NotebookLM으로 10배 빠르게 지식 습득하기
구글이 지금까지의 공부 방식을 완전히 바꿔놓았습니다.
이번 글에서는 구글의 AI 툴, NotebookLM에 대해 다루어 보려고 합니다.
NotebookLM은 구글이 개발한 AI 기반의 연구 및 글쓰기 도우미로,
2023년 Google I/O에서 Project Tailwind로 처음 소개되었다가,
같은 해 7월 공식명칭을 NotebookLM으로 변경했습니다.
어떤 서비스인지 한 문장으로 정리하자면,
대규모 언어 모델 Gemini를 기반으로 한 생성형 AI 기능을 갖춘 메모 작성/학습용 앱으로,
사용자가 업로드한 문서나 링크, 동영상을 더 잘 이해할 수 있도록 해주는 학습 도우미 역할을 합니다.
단순한 요약을 넘어 학습을 돕는 질의응답, 마인드맵, 팟캐스트 생성 등의 기능이 탑재되어,
대학생, 직장인, 중고등학생 등 학습하는 모든 분들이 꼭 써 보셨으면 하는 뛰어난 툴입니다!
https://notebooklm.google.com/
시작하기 전에, AI 프로덕트의 시장성과 선택 기준
프로덕트의 슬로건은 분명합니다. 더 쉽게 연구하고, 생각하라!NotebookLM은 유용성뿐 아니라 프로덕트 자체의 시장성도 분명한데요,
AI 프로덕트는 사실 그 버티컬함, 특정 분야에 특화되고 확실한 가치를 제공할 수 있느냐가
그 차별점과 생존을 결정한다고 생각합니다.
사실 대부분의 기능은 대화형 AI, chatGPT나 Gemini에서도 가능하기에,
별도의 서비스로 기능하려면 그 '특수성', '버티컬함' 이 중요한 것이죠!
그러한 관점에서, NotebookLM은 확실한 용도인 '학습'을 통해 버티컬한 학습 도메인에서의 시장성을 확보하고, 구글이 가진 기술력의 활용도를 분명하게 보여준다는 점에서 뛰어난 프로덕트라고 생각합니다.
기존의 AI 모델은 어느 정도 모델 자체가 가진 직관과 지식을 활용한다면,
NotebookLM은 이를 극도로 제한하고 모든 답변을 근거를 바탕으로 팩트 기반으로 생성하도록 설계되었습니다.
실제로 보면 대부분의 생성 답변에 출처가 분명합니다.즉, NotebookLM은 그 목적이 제한되고 분명하기에,
호평을 받고 쓸 가치가 있는 AI 서비스가 된 것이죠!
앞으로 AI 프로덕트를 활용/구독하시기를 고민하신다면,
'특수성'을 바탕으로 이 프로덕트가 범용 AI 툴에 비해 더 뛰어난 기능을 제공하는지를
잘 체크해주시면 좋을 듯 합니다!
NotebookLM은 뭐가 다른가?
RAG를 통해 유저의 소스를 어떤 순서로 참고하는지를 잘 보여주고 있습니다. (출처 : Medium)NotebookLM의 차별성은, 크게 2가지로 정리할 수 있습니다.
1. RAG(검색 증강 생성) 기술의 정확성
NotebookLM의 핵심은 '소스 기반 AI'라는 점입니다. 인터넷 전체를 학습한 거대 언어 모델(LLM)과 달리, NotebookLM은 사용자가 직접 업로드하거나 지정한 문서(소스)만을 기반으로 작동합니다.
이는 정보의 정확성과 관련성을 비약적으로 높여줍니다.
즉, 오히려 응답 범위를 줄임으로써 더 정확하고 관련 있는 정보를 전달해준다는 것이죠!
이는 'RAG(검색 증강 생성, Retrieval-Augmented Generation)' 기술을 활용하는데,
RAG는 사용자의 질문과 관련된 정보를 소스 문서에서 먼저 검색한 후,
이 정보를 바탕으로 LLM이 답변을 생성하도록 하는 기술입니다.
이를 통해 기존의 LLM에서 발생하는 환각 현상(Hallucination)을 최소화하고 사실에 기반한 답변을 제공합니다.
