노트북LM 완벽가이드. 최신 AI기능부터 실무 활용까지
구글의 AI 기반 리서치 및 문서 요약 도구 노트북LM 활용방법
챗GPT나 제미나이에게 질문하면 매번 그럴듯한 답이 돌아옵니다. 그런데 출처를 확인해 보면 존재하지 않는 논문이 인용되어 있거나, 사실과 다른 수치가 들어가 있는 경우도 적지 않습니다. 이것이 생성형 AI의 고질적인 문제인 환각(Hallucination) 현상인데요. 기업에서 생성형 AI를 업무에 도입할 때 가장 먼저 부딪히는 벽이 바로 이 신뢰성의 문제입니다.
구글 노트북LM(NotebookLM)은 환각 현상을 해결하기 위한 뛰어난 대안 중 하나입니다. 사용자가 직접 올린 문서 안에서만 답을 찾아가는 맞춤형 AI 리서치 비서라는 점에서 기존의 챗봇과는 차이점이 있습니다.
노트북LM은 계속 진화하고 있는데요. 구글의 최신 추론 엔진인 제미나이 3.1 프로(Gemini 3.1 Pro)가 탑재되었고, 100만 토큰 컨텍스트 창이 모든 사용자에게 제공되고 있습니다. 디자이너 관점에서 인포그래픽과 슬라이드 자동 생성은 훌륭한 아이디어의 창고가 되어주기도 하고, 제미나이와의 실시간 연동까지 업데이트의 폭이 계속해서 넓어지고 있습니다.(아래 유튜브 영상이 본 포스팅과 관련된 내용입니다. 유튜브 영상에서 객체를 모두 수정할 수 있는 PPT 강의교안 공유 이벤트를 진행중입니다)
chapter 1. 구글 노트북LM의 진화
소스 기반(Source-Based) 기술
노트북LM의 작동 방식을 이해하려면, 먼저 일반적인 생성형 AI와의 차이를 알아야 합니다. 챗GPT 같은 범용 LLM은 방대한 인터넷 데이터를 학습한 뒤, 그 안에서 통계적으로 가장 그럴듯한 답변을 만들어냅니다. 문제는 이 과정에서 실제로 존재하지 않는 정보를 마치 사실인 것처럼 내놓는 환각 현상이 생긴다는 것입니다.
노트북LM은 이 구조 자체를 바꿔놓은 것이 가장 큰 특징입니다. 폐쇄형 검색 증강 생성(RAG) 시스템을 사용해서, 사용자가 올린 PDF, 구글 문서, 유튜브 영상, 웹사이트 등 특정 데이터 안에서 답을 찾습니다. 이런 작동 원리를 소스 기반(Source-Based) 방식이라고 부르는데요. 내가 업로드한 자료나 제시한 링크 등을 기준으로 답을 찾고, 필요하면 웹과 연결되어 확장되는 구조입니다. 모든 답변에는 원본 문서의 어디에서 가져왔는지를 보여주는 인용(Citation) 링크가 붙어 있어서, 클릭 한 번으로 원문의 해당 부분으로 이동해 교차 검증을 할 수 있습니다. 물론, 사용자가 제시한 자료나 링크 자체에 틀린 내용이 포함되어 있을 수도 있다는 점은 염두에 두어야 합니다.
사용자가 업로드한 소스를 기반으로 답변을 생성한다는 점에서, 환각 현상의 문제는 상당 부분 해결됩니다. 그럼에도 생성형 AI인 만큼 환각이 완전히 사라지는 것은 아닙니다. 그렇다면 이것을 실무에서는 어떻게 활용할 수 있을까요? 가장 쉬운 예를 들면, 100페이지짜리 계약서를 넣고 "위험 조항을 요약해 줘"라고 질문했을 때, AI가 인터넷 어딘가에서 가져온 일반적인 법률 상식이 아니라 업로드한 그 계약서 안의 특정 조항을 근거로 답변한다는 것입니다. 보고서를 쓰든 전략 회의를 준비하든, 사용자가 직접 제시한 데이터에 근거한 답변이라는 점에서 신뢰성을 확보할 수 있게 됩니다.
