に取り入れていきたいものですね。

■NotebookLMのイマイチなところ

抽象的な質問にはうまく答えられない

NotebookLMは、具体的な情報源に基づいた質問に答えることに長けています。一方、抽象的な質問にはうまく答えられないことがあります。

そのため、ブレスト目的な使い方には不向きなのですが、引用元を提示できない場合、不正確な回答を避けてくれるので、生成AI独自の曖昧さを回避できます。

わたし的には、「データが無いんで答えられないっす」とパーンと突き返してくれたほうがありがたいので、この仕様はむしろ歓迎ですが。

ただし、わからないなりに「〇〇についての情報はソースにありませんが、▼▼といった内容から■■と関連性のある言及があります。これにより〜」といった具合に回答してくれる場合があります。

限られた情報の中でも、最善のサポートを提供しようとするところは、NotebookLMの特徴と言えますね。

何度もしつこいですが、NotebookLMはあくまで、ユーザーが入力した情報に基づいて回答を生成するツールです。ゆえに入力された情報に誤りや偏りがある場合、それが出力に反映される可能性は十分にあります。

これはある意味、ハルシネーションの問題と関連しているとも言えます。NotebookLM自体は、ハルシネーションを起こすわけではないものの、入力情報に依存して回答を生成する性質上、結果的に誤った情報が含まれてしまう可能性は、留意する必要があるでしょう。

日本語資料の対応は限定的

NotebookLMは、「Gemini 1.5 Pro」を搭載しており、日本語プロンプトにおいても非常に高精度で処理してくれます。

しかし、日本語資料への対応は限定的であり、期待する結果を十分に得られるレベルには達していないという見方もされています。

Googleは今後、対応言語を拡大していく予定としていますが、日本語特有の複雑な言い回しや固有名詞、時事的、文化的なニュアンスなども含まれるほど、回答の正確性が損なわれる可能性が高くなると見ていいでしょう。

そのため、プロンプトはできるだけシンプルな言い回しにする、複数の質問を同時にしない、作成した文章を英訳して使うといった工夫をすることで、より正確で自然な日本語による回答を得やすくなると考えられます。

このあたりは、ChatGPTなどを普段から使っている人ならなんとなくわかるかと思いますが、実際に試しながら、NotebookLMの性能、制限を理解していく必要があります。

ちなみに、NotebookLMに日本語の論文を読み込ませたところ、一部の数式がテキスト形式に変換されてしまったこともあったので、取り込んだあとの内容がおかしなことになっていないか、しっかりと目視するといいですよ。

ソース（取り込んだ情報）の編集はできない

NotebookLMは、アップロードしたソース自体の編集機能を提供していません。元のファイルに影響を与えないよう、取り込んだ資料は静的なコピーとして扱われます。

ソースの直接編集ができないため、ソースに修正が入った場合は元のファイルを編集し、再アップロードすることで最新の情報を反映させることができます。なお、取り込んだソースの名称は取り込んだ後からでも変更可能です。

PDFの場合、そもそも原本を編集できなかったりしますが、Webサイトの文章などを取り込む場合は、URLをそのまま貼り付けて読み込ませるより、不要な部分をカットし、不備のある部分を編集してからテキストファイルに落とし込んでアップロードするのがおすすめです。ソース選びにもひと手間かけることで、より有能なLLMに育てていくことができます。