RAG에 대해서는 제가 이전에 정리한 글이 있으니, 국내 기업 사례와 함께 보시고 싶은 분은
한 번 읽어보셔도 좋을 듯합니다!
https://brunch.co.kr/@ericpm/5
2. Gemini 모델의 반응 속도, 멀티모달
NotebookLM은 구글의 Gemini 1.5 Pro 모델을 기반으로 개발된 AI로,
2025년에는 Gemini 2.5 Flash 모델과 결합되면서 더욱 강력해졌습니다.
Gemini는 2.5 모델을 기점으로 유저에게 큰 호평을 받고 있는데요,
기본적인 성능에 더해, Flash 모델은 더 빠른 응답 속도를 통해 유용성을 더했습니다.
실제로 AI 토큰으로 모델 간의 랭킹을 매기는 OpenRouter의 조사에 따르면,
Gemini 2.0과 2.5 Flash 모델이 1,3위를 기록하는 등
모델 자체의 유용성, 응답의 풍부함과 편의성/속도도 이 프로덕트의 성공에 주효했습니다.
출처 : OpenRouter나아가, Gemini 모델의 기본 멀티모달 기능 덕분에
이용자는 이제 구글 슬라이드 또는 구글 문서 내 이미지, 차트 및 다이어그램에 대해서도 질문할 수 있습니다.
그렇기에 유튜브 링크나 이미지 등, 소스에 관계없이 입력하고 공부할 수 있는 툴로써
유용성을 더 끌어올릴 수 있게 된 것이죠!
그러면, 이 정도로 정리하고 이제부터 NotebookLM을 어떻게 활용할 수 있는지
주요 기능들을 실제 활용 사례와 함께 정리하겠습니다!
활용법: 제 21대 대선 공약을 정리해보았습니다.
어떠한 활용법을 보여드릴까 하다가,
보편적으로 공부가 필요하고, 그러나 많은 시간을 들여 읽어보기에는 조금 애매한 분야이자
많은 사람이 분야에 막론하고 활용할 수 있는 '대선 공약'을 NotebookLM으로 학습해 보겠습니다.
어떤 정당과 정치인을 지지하든, 그들의 공약을 아는 것은 분명 중요하고,
각 분야에서의 정책을 비교하는 데에 NotebookLM이 매우 유용하기에
해당 분야를 선택하였습니다!
(특정 정당을 지지하지 않으며, 지식 습득을 목적으로 진행하였습니다.)
전체 NotebookLM의 이용 화면입니다.1. 노트북 가이드
노트북 가이드는 화면의 중간 위치에서 주로 학습에 도움을 주는 코어 기능입니다.
먼저, 위와 같이 업로드된 문서에 대한 자동 요약 및 추천 질문을 제공합니다.
소스가 어떤 내용을 담고 있는지 자동으로 요약해주며,
이 내용을 바탕으로 자연어로 질문하거나 요약, 예상문제를 내 달라고 하는 등
다양한 방법으로 해당 창에서 공부할 수 있습니다.
입력 창에 보면 아래의 추천 질문도 만들어주는 것을 볼 수 있죠!
업로드된 문서는 메인 화면의 좌측 '출처'에 표시되며,
답변에 활용할지 여부를 체크박스를 통해 조정할 수 있습니다.
출처를 넣는 방법은,
아래와 같이 파일 업로드, 구글 드라이브 연결, 웹사이트/유튜브 링크, 텍스트 등 모두 가능하며,
우측 상단의 '소스 검색'을 클릭하면, 구글 자체 엔진으로 소스를 검색하는 것도 가능합니다!
소스 검색은 꼭 활용해보셨으면 하는 팁인데요,
공부나 연구 시에는 자료를 찾고, 이 자료가 좋은지 검증하는 것에도 시간을 많이 쓰기 마련인데,
이러한 소스 검색을 통해 더 빠르게 양질의 소스를 찾고, 학습하는 과정을 쉽게 수행할 수 있습니다!
또한, 문서에 대한 감이 없거나 빠른 이해가 필요하다면,
우측의 '노트' 내의 브리핑 문서나 마인드맵을 활용할 수 있어요.