제미나이 3.1 프로와 100만 토큰 콘텍스트 창
최근(2026년) 업데이트에서 가장 눈여겨봐야 할 변화는 세 가지입니다. 첫째, 구글 AI 프로 및 울트라 구독자를 대상으로 제미나이 3.1 프로(Gemini 3.1 Pro) 엔진이 탑재되었습니다. 이전 버전에서도 문서 요약이나 질의응답은 충분히 가능했지만, 복잡한 문서 사이의 논리적 연결을 파악하거나 서로 다른 데이터에서 깊이 있는 통찰을 끌어내는 데는 한계가 있었습니다. 제미나이 3.1 프로는 이 추론 능력을 크게 끌어올렸습니다.
둘째, 모든 요금제 사용자에게 100만 토큰(약 50만 단어) 콘텍스트 창이 제공됩니다. 실무적으로 이것은 수백 페이지에 달하는 PDF 서적이나 긴 회의 녹취록, 여러 편의 연구 논문을 하나의 노트북에 올려놓고 마치 10페이지짜리 문서를 다루듯 분석할 수 있다는 것입니다.
셋째, 2026년 1월부터 구글 제미나이(Gemini) 앱과의 연동이 시작되었습니다. 제미나이 채팅창에서 노트북LM의 노트북을 직접 소스로 불러올 수 있게 되면서, 제미나이의 범용 추론 능력과 노트북LM의 문서 기반 데이터를 결합해서 쓸 수 있게 되었습니다. 제미나이 프롬프트 입력창 왼쪽의 플러스(+) 아이콘을 클릭하면 내가 노트북LM에서 나누었던 대화들의 리스트가 나타나는데요. 이중에서 필요한 노트북을 선택하여 추가하면 됩니다.
반대로 제미나이에서 작업한 결과물은 우측 하단의 '공유 및 내보내기' 기능을 통해 클릭 한 번으로 구글 문서(Docs)에 저장할 수 있습니다. 이렇게 생성된 구글 문서는 노트북LM의 '소스 추가' 메뉴에서 즉시 불러올 수 있어, 제미나이와 노트북LM 사이의 끊김 없는 정보 순환이 가능합니다. 제미나이로 브레인스토밍한 아이디어를 문서화한 뒤, 이를 다시 노트북LM의 분석 소스로 활용하면 자료를 훨씬 체계적으로 구조화할 수 있습니다. 두 도구를 유기적으로 연결함으로써, 파편화된 정보를 하나의 완성도 높은 강의안이나 원고로 다듬어가는 과정이 한결 수월해질 것입니다.
무료 버전만으로도 충분할까?
노트북LM은 무료 버전도 충분히 활용할 만한 수준입니다. 노트북 최대 100개를 만들 수 있고, 노트북당 50개의 소스를 올릴 수 있습니다. 하루에 채팅 50회, 오디오와 비디오 오버뷰 생성 3회, 학습 도구 생성 10회까지 가능합니다. 혼자서 가볍게 리서치를 하거나 특정 프로젝트의 자료를 정리하는 용도라면, 무료 버전으로도 충분합니다.
하지만 작업 규모가 커지면 이야기가 달라집니다. 플러스 플랜은 노트북당 소스 100개, 하루 채팅 100회로 무료 버전 대비 약 2배 확장됩니다. 프로 플랜(월 약 20달러)은 노트북당 소스 300개, 하루 채팅 500회, 맞춤형 응답 스타일 지정이 가능하고 제미나이 3.1 프로 엔진을 쓸 수 있습니다. 울트라 플랜은 노트북당 소스 600개, 하루 채팅 5,000회, 오디오/비디오 오버뷰 하루 200회라는 넉넉한 한도와 함께 워터마크 제거까지 포함됩니다.
