목차
- 1 이 글에서 먼저 결정할 것
- 2 Work N Rich 재현 워크시트
- 3 이번 개편에서 추가로 확인할 증거
- 4 1. NotebookLM은 내 자료에 근거해 답하는 도구다
- 5 2. 왼쪽 출처 영역에는 ‘보물’만 넣어야 한다
- 6 3. 할루시네이션을 줄이는 핵심은 출처의 경계를 좁히는 것이다
- 7 4. Discover Sources는 자료 찾기 시작점으로만 써야 한다
- 8 5. 오른쪽 Studio는 결과물을 만드는 공간이다
- 9 6. 단점도 있다: 결과 생성이 느릴 수 있다
- 10 7. 바로 복붙해서 쓰는 NotebookLM 프롬프트
- 11 마무리
- 12 함께 읽으면 좋은 글
- 13 FAQ
- 14 References
- 15 함께 읽으면 좋은 글
- 16 한계와 업데이트
이 글에서 먼저 결정할 것
독자 질문: 이 AI 기능이나 방법을 실제 업무에 적용할 때 무엇을 확인해야 할까?
첫 답변: 기능을 바로 믿고 맡기기보다 입력 범위·권한·결과·사람 검수·실패 복구를 정한 뒤 작은 비식별 예시로 확인하는 것이 먼저다.
판단 기준: 공식 기능 사실, 합성 입력·출력, 사람의 검수 기준, 권한·보안 한계를 분리한다.
Work N Rich 재현 워크시트
이 워크시트는 사실을 다시 요약하는 칸이 아니라, 독자가 자기 상황의 입력·검수·다음 행동을 기록하는 칸이다.
| 단계 | 기록할 내용 |
|---|---|
| 입력 | 실제 회사자료 대신 비식별·합성 업무 자료를 넣고, 입력하지 않은 정보는 무엇인지 적는다. |
| 결과 | AI가 만든 결과에서 사실·추정·누락을 나누어 기록한다. |
| 사람 확인 | 사실 오류·권한·개인정보·업무 책임을 사람이 확인할 기준을 적는다. |
| 실패 복구 | 오류가 나면 중지할 행동, 원문으로 되돌아갈 방법, 다시 시도할 조건을 적는다. |
이번 개편에서 추가로 확인할 증거
- 독자용 증거 자산: 비식별 합성 입력 + 권한/실패 검수
- 개편 공백: 실제 경험을 꾸미지 않는 비식별·재현 예시 추가
- 개편 공백: 합성 입력 → 결과 → 사람의 확인 → 실패 복구 흐름 추가
이 글은 직장인이 PDF, 보고서, 회의자료를 더 안전하게 요약하기 위해 NotebookLM에 어떤 출처를 넣고 어떻게 질문해야 하는지 정리한 글입니다. 결론부터 말하면 출처 품질을 먼저 고르고, 출처 안에서만 답하게 하고, 확인되지 않은 내용은 분리해서 보는 것이 중요합니다. 아래에서는 실제 업무에 바로 적용할 수 있도록 출처 선택, 질문 방법, 프롬프트, 주의사항 순서로 정리합니다.
결론부터 말하면, NotebookLM의 핵심은 좋은 출처를 넣는 것이다. NotebookLM을 단순히 “질문하면 답해주는 AI”로 보면 장점을 제대로 쓰기 어렵다. NotebookLM은 내가 넣은 자료를 기반으로 읽고, 연결하고, 답변하고, 보고서·슬라이드·인포그래픽 같은 산출물까지 만들어주는 도구다.
보안 주의: 이 글의 프롬프트 예시는 일반 업무 상황을 기준으로 작성했습니다. 회사 내부자료, 고객 개인정보, 계약서, 미공개 재무정보, 영업기밀은 외부 AI 서비스에 입력하지 않는 것이 원칙입니다. 조직의 보안 정책을 먼저 확인한 뒤 활용하시기 바랍니다.
그래서 NotebookLM을 잘 쓰는 기준은 프롬프트보다 먼저 출처 관리에 있다. 좋은 자료를 넣으면 좋은 답이 나온다. 반대로 부정확하거나 불필요한 자료를 넣으면 결과도 흐려진다. 흔히 말하는 “Garbage In, Garbage Out”이 그대로 적용된다.