브리핑 문서는 수많은 소스를 하나의 문서로 정리해주는 기능인데요,
마치 수업을 듣고 정리한 메모 노트처럼
핵심 부분들을 아래와 같이 놓치지 않고 정리해 줍니다.
다만, 이렇게 노트로 공부하다가도, 전체적인 구조가 머리에 들어오지 않거나,
문서의 양이 너무 많아 공부하기가 막막한 경우,
아래의 '마인드맵' 기능을 활용하시는 것을 추천드립니다!
개인적으로는 마인드맵 기능이 가장 놀라웠고,
공부에 가장 중요한 '지식의 구조화' 를 대신해준다는 점에서
이 프로덕트의 가장 뛰어난 기능이 아닐까 생각해 보았습니다!
마인드맵 버튼을 클릭하면, 다양한 소스를 구조적으로 분리하여 이해할 수 있게 제공해주어요!
공약을 후보별, 슬로건, 공약별 주요 내용으로 구조화해줍니다.마인드맵의 유용성은 여기서 그치지 않는데요, 마인드맵을 보다 이해가 가지 않거나
좀 더 알아보고 싶은 내용이 있다면,
해당 파트를 클릭함으로써 AI의 더 많은 설명을 듣고, 자연어로 추가 질의할 수 있습니다!
예를 들어 'AI 3강 도약' 공약에 대해 궁금증이 생긴다면,
마인드맵에서 해당 가지를 클릭합니다.
마인드맵의 가지를 클릭!그러면, 아래와 같이 해당 부분에 대한 AI 질문이 생성되고,
답변을 통해 해당 분야에 대한 세부적인 내용을 정리해줍니다!
이러한 기능은 유저 경험의 플로우를 세심하게 고려한 결과물이라고 생각합니다.
유저가 마인드맵을 보는 시점에서 한 분야에 대해 궁금할 경우,
다시 메인으로 돌아가서 쿼리를 작성하여 알아보고, 다시 마인드맵으로 복귀하는
번거로운 플로우를 겪지 않도록,
마인드맵에서의 클릭으로 바로 원하는 내용을 볼 수 있도록 기능을 구현하였습니다.
2. 대화형 질문하기 (Q&A)
NotebookLM의 가장 흥미로운 기능 중 하나는 문서에 대한 자연어 질문에 답할 수 있는 기능입니다.
질문을 하면 NotebookLM이 답변을 표시하고 출처를 참조하는 번호가 적힌 인용을 회색 타원형으로 표시합니다. 이 번호에 마우스를 올리거나 클릭하면 문서에서 답이 있는 특정 위치가 표시됩니다.
해당 내용이 AI를 활용한 새로운 학습법이자 이 프로덕트의 가장 유용한 활용법이라고 보이는데요,
수동적으로 지식을 학습하는 것이 아니라, 내가 궁금한 점을 AI에게 원하는 방식으로 물으며
능동적으로 학습할 수 있습니다.
예를 들어, AI 정책의 GPU 확보 방향성에 대해 질문을 남겨 보겠습니다.
위와 같이 하나의 주제를 바탕으로 재조직하는 질문을 남기면,
다음과 같이 다양한 후보의 AI 정책을 GPU를 중심으로 정리해줍니다.
아래와 같이 이재명 후보의 GPU 확보 정책을 다루어 주는가 하면,
김문수 후보의 GPU 관련 정책은 기술 개발/간접적 지원으로 평가하며,
GPU보다는 다른 AI 측면에 집중하는 후보들의 주요 공약들도 정리합니다.
이러한 방식은 지식을 습득하는 방식을 완전히 바꾸어 놓을 수 있습니다.
아니, 이미 바꿔 놓은 것 같아요!
대선 후보의 공약을 알기 위해 공보물을 모두 훑어보거나, TV 진행자의 템포에 맞게 알아보는 것이 아니라,
방대한 공약을 내가 원하는, 관심있는 분야에 맞게 알아보고, 비교하며
유권자로서 중요하게 생각하는 분야의 공약을 바탕으로 의사결정을 내릴 수 있게 됩니다.
즉, 전체를 공부하여 내가 원하는 부분을 얻는 공부 방식이 아니라,
전체에서 내가 원하는 부분만을 집요하게 파고들어 공부하는 방식을 제공합니다.