기업 환경에서 쓸 예정이라면 한 가지 더 알아둘 것이 있습니다. 2025년 2월부터 노트북LM은 구글 워크스페이스의 핵심 서비스로 편입되었습니다. 업로드한 자료가 구글의 AI 모델 학습에 사용되지 않으며, SOC 2와 ISO 27001 인증을 갖추고 있습니다. 조직 안에서 역할 기반으로 노트북을 안전하게 공유할 수 있어서, 영업 팀의 세일즈 자료나 경영진의 이사회 자료를 보안 걱정 없이 함께 활용할 수 있습니다. 다만, 이것은 구글이 공식적으로 밝힌 정책입니다. 클라우드 서비스를 이용할 때 개인정보보호에 대한 각자의 판단과 기준은 별도로 갖고 있어야 합니다.
chapter 2. 데이터(소스) 세팅의 기술
노트북LM이 소화할 수 있는 데이터의 종류
노트북LM은 사용자가 올린 데이터를 기반으로 작동합니다. 따라서 결과물의 품질은 입력 데이터의 질과 구조에 따라 달라집니다. 아무리 좋은 추론 엔진이 탑재되어 있어도, 이것저것 섞인 데이터에서는 정리되지 않은 답변이 나올 수밖에 없습니다. 이것은 AI의 문제가 아니라 입력의 문제입니다.
지원하는 데이터 포맷은 꽤 다양합니다. 구글 문서, 구글 슬라이드, 구글 스프레드시트는 물론이고 PDF, TXT, 마크다운, CSV 파일을 바로 올릴 수 있습니다. JPG나 PNG 같은 이미지도 OCR(광학 문자 인식)을 통해 손글씨까지 읽어냅니다. 구글 드라이브에 있는 파일을 바로 소스로 가져올 수도 있고, 유튜브 영상의 URL을 붙여 넣으면 자막을 자동으로 뽑아서 분석해 줍니다. MP3나 WAV 같은 오디오 파일(최대 200MB, 약 1.5~2시간 분량)도 올리면 텍스트로 바꿔준 뒤 핵심 내용을 정리해 줍니다. 소스당 최대 50만 단어 또는 200MB까지 처리할 수 있어서, 꽤 많은 양의 자료를 한 번에 넣을 수 있습니다.
실무에서 쓸 만한 팁 하나를 소개하겠습니다. 특정 주제에 대한 유튜브 영상 수십 개를 한꺼번에 소스로 등록하고 싶을 때가 있는데요. 이때 크롬 웹스토어에서 'Grabbit'이라는 확장 프로그램을 설치하면 편리합니다. 유튜브 채널 페이지에서 원하는 영상들이 있는 영역을 마우스로 드래그하면, Grabbit이 해당 영역 안의 모든 영상 링크를 자동으로 잡아줍니다. 이렇게 모은 링크를 복사해서 노트북LM의 '웹사이트 링크 추가'란에 붙여 넣으면, 수십 개의 영상이 한 번에 소스로 등록됩니다. 무료이고 별도의 계정 등록 없이 바로 쓸 수 있습니다.
딥 리서치(Deep Research) 기능 탑재
내가 가진 자료만으로 부족할 때, 노트북LM은 웹 검색을 통해 정보를 보충해 주는 '리서치(Research)' 기능을 제공합니다. 두 가지 모드가 있는데요. 패스트 리서치(Fast Research)는 간단한 질문에 대해 몇 분 안에 웹을 검색해서 요약된 답변과 관련 링크를 소스에 추가해 줍니다.
진짜 강력한 것은 딥 리서치(Deep Research)입니다. 시간은 좀 걸리지만(10분 넘게 걸리기도 합니다), 수십 개의 웹사이트를 깊이 탐색하고 교차 검증해서 40여 개 이상의 출처가 포함된 리서치 보고서를 자동으로 만들어 줍니다. 리서치 어시스턴트 한 명이 반나절 동안 할 일을 AI가 10분 안에 처리해 주는 것이죠.