1. NotebookLM은 내 자료에 근거해 답하는 도구다
Google은 NotebookLM을 “사용자가 신뢰하는 정보에 기반한 연구와 사고 파트너”로 소개한다.[1] 일반 챗봇이 넓은 학습 데이터와 웹 정보를 바탕으로 답변하는 방식에 가깝다면, NotebookLM은 사용자가 넣은 출처를 중심으로 답변을 구성한다.
NotebookLM은 PDF, 웹사이트, YouTube 영상, 오디오 파일, Google Docs, Google Slides 등 다양한 자료를 출처로 추가할 수 있다.[1] 중요한 점은 답변을 할 때 출처 인용을 함께 제공한다는 것이다. Google 공식 소개에 따르면 NotebookLM은 답변에 대해 명확한 인용을 제공하고, 사용자의 출처에서 가져온 정확한 인용문을 보여준다.[1]
| 구분 | 일반 AI 챗봇 | NotebookLM |
|---|---|---|
| 정보 기반 | 모델의 학습 데이터와 입력 프롬프트 중심 | 사용자가 넣은 출처 중심 |
| 강점 | 빠른 아이디어 생성, 범용 답변 | 출처 기반 요약, 분석, 질의응답 |
| 리스크 | 그럴듯하지만 틀린 답변 가능 | 출처가 나쁘면 결과도 나빠짐 |
| 적합한 업무 | 아이디어 발산, 초안 작성 | 보고서 검토, 자료 분석, 강의 준비, 리서치 정리 |
이 차이를 이해해야 한다. NotebookLM을 제대로 쓰려면 “무엇을 물어볼까”보다 먼저 무엇을 넣을까를 결정해야 한다.
2. 왼쪽 출처 영역에는 ‘보물’만 넣어야 한다
NotebookLM에서 가장 중요한 공간은 왼쪽의 출처 영역이다. 여기에 무엇을 넣느냐가 전체 결과의 품질을 결정한다. 업무에 바로 적용하려면 출처 영역을 자료 창고처럼 쓰면 안 된다. 검증된 핵심 자료만 모아둔 보관함처럼 써야 한다.
예를 들어 AI 교육 자료를 준비한다면 아무 블로그 글을 많이 넣는 것보다, 공식 도움말, 신뢰할 수 있는 보고서, 실제 사내 문서, 교육 대상자의 업무 자료를 선별해서 넣는 편이 낫다. 자료의 양보다 품질이 중요하다.
| 넣어도 좋은 출처 | 주의해야 할 출처 |
|---|---|
| 공식 도움말, 제품 문서 | 작성자와 기준이 불명확한 블로그 글 |
| 사내 기준 문서, 매뉴얼 | 오래된 자료와 최신 자료가 섞인 파일 |
| 실제 회의록, 인터뷰 기록 | 맥락 없이 복사한 메모 조각 |
| 검증된 보고서, 논문, 정책 자료 | 광고성 자료, 홍보성 랜딩페이지 |
| 강의 대상자의 실제 업무 자료 | 출처가 중복되거나 서로 충돌하는 자료 |
이 원칙을 지키면 NotebookLM의 답변 품질이 크게 안정된다. NotebookLM이 대단한 이유는 “AI가 알아서 다 해준다”가 아니라, 내가 고른 좋은 자료 안에서 답을 찾도록 만들 수 있다는 점이다.
3. 할루시네이션을 줄이는 핵심은 출처의 경계를 좁히는 것이다
NotebookLM도 AI이기 때문에 완전히 무오류라고 볼 수는 없다. 다만 출처 기반으로 답하게 만들면 일반 챗봇보다 검토가 쉬워진다. 답변에 근거가 함께 표시되기 때문이다.[1]
중요한 것은 NotebookLM이 항상 출처를 기반으로 답하게 만드는 것이다. 질문할 때도 “일반적으로 알려줘”보다 “내가 넣은 출처를 기준으로 정리해줘”라고 요청하는 편이 좋다. 이렇게 하면 답변의 범위가 좁아지고, 확인해야 할 근거도 분명해진다.
| 나쁜 질문 | 좋은 질문 |
|---|---|
| “이 주제 설명해줘.” | “내가 넣은 출처만 기준으로 이 주제를 설명해줘.” |
| “핵심 내용 요약해줘.” | “출처별로 핵심 주장과 근거를 나눠서 요약해줘.” |
| “교육자료 만들어줘.” | “첨부한 사내 매뉴얼을 기준으로 교육자료 목차를 만들어줘.” |
| “뭐가 중요해?” | “출처에서 반복적으로 강조되는 내용을 우선순위로 정리해줘.” |
이 방식은 업무 리스크를 줄인다. 특히 보고서, 교육자료, 제안서처럼 사실관계가 중요한 문서에서는 “출처 기준”이라는 조건을 반드시 넣는 것이 좋다.