저 또한, 업무를 진행하며 새로운 기술 스택이나 프레임워크, 개발 언어를 배워야 할 때가 많은데,
이전에는 하나하나 기술 문서나 자료를 찾아보아야 했지만
이제는 다음과 같이 notebooklm을 활용해 필요한 점들을 물어보며 학습하고 있어요!
3. 타임라인
타임라인 기능 또한 매우 놀라운데요, 이 또한 마인드맵과 같이 정보를 재조직화하는 기능입니다.
우측 '노트' 영역의 '타임라인' 버튼을 누르면,
전체 소스를 시간 단위로 재조직하여, 과거부터 현재, 미래까지 시간 순서로 다시 정리해줍니다.
아래와 같이, 2025년 6월 대선 종료 후, 6개월, 1년, 임기 내, 2030년, 50년 등
시간 순서대로 후보들의 공약이 어떻게 구성되어 있으며,
누가 대통령이 된다면 언제 어떤 일이 벌어질지를 시간의 흐름에 따라 확인할 수 있어요.
이 또한 완전히 정보의 서술 방식을 바꾸어 놓는 기능인데요,
대선이 개개인의 삶, 과거와 현재, 미래의 나에게 미치는 영향을 바탕으로
공약을 다시 점검할 수 있는, 새로운 방식의 지식 획득을 가능하게 합니다.
예를 들어 2030년, 2035년 등 특정 시기에 중요한 계획이 있는 유권자라면
이 시점의 공약을 후보별로 비교해 보는 것도 좋겠죠!
4. 팟캐스트 생성 (Audio Overview)
마지막으로 다루고자 하는 '팟캐스트 생성'은 NotebookLM의 독특한 기능으로,
문서의 주요 포인트를 논의하는 개인 맞춤형 팟캐스트를 생성합니다.
사용자가 입력한 문서를 주제로 남녀 두 명의 아나운서가 대화하는 형식의 5~6분 분량의 오디오 방송 컨텐츠를 자동으로 생성하는 기능으로, 해설을 통해 문서의 내용을 이해하기 쉽게 매번 새롭게 요약해 줍니다.
아래와 같이 우측 상단에서 5분 정도의 팟캐스트를 생성하는데,
실제 발화와 매우 유사하고 자연스럽게 내용을 모두 다루어 줍니다!
직접 들어보시면 좋을 것 같아서, 실제로 이를 기반으로 제가 제작한
공약 정리 영상 또한 아래에 첨부하였으니, 한 번 들어보셔도 좋을 것 같습니다!
팟캐스트 기능은 지식을 콘텐츠로 만드는 콘텐츠 제작자들에게 유용할 것으로 보이며,
외울 것이 많은 영단어나 숙어, 스토리를 공부할 때 활용하면 좋을 것 같습니다!
마무리하며
notebookLM의 기능은 여기까지 정리해보고자 합니다.
이러한 공약 등 지식/정보를 습득하는 것 외에도,
실제 업무에서도 다양한 방법으로 활용할 수 있을 것으로 생각합니다.
예를 들면 코드 스니펫을 넣어서 이를 개선한다거나,
외국어 문서들을 넣어서 외국어를 공부하거나,
전략 문서나 경쟁사 문서 등을 넣어서 조목조목 비교하고 벤치마킹할 수도 있겠죠!
AI 시대에 저희 개인이 할 일은, 더 나은 AI 모델을 만들거나 프로덕트를 만드는 것도 좋지만
개발된 AI를 어떻게 내 목적에 맞게 활용해서, 나의 업무에 도움을 받을 수 있을지 고민하는 일이라 생각합니다.
뉴스레터로 받아보기!
AI, 출시되었다고 바로 업무에 적용하실 수 있나요?
네이버클라우드 클로바 팀에서 누구보다 많은 AI 툴을 써 보았고,
시간이 들더라도 꼼꼼히 실패하며 적용해보고 있습니다.
새로운 툴을 쓸 때에는 언제나 시행착오가 있을 수밖에 없어요.
일주일에 한 번, 제 시행착오와 팁을 모두 담아 보내드릴게요.
아래 메일을 구독해주시면 매주 금요일 아침 찾아갈게요.