여기서 한 단계 더 나아가는 방법이 있습니다. 딥 리서치를 돌린 후, AI에게 "지금까지 모은 데이터 중에서 빠진 부분이나 한쪽으로 치우친 정보가 있는지, 반대되는 의견은 없는지 분석해 줘"라고 물어보는 것입니다. AI가 짚어준 부족한 부분을 다시 딥 리서치 프롬프트로 넣어서 소스를 보강하면, 훨씬 균형 잡힌 데이터 세트를 만들 수 있습니다. 일종의 빈틈 메우기 전략이라고 할 수 있습니다.
핵심 소스는 느낌표(!!)로 정리
무료 버전은 노트북당 50개, 프로 버전은 300개까지 소스를 올릴 수 있습니다. 그런데 소스가 수십 개로 늘어나면, 특정 주제의 보고서나 슬라이드를 만들 때 어떤 소스를 써야 할지 헷갈리기 시작합니다.
이때 쓸 수 있는 간단하지만 효과적인 방법이 있습니다. 딥 리서치 결과물이나 가장 중요한 메인 문서의 이름을 수정해서, 맨 앞에 느낌표(!!)를 붙여주는 것인데요. 노트북LM은 특수문자나 숫자가 포함된 소스를 목록의 맨 위로 올려서 정렬합니다. 이렇게 중요한 소스를 위쪽에 고정해 두면, 나중에 스튜디오 기능을 쓸 때 위쪽의 핵심 소스 몇 개만 골라서 결과물을 만들 수 있습니다. 불필요한 정보(노이즈)가 빠지면 최종 결과물의 품질이 확 달라지기 마련입니다.
또 한 가지 방법은, 하나의 노트북에 모든 자료를 몰아넣지 않고 주제나 목적별로 노트북 자체를 나누는 것입니다. 예를 들어, 같은 프로젝트라도 '경쟁사 분석용', '고객 제안서용', '내부 보고용'처럼 용도에 따라 노트북을 분리하면, 각 노트북 안의 소스가 이미 해당 목적에 맞게 걸러져 있기 때문에 AI의 답변 정확도가 올라갑니다. 무료 버전도 노트북을 100개까지 만들 수 있으니, 노트북 수를 아끼기보다는 적극적으로 나눠서 쓰는 것이 결과물의 품질 면에서 유리합니다.
chapter 3. 스튜디오(Studio) 기능 활용
오디오 오버뷰와 동영상 개요
노트북LM의 무한한 확장성은 스튜디오(Studio) 패널에 있습니다. 올려놓은 데이터를 텍스트 요약으로만 받는 것이 아니라, 여러 가지 멀티미디어 형태로 바로 바꿀 수 있습니다.
AI 오디오 오버뷰(Audio Overview)는 올린 자료를 두 명의 AI 호스트가 대화하는 팟캐스트 형태로 바꿔줍니다. 딥 다이브(깊이 파고들기), 브리프(짧게 요약), 크리티크(비판적 분석), 토론(서로 다른 시각) 중에서 목적에 맞는 형태를 고를 수 있습니다. 여기서 더 흥미로운 것은 실시간 인터랙티브 모드인데요. 팟캐스트를 듣다가 '대화 참여' 버튼을 누르면, AI 호스트에게 바로 질문을 하거나 특정 주제로 대화 방향을 바꿀 수 있습니다. 출퇴근길에 15분짜리 크리티크 오디오를 들으면서 기획안의 약점을 미리 파악하면, 회의 전 준비 시간을 많이 줄일 수 있습니다.
동영상 개요(Video Overview)는 텍스트 문서를 시각적 다이어그램과 AI 음성 해설이 결합된 짧은 설명 영상으로 만들어줍니다. 화이트보드, 종이공예, 수채화, 일본 애니메이션, 레트로 인쇄 등 다양한 스타일을 프롬프트로 정할 수 있고, 상세한 설명 방식과 짧은 요약 방식 중에서 선택할 수 있습니다. 사내 교육 콘텐츠나 소셜 미디어용 자료를 만들 때 영상 제작에 드는 시간을 크게 줄여줍니다.