4. Discover Sources는 자료 찾기 시작점으로만 써야 한다
NotebookLM에는 웹에서 관련 자료를 찾아주는 Discover Sources 기능도 있다. Google은 이 기능이 사용자가 주제를 설명하면 웹에서 관련 출처를 찾아 추천하고, 최대 10개의 추천 출처를 요약과 함께 제시한다고 설명한다.[2]
이 기능은 처음 자료를 찾을 때 유용하다. 다만 추천된 자료를 그대로 모두 넣으면 안 된다. 업무용 노트북에서는 반드시 사람이 한 번 걸러야 한다. 추천 자료 중에서도 공식 문서, 원문 보고서, 신뢰도 높은 기관 자료를 우선 선택해야 한다.
| 단계 | 실행 방법 |
|---|---|
| 1단계 | Discover Sources에서 주제를 구체적으로 입력한다. |
| 2단계 | 추천 자료의 제목, 발행 주체, 최신성을 확인한다. |
| 3단계 | 홍보성 자료와 중복 자료를 제외한다. |
| 4단계 | 핵심 자료만 출처에 추가한다. |
| 5단계 | 추가한 출처를 기준으로 요약, 비교, 질문을 시작한다. |
즉, Discover Sources는 “자동으로 정답 자료를 넣어주는 기능”이 아니다. 자료 후보를 빠르게 찾는 기능으로 봐야 한다.
5. 오른쪽 Studio는 결과물을 만드는 공간이다
NotebookLM의 오른쪽 Studio 영역은 자료를 바탕으로 산출물을 만드는 공간이다. 최근 NotebookLM은 출처를 바탕으로 보고서, 슬라이드, 인포그래픽, 영상 요약 같은 다양한 결과물을 만들 수 있는 방향으로 확장되고 있다.[3]
Studio에서 꼭 한 번씩 써볼 만한 기능은 슬라이드, 보고서, 인포그래픽, 동영상이다. 같은 출처라도 결과물의 형식이 달라지면 활용 장면도 달라진다.
| Studio 산출물 | 활용 장면 | 사용 팁 |
|---|---|---|
| 보고서 | 리서치 정리, 회의 전 검토 | 결론, 근거, 쟁점 순서로 요청한다. |
| 슬라이드 | 발표, 교육, 공유회 | 대상자와 발표 시간을 먼저 지정한다. |
| 인포그래픽 | 한 장 요약, 개념 설명 | 메시지를 3개 이하로 제한한다. |
| 동영상 개요 | 복습, 사전학습, 공유 자료 | 긴 자료를 빠르게 훑을 때 활용한다. |
처음 사용하는 사람에게는 모든 기능을 한 번씩 써보는 것을 추천한다. 같은 자료가 보고서로 바뀔 때와 인포그래픽으로 바뀔 때, 정보가 어떻게 달라지는지 확인하면 NotebookLM의 활용 감각이 생긴다.
6. 단점도 있다: 결과 생성이 느릴 수 있다
NotebookLM은 강력하지만, 빠른 도구만은 아니다. 특히 슬라이드나 동영상 같은 Studio 산출물은 생성에 시간이 걸릴 수 있다. Google 도움말도 슬라이드 생성에는 여러 분이 걸릴 수 있으며, 생성 중에도 노트북에서 다른 작업을 계속할 수 있다고 안내한다.[4]
따라서 NotebookLM은 즉답이 필요한 상황보다 자료를 정확히 읽고 정리해야 하는 상황에 더 적합하다. 빠른 아이디어 브레인스토밍은 Gemini나 ChatGPT가 더 편할 수 있다. 반면 출처가 분명한 요약, 분석, 교육자료 제작은 NotebookLM이 강하다.
| 상황 | 추천 도구 |
|---|---|
| 빠른 아이디어 20개가 필요할 때 | 일반 AI 챗봇 |
| 사내 자료 기반으로 교육안을 만들 때 | NotebookLM |
| 보고서 원문을 근거로 핵심 쟁점을 정리할 때 | NotebookLM |
| 문장을 빠르게 바꾸고 싶을 때 | 일반 AI 챗봇 또는 Gemini Canvas |
| 출처 인용을 확인하며 답을 검토해야 할 때 | NotebookLM |
속도가 조금 느리더라도, 출처 기반으로 안정적인 결과가 필요하다면 NotebookLM을 쓰는 편이 낫다.
