NotebookLM으로 자료 30개 정리한 워크플로 (+ 한계 5가지)
자료 수십 개를 직접 다 읽고 정리하는 일에는 시간이 많이 든다. NotebookLM은 그 자료들을 한 곳에 넣고 “이 자료들의 공통 결론은?” 같은 질문으로 큰 그림 + 출처를 빠르게 잡아준다. 실제로 자료를 넣고 정리해본 작업 순서와, 써보며 만난 한계를 함께 정리했다.
실제 작업 순서 6단계
자료가 30개 안팎 쌓였을 때 가장 효율적이었던 흐름이다.
1단계: 자료를 추린다 (30개 → 핵심 15개)
모든 자료를 다 넣지 않는다. 정말 관련 있는 핵심 자료만 추린다. 너무 많이 넣으면 답이 평이해지기 때문이다. 30개가 있어도 가장 중요한 15개 안팎으로 1차 추리는 게 답 품질에 더 도움이 된다.
2단계: 주제별 노트북 분리
한 노트북에 서로 다른 주제를 섞지 않는다. “핵심 자료 노트북”, “배경 자료 노트북”처럼 나누거나, 프로젝트 단위로 분리한다.
3단계: 전체 지도 그리기
자료를 다 넣은 뒤 첫 질문은 큰 그림용으로 던진다.
- “이 자료들의 공통 주장은?”
- “서로 충돌하는 부분은 어디?”
- “전체를 5개 핵심 포인트로 정리해줘”
이 단계에서 출처 표시를 따라가며 어느 자료가 어떤 주장을 하는지 지도를 그린다.
4단계: 쟁점별로 파고들기
큰 그림이 잡히면 쟁점 단위로 깊이 들어간다.
- “X 주장을 지지하는 자료 vs 반대하는 자료 정리”
- “각 자료의 한계점만 모아줘”
- “Y에 대한 가장 구체적인 데이터가 있는 자료는?“
5단계: 출처 직접 확인
중요한 결론은 답을 그대로 믿지 않고 출처 표시를 클릭해 원문을 직접 확인한다. 이게 NotebookLM을 안전하게 쓰는 핵심이다.
6단계: 결과를 밖으로 옮겨 가공
NotebookLM 답을 복사해 본인 문서(Notion, Word 등)로 옮긴 뒤 본인 언어로 재구성한다. 답을 그대로 쓰는 게 아니라 초안으로 쓴다.
직접 써보며 만난 한계 5가지
NotebookLM이 만능은 아니다. 솔직하게 정리한 한계다.
1. 자료 밖 일반 상식은 약하다 “이 분야 최신 트렌드 알려줘”처럼 업로드 자료 밖 지식이 필요한 질문은 일반 챗봇이 더 낫다. NotebookLM은 의도적으로 자료 안에서만 답한다.
2. 한국어 표·차트 PDF 인식 한계 텍스트가 깔끔한 PDF는 잘 읽지만, 표·차트·스캔 이미지가 많은 한국어 PDF는 정확도가 떨어진다. 숫자가 중요한 자료는 원문 확인이 필수다.
3. 자료가 많아지면 답이 평이해진다 “많이 넣으면 더 똑똑해지겠지”는 틀렸다. 자료가 늘수록 답이 두루뭉술해진다. 핵심 자료만 추리는 게 더 낫다.
4. 답의 깊이가 질문 품질에 좌우된다 “요약해줘”는 평범한 답을, “X 관점에서 A와 B 자료의 차이를 표로”는 훨씬 좋은 답을 준다. 질문을 구체적으로 던지는 만큼 답이 좋아진다.
5. 결국 사람이 검증해야 한다 출처 표시가 정확해도 자료 자체의 오류까지 걸러주지는 않는다. 중요한 결정의 근거는 반드시 사람이 원문을 확인해야 한다.
직무별 활용 포인트
학생·연구자 — 논문 여러 편의 공통 결론·쟁점·한계를 빠르게 지도화한 뒤 핵심 논문만 정독. 전체 읽는 시간이 크게 준다.
기획자·마케터 — 경쟁사 자료·산업 리포트를 모아 “반복되는 페인 포인트”, “가격 전략 차이” 같은 패턴을 추출.
매뉴얼 운영자 — 사내 정책·SOP를 넣고 “휴가 규정 알려줘” 같은 질문에 출처(정책 PDF 몇 쪽)와 함께 답. 매번 슬랙으로 묻던 질문이 노트북 안에서 해결.
정리
NotebookLM은 “여러 자료를 출처와 함께 종합해주는” 리서치 도구다. 핵심은 ① 자료를 추려 넣고 ② 주제별로 노트북을 나누고 ③ 큰 그림 → 쟁점 순으로 질문하고 ④ 출처를 직접 확인하고 ⑤ 답을 초안으로만 쓰는 것이다. 자료 밖 일반 상식·한국어 표 인식·과다 자료 같은 한계를 알고 쓰면, 자료를 자주 다루는 직무에서 작업 시간을 크게 줄일 수 있다.
출처
- Google, NotebookLM 공식 페이지, https://notebooklm.google.com
- Google, NotebookLM 도움말, https://support.google.com/notebooklm/