마인드맵, 보고서, 플래시카드, 퀴즈
마인드맵(Mind Map) 기능은 여러 소스 사이의 연결 관계와 숨어 있는 논리 구조를 시각적인 다이어그램으로 자동 생성해 줍니다. 복잡한 법률 문서나 긴 교육 영상의 전체 구조를 한눈에 파악할 때 유용하고, 각 항목을 클릭하면 하위 주제로 들어가서 더 자세한 설명을 볼 수 있습니다.
보고서(Reports) 기능은 소스를 바탕으로 브리핑 문서, 스터디 가이드, 블로그 글, FAQ, 타임라인, 전략 분석 보고서 등을 바로 만들어줍니다.
플래시카드(Flashcards)는 핵심 개념이나 암기할 내용을 앞뒤로 넘겨보는 단어장 형태로 뽑아주는데, 스마트폰에서 이동 중에 공부하기 좋습니다.
퀴즈(Quizzes)는 객관식과 주관식 문제를 자동으로 만들고, 틀린 문제에 대해서는 왜 틀렸는지 해설까지 달아줍니다. 문제 수와 난이도를 직접 조절할 수 있어서, 사내 교육 담당자가 시험을 출제하는 시간을 크게 줄일 수 있습니다.
인포그래픽과 슬라이드
최근(2026년 3월) 업데이트된 인포그래픽(Infographics) 기능은 많은 양의 데이터와 텍스트를 한 장의 시각적 이미지로 압축해 줍니다. 프롬프트를 통해 카와이, 사이버펑크, 스케치, 기업용 미니멀리스트 등 디자인 스타일과 가로·세로 비율을 정할 수 있습니다. 다만, 결과물이 텍스트를 직접 수정할 수 없는 이미지(PDF/PNG) 형태로 나온다는 점은 알아두어야 합니다. 개별 항목을 수정하고 싶은 경우에는 젠스파크 등을 활용하는 것이 효과적입니다(아래 영상에서 노트북LM 슬라이드 디자인을 내 의도대로 뽑는 방법을 확인해보세요. 영상 이벤트도 진행중입니다)
슬라이드 자료(Slide Decks)도 큰 폭으로 업데이트되었는데요. 예전에는 슬라이드 하나를 고치려면 전체를 다시 만들어야 했지만, 이제는 수정 모드에서 "슬라이드 1의 텍스트를 줄이고 색상을 바꿔줘"라고 프롬프트를 입력하면 그 슬라이드만 따로 고쳐줍니다. 파워포인트(PPTX) 파일로 내려받을 수도 있지만, 파일 형식만 파워포인트일 뿐 실제로는 슬라이드마다 통 이미지가 들어간 구조입니다.
이 문제를 해결하는 가장 좋은 방법은 제미나이 앱에서 노트북을 소스로 불러온 뒤, 제미나이의 '캔버스(Canvas)' 도구로 슬라이드를 만드는 것입니다. 이렇게 하면 텍스트와 개체를 자유롭게 수정할 수 있는 형태로 결과물을 받을 수 있습니다. 물론 이 경우에는 디자인이 다소 단조로워진다는 점은 감안해야 합니다.
데이터 표(Data Tables) 기능도 실무에서 자주 쓰이는데요. 여러 문서에 흩어져 있는 데이터를 "경쟁사별 가격, 장단점을 표로 정리해 줘"라고 말하면 깔끔한 표로 합쳐줍니다. 구글 스프레드시트로 바로 보낼 수 있어서 추가 분석이나 가공을 하기 편합니다.
chapter 4. 나에게 맞는 고급 설정 활용 방법
10,000자 커스텀 페르소나
예전에는 AI에게 "이해하기 쉽게 설명해 줘" 정도의 짧은 지시만 내릴 수 있었습니다. 그런데 노트북LM이 채팅 맞춤 설정의 글자 수 제한을 500자에서 10,000자로 크게 늘렸습니다. 짧은 메모 수준이 아니라, AI에게 매뉴얼을 통째로 건네줄 수 있게 된 것이죠.
