구글 노트북LM(NotebookLM) 활용법: 환각 줄이고 흩어진 자료를 정리하는 AI 사용법

핵심 메시지

• 노트북LM은 ①환각을 거의 용납할 수 없고 ②자료가 문서·슬라이드·영상·음성 등 여러 곳과 형식에 흩어져 있으며 ③이를 하나의 정리된 결과물로 빠르게 묶고 싶을 때 다른 AI보다 뛰어나다.
• 채팅 인터페이스의 모든 답변은 '선택된 소스 전체'를 근거로 하므로, 특정 자료를 제외하려면 소스 목록에서 선택을 해제해야 한다.
• 좋은 출력은 '메모에 저장(save to note)'을 눌러 두어야 한다. 노트북LM은 업로드한 데이터로 학습하지 않기에 저장하지 않으면 다시 열었을 때 사라진다.
• 장비 매뉴얼·세무 자료·채용·프로젝트·실적 분석 등 흩어진 자료를 모아 질문하면 출처 인용과 함께 핵심을 빠르게 뽑아 준다.
• 노트북LM은 환각이 적은 대신 창의성은 낮아, 최종 결과물은 제미나이나 클로드로 다듬는 것이 좋다. 노트북당 약 2,500만 단어를 담을 수 있어 용량이 매우 크다.

쉽게 이해하기

제프 수는 노트북LM을 언제 써야 하는지 세 가지 기준으로 정리한다. 환각(틀린 정보 생성)에 대한 허용치가 매우 낮을 때, 자료가 문서·슬라이드 같은 여러 형식과 텍스트·영상·음성 같은 여러 매체에 흩어져 있을 때, 그리고 그 파편화된 정보를 하나의 일관된 결과물로 빠르고 안정적으로 바꾸고 싶을 때다. 이 세 조건에 맞으면 노트북LM이 다른 AI 도구보다 낫다는 것이다.

사용은 노트북을 만들고 소스를 올리는 데서 시작한다. 그는 건강검진 보고서 3건, 책 PDF, 요산과 단식에 관한 유튜브 영상을 한 노트북에 모은다. 각 소스를 클릭하면 노트북LM이 긴 의료 보고서를 간결한 요약으로 만들어 주고, 핵심 주제를 누르면 선택된 모든 소스를 바탕으로 그 주제를 확장해 설명한다. 여기서 중요한 점은 채팅의 모든 답변이 '선택된 소스 전체'를 반영한다는 것이다. 특정 소스를 무시시키려면 목록에서 선택을 해제해야 한다.

그는 실제 활용에서 얻은 교훈도 강조한다. 좋은 출력이 나오면 반드시 '메모에 저장'을 눌러야 한다는 것이다. 구글에 따르면 노트북LM은 업로드한 데이터나 대화로 학습하지 않기 때문에, 저장하지 않고 노트북을 다시 열면 그 내용이 사라진다. 답변의 인라인 인용을 누르면 근거가 된 영상 자막이나 문서 구절을 바로 확인할 수 있어 신뢰도를 점검하기 좋다.

활용 사례는 다양하다. 촬영 장비 매뉴얼을 모아 펌웨어 업데이트 방법을 묻고, 세금 코드와 회계 자료를 모은 노트북에 세무 의무를 질문하며, 채용 자료를 모아 후보자 강점과 면접 질문을 뽑는다. 프로젝트별 노트북에 회의록과 기획서를 넣어 미정 업무를 정리하거나 임원용 브리핑 문서·FAQ를 만들고, 기술 기업 실적 보고서와 분석 기사를 모아 '구글의 AI 수익화 전략'처럼 겨냥한 질문을 던질 수도 있다. 줌·구글밋 회의록을 올리면 회의 요약 메일까지 정확히 만들어 준다.

마지막으로 그는 세 가지를 당부한다. 첫째, 노트북LM은 환각이 드물지만 창의성은 부족하므로 최종 결과물은 제미나이나 클로드로 다듬는 것이 좋다. 둘째, 노트북 하나가 담을 수 있는 정보량은 약 2,500만 단어로, 제미나이(약 50만)·클로드(약 10만)·챗GPT(약 6.4만)보다 훨씬 크며, 소스는 노트북당 20개로 제한되지만 여러 문서를 하나로 합치면 된다. 셋째, 결과물의 질은 소스의 질에 좌우되므로 신뢰할 만한 출처를 쓰는 것이 중요하다.

주요 인사이트

• 노트북LM의 차별점은 '업로드한 소스만'을 근거로 답한다는 데 있다. 그래서 환각이 적고 출처 인용으로 검증이 쉬운 대신, 자유로운 창작에는 약하다는 트레이드오프가 분명하다.
• 모든 답변이 '선택된 소스 전체'를 반영하므로, 소스 선택/해제가 곧 답변의 범위를 정하는 핵심 조작이다. 면접 등에서는 현재 대상 자료만 선택해야 다른 자료가 섞이지 않는다.
• 노트북LM은 업로드 데이터로 학습하지 않기에 좋은 출력은 '메모에 저장'하지 않으면 사라진다—이 점을 모르면 애써 얻은 결과를 잃기 쉽다.
• 약 2,500만 단어라는 압도적 용량과 출처 기반 답변 덕분에, 흩어진 자료를 다루는 프로젝트·프로그램 관리자처럼 '정보 종합'이 핵심인 업무에 특히 강하다.

자주 묻는 질문

관련 AI 소식