7. 바로 복붙해서 쓰는 NotebookLM 프롬프트
NotebookLM에서는 프롬프트보다 출처가 먼저다. 그래도 질문 문장을 잘 쓰면 결과가 더 좋아진다. 아래 문장을 그대로 복사해서 사용할 수 있다.
내가 넣은 출처만 기준으로 핵심 내용을 정리해줘. 일반 지식은 추가하지 말고, 출처에서 확인되는 내용과 확인되지 않는 내용을 구분해줘.
출처별로 핵심 주장, 근거, 업무 적용 포인트를 표로 정리해줘. 서로 충돌하는 내용이 있으면 별도로 표시해줘.
이 자료를 바탕으로 직장인 대상 교육자료 목차를 만들어줘. 교육 대상은 AI 초보자이고, 목표는 실제 업무에 적용할 수 있게 만드는 것이야.
출처에서 반복적으로 강조되는 내용을 기준으로 우선순위 5개를 정리해줘. 각 항목마다 근거가 되는 출처를 함께 표시해줘.
마무리
NotebookLM을 잘 쓰는 사람은 질문을 잘하는 사람 이전에 좋은 출처를 고르는 사람이다. 왼쪽 출처 영역에는 가능한 한 검증된 자료만 넣어야 한다. 내가 믿을 수 있는 자료를 넣어야 NotebookLM도 믿을 만한 답을 만든다.
업무에서 NotebookLM을 쓸 때의 원칙은 단순하다. 보물 같은 자료만 넣고, 출처 기준으로 질문하고, Studio에서 필요한 산출물로 바꿔보는 것이다. 이 흐름을 익히면 NotebookLM은 단순 요약 도구가 아니라, 개인의 자료를 기반으로 일하는 AI 리서치 파트너가 된다.
함께 읽으면 좋은 글
관련해서 NotebookLM으로 슬라이드 만들 때 한글이 깨지지 않게 하는 법, Gemini Canvas로 문서를 웹페이지와 인포그래픽으로 바꾸는 법, 반복 업무를 AI 시스템으로 바꾸는 30일 점검법도 함께 읽으면 자료 정리와 업무 산출물 제작 흐름을 더 쉽게 잡을 수 있습니다.
FAQ
NotebookLM을 쓰면 할루시네이션이 완전히 사라지나요?
완전히 사라지지는 않습니다. 다만 믿을 만한 출처만 넣고, “출처에서 확인되는 내용만 답하라”고 요청하면 일반 채팅형 AI보다 검토하기 쉬운 답변을 얻을 수 있습니다.
어떤 자료를 출처로 넣는 것이 좋나요?
최종본 PDF, 공식 매뉴얼, 회의에서 확정된 자료, 검토가 끝난 보고서처럼 기준으로 삼을 수 있는 자료가 좋습니다. 초안, 오래된 자료, 출처가 불분명한 캡처 이미지는 신중하게 넣어야 합니다.
References
[1]: https://notebooklm.google/ “Google NotebookLM, AI Research Tool & Thinking Partner” [2]: https://blog.google/innovation-and-ai/models-and-research/google-labs/notebooklm-discover-sources/ “Google Blog, New in NotebookLM: Discover sources from around the web” [3]: https://workspaceupdates.googleblog.com/2026/03/new-ways-to-customize-and-interact-with-your-content-in-NotebookLM.html “Google Workspace Updates, New ways to customize and interact with your content in NotebookLM” [4]: https://support.google.com/notebooklm/answer/16757456?hl=en “Google NotebookLM Help, Generate a Slide Deck in NotebookLM”
함께 읽으면 좋은 글
- AI가 내 일을 바꿀 때, 신입 직장인이 먼저 할 일 — 같은 카테고리에서 검수와 실행 범위를 비교할 수 있는 글
- AI에 회사 문서를 넣어도 될까? 8월 31일 개인정보 제도 제안 전 점검표 — 같은 카테고리에서 검수와 실행 범위를 비교할 수 있는 글
한계와 업데이트
실제 회사 자료나 개인 정보로 검증한 경험을 의미하지 않는다. 기능·요금·권한은 계정 유형과 시점에 따라 달라질 수 있으므로 공식 문서와 조직 정책을 다시 확인한다. 이 글의 기준일과 공식 출처는 공개 전 다시 확인한다. 마지막 확인일: https://work-n-rich.com/notebooklm-source-quality-guide/.