채팅 패널의 설정(Configure) 메뉴에서 페르소나의 역할, 목표, 답변 스타일, 심지어 예시 결과물까지 자세하게 넣을 수 있습니다. 한번 설정해 두면 대화가 계속되는 동안 일관되게 유지되기 때문에, 매번 어투나 형식을 다시 알려줄 필요가 없습니다. 예를 들어, "당신은 20년 경력의 디지털 마케팅 전문가입니다. 내가 올린 자료를 분석해서 타깃 고객의 페르소나를 정리하고, 현재 콘텐츠 전략에서 놓치고 있는 키워드나 고객 접점이 있는지 짚어주세요. 경쟁사 자료가 포함되어 있다면, 우리가 차별화할 수 있는 메시지 방향도 함께 제안해 주세요"라고 설정하면, AI는 단순히 자료를 요약하는 것이 아니라 마케터의 시선으로 빈틈을 찾아주는 역할을 하게 됩니다.
개인 설정을 하는 이유는 같은 데이터라도 페르소나에 따라 전혀 다른 관점의 결과물을 얻을 수 있기 때문입니다. 중요한 것은 AI에게 내 일을 대신시키는 것이 아니라, 내가 미처 보지 못한 부분을 체크받는 용도로 활용하는 것입니다. 콘텐츠 기획안을 넣고 "이 기획에서 빠진 고객 관점이 있는지 점검해 줘"라고 물어본다거나, 경쟁사 보고서를 넣고 "우리가 이 시장에서 쓸 수 있는 포지셔닝 메시지를 3가지 방향으로 제안해 줘"라고 요청하는 식입니다. 하나의 노트북 안에서 용도에 따라 AI의 역할을 바꿔가며, 아이디어를 넓히고 빈틈을 좁혀가는 과정이 중요합니다
제미나이(Gemini) 앱과의 연동
2026년 1월부터 노트북LM과 구글 제미나이 앱 사이의 벽이 허물어졌습니다. 제미나이 채팅창에서 노트북LM의 노트북을 직접 '소스'로 불러올 수 있게 된 것인데요.
노트북LM은 내가 올린 자료 안에서만 답을 찾는 데 특화되어 있습니다. 반면 제미나이는 범용 추론 능력이 뛰어나지만, 특정 프로젝트의 맥락을 모릅니다. 이 둘을 합치면, 제미나이의 추론 능력에 노트북LM의 문서 기반 데이터가 결합됩니다. 제미나이 채팅창의 '+' 버튼으로 특정 노트북을 불러온 뒤, "이 자료를 바탕으로 유튜브 대본을 써줘"라거나 "랜딩 페이지 문구를 만들어줘"라고 요청할 수 있습니다.
더 나아가서, 제미나이의 맞춤형 챗봇 기능인 '젬(Gems)'의 지식 베이스에 노트북을 계속 붙여둘 수도 있습니다. 이렇게 하면 특정 프로젝트의 내용을 완벽히 알고 있는 나만의 전담 AI가 만들어집니다. 다만 주의할 점이 있는데요. 제미나이는 수천 페이지의 노트북을 처음부터 끝까지 다 읽는 것이 아니라, 필요한 부분을 찾아오는 방식(Retrieval)으로 작동합니다. 따라서 분량이 많은 노트북을 연결했을 때는 질문에 특정 인물, 장소, 날짜 같은 분명한 '앵커 키워드'를 넣어줘야 AI가 정확한 정보를 찾아올 수 있습니다.
흩어진 자료를 비즈니스 자산으로 바꾸는 방법
대부분의 사용자는 자료를 넣고 요약본을 받는 1회성 작업에서 멈춥니다. 하지만 노트북LM의 '메모(Notes)' 기능을 잘 활용하면, AI가 만들어낸 결과물을 다시 학습 데이터로 넣어서 정보의 밀도를 계속 높여가는 순환 구조를 만들 수 있습니다.
과정은 이렇습니다. 먼저 유튜브 영상, PDF 등 여러 개의 원본 자료를 넣고 AI에게 원하는 형태의 결과를 요청합니다. 예를 들어, "이 자료들을 바탕으로 7일짜리 출장 가이드를 만들어줘"라고 하는 식입니다. 만족스러운 결과가 나오면 채팅창 아래쪽의 '메모에 저장'을 누릅니다. 그다음, 저장된 메모에서 '더 보기 → 소스로 추가'를 선택합니다. 이러면 AI가 만든 요약본이 노트북의 새로운 소스로 등록됩니다.
마지막으로, 기존의 복잡한 소스들은 체크를 해제하고 방금 추가한 '요약본 소스' 하나만 선택합니다. 그 상태에서 스튜디오의 슬라이드나 플래시카드를 누르면, 군더더기 없이 깔끔하게 정리된 결과물이 나옵니다. 질문해서 통찰을 얻고, 메모로 저장하고, 소스로 다시 넣고, 새로운 형태로 생성하는 — 이 과정을 반복하면 이곳저곳에 흩어져 있던 자료가 체계적인 사내 매뉴얼이나 비즈니스 자산으로 바뀌게 됩니다.
chapter 5. 이럴 때 이렇게 쓰세요
전략/기획 팀 — 이사회 보고 및 경쟁사 분석
100페이지가 넘는 분기별 이사회 보고서와 시장분석 자료 속에서 핵심 전략과 리스크를 뽑아내야 하는 상황을 생각해 보겠습니다. 'Q1 이사회 준비'라는 이름으로 노트북을 하나 만들고, 이전 분기의 이사회 슬라이드, 최신 재무 요약본, 전략 메모, 애널리스트 보고서를 올립니다. 커스텀 페르소나는 "전략적 리스크와 기회에 집중하는 임원 조언자"로 설정합니다.
회의 며칠 전에 크리티크(Critique) 형태의 오디오 오버뷰를 만들어서, 출퇴근길에 15분 정도 들으면서 기획안의 약한 부분과 리스크를 파악합니다. 그다음 AI에게 "지역별 변화를 요약하고, 리스크 상위 3가지를 정리해서 슬라이드 아웃 라인을 만들어줘"라고 지시합니다. 경쟁사 비교가 필요하면 데이터 표 기능으로 구글 스프레드시트에 한눈에 볼 수 있는 비교표를 뽑습니다. 이전에는 담당자가 며칠 걸리던 작업이, 이 흐름 안에서는 몇 시간이면 초안까지 나옵니다.
마케팅/콘텐츠 팀 — 트렌드 파악부터 SNS 자료 제작까지
매주 트렌드를 조사하고 블로그나 소셜 미디어용 콘텐츠 아이디어를 빠르게 만들어야 하는 마케팅 팀의 워크플로우입니다. 경쟁사 블로그 글, 산업 보고서, 고객 인터뷰 내용, 소셜 미디어 트렌드 자료를 노트북에 올립니다.
5분짜리 브리프(Brief) 오디오를 만들어서 출근길에 이번 주 핵심 인사이트를 빠르게 파악합니다. 듣다가 인터랙티브 모드를 켜고 "우리가 채울 수 있는 콘텐츠 빈자리가 뭐가 있을까?" 하고 바로 물어볼 수도 있습니다. 스튜디오에서 블로그 초안을 작성한 뒤, 인스타그램이나 핀터레스트용으로 "눈에 띄는 통계가 들어간 정사각형 인포그래픽을 만들어줘"라는 프롬프트를 넣으면 시각 자료까지 바로 나옵니다. 하나의 데이터에서 글, 오디오, 이미지까지 여러 형태의 콘텐츠가 동시에 만들어지는 것이죠.
HR/교육 팀과 영업 팀 — 온보딩부터 고객 제안서까지
HR 팀이라면 '사내 온보딩' 노트북에 직원 핸드북, 프로세스 문서, FAQ를 모두 올린 뒤, 외국인 직원에게는 그 사람의 모국어(노트북LM은 50개 이상의 언어를 지원합니다)로 된 오디오 오버뷰를 만들어 줄 수 있습니다. 핵심 개념은 플래시카드로 모바일 학습을, 이해도 확인은 퀴즈로 테스트하고, 딱딱한 텍스트 매뉴얼은 동영상 개요로 바꿔서 교육합니다. 200페이지짜리 사내 규정이 여러 형태의 학습 키트로 바뀌는 과정입니다.
영업 팀이라면, 중요한 미팅 전에 고객사 웹사이트, 최근 뉴스, 업계 보고서, 자사와 경쟁사의 제품 스펙을 올립니다. "특정 경쟁사에 맞서 우리 제품을 제안하기 위한 1페이지짜리 배틀카드를 만들어줘"라고 하면 핵심 비교표와 케이스 스터디 근거가 정리됩니다. "고객이 '비용이 너무 비싸다'라고 할 때 가치 제안을 활용한 대응 스크립트를 만들어줘"라고 하면 반론 대응 논리까지 나옵니다. 이것을 슬라이드 자료로 바꾸면, 고객 미팅용 제안서 초안이 완성됩니다.
chapter 6. 노트북LM을 맹신하면 안 되는 이유
인용 링크를 꼭 클릭하는 습관
소스 기반 방식이 환각 현상을 줄여주는 것은 분명하지만, 이것이 '오류가 전혀 없다'는 뜻은 아닙니다. 서로 다른 내용을 담고 있는 소스들을 합치는 과정에서 AI가 맥락을 잘못 이해하거나, 틀린 요약을 자신 있게 내놓을 가능성은 여전히 있습니다. 특히 "쓸모없는 것을 넣으면 쓸모없는 것이 나온다(Garbage In, Garbage Out)"는 원칙이 그대로 적용됩니다.
빈 노트북을 채우려고 이것저것 닥치는 대로 올리는 것은 좋지 않습니다. 프로젝트 목표와 직접 관련된 품질 좋은 문서 5~10개를 골라서 올리는 것이, 관련 없는 문서 100개를 넣는 것보다 훨씬 정확하고 쓸 만한 결과를 줍니다. 오래된 자료나 한쪽으로 치우친 데이터가 섞여 있으면 기대와 다른 결과가 나올 수 있으니, 주기적으로 소스 목록을 점검하고 필요 없는 것은 정리해 주는 것이 좋습니다.
그리고 꼭 기억해야 할 습관이 하나 있습니다. 노트북LM이 만든 답변에는 모든 문장 뒤에 인용 번호가 붙어 있습니다. 이 번호를 클릭하면 원본 문서의 해당 부분으로 바로 이동하는데요. 중요한 비즈니스 의사결정이나 통계, 재무 데이터가 들어 있는 경우에는 AI의 요약만 믿지 말고, 반드시 인용 링크를 눌러서 원문이 실제로 그렇게 말하고 있는지 확인해야 합니다. 이 팩트체크 습관이 노트북LM을 '편한 도구'에서 '믿을 수 있는 도구'로 만드는 결정적인 차이입니다.
노트북LM을 '도구'가 아닌 '워크플로우'로 바라보기
노트북LM의 가치는 개별 기능 하나하나에 있지 않습니다. 데이터 큐레이션으로 입력의 질을 높이고, 커스텀 페르소나로 출력의 방향을 잡고, 메모 기반 무한 루프로 정보의 밀도를 높이고, 스튜디오로 최종 결과물을 원하는 형태로 바꾸는 — 이 흐름이 하나의 시스템으로 돌아갈 때 생산성이 크게 올라갑니다.
단순히 "AI가 요약해 줬다"에서 멈추지 않았으면 합니다. 자신의 업무 상황에 맞는 워크플로우를 직접 설계해 보시기 바랍니다. 노트북LM은 그 설계를 실행할 수 있는 충분한 도구를 이미 갖추고 있습니다. 이제 남은 것은, 어떤 데이터를 넣고 어떤 질문을 던질 것인가 — 결국 사용자의 판단입니다.
구글 노트북LM 완벽 가이드 - 최신 기능부터 실무 활용까지