3개월의 기록
NotebookLM,
살아남은
워크플로우 4가지
소스 기반 Grounding으로 환각률 3배 낮춘 도구, 진짜로 매일 쓰게 된 패턴만 추렸다.
NotebookLM 활용법, 3개월 쓰고 살아남은 워크플로우 4가지
소스 기반 Grounding이라는 한 가지 차별점이 사용 패턴을 어떻게 바꿨는지, 매일 쓰며 추려낸 4가지 워크플로우와 솔직한 한계까지.
처음엔 PDF 요약 도구인 줄만 알았다
NotebookLM이 다른 AI와 근본적으로 다른 지점이 하나 있다. 내가 올린 소스에서만 답변한다는 것.
일반 AI가 학습된 지식으로 "아마도 ~일 겁니다"라고 답하는 반면, NotebookLM은 "소스 3에 이런 내용이 있습니다"라고 인용과 함께 답한다. 이게 처음엔 제약처럼 느껴졌다. "왜 내 소스에 없는 건 모르지?" 싶었다. 근데 사용하다 보니 이게 오히려 강점이더라. 보고서 작성할 때 AI가 있지도 않은 출처를 만들어내는 환각(hallucination) 문제가 없다. 공개된 테스트 결과에서 NotebookLM의 환각률이 제미나이 단독 사용 대비 약 3배 낮다는 데이터가 보고되어 있다 [출처 필요: Google NotebookLM 공식 자료].
2026년 기준으로 유료 플랜에서는 노트북 하나에 소스를 최대 600개, 소스당 최대 50만 단어까지 올릴 수 있다 [출처: Google NotebookLM Help Center, 2026]. 책 한 권이 보통 10만 단어 안팎이니까, 노트북 하나에 웬만한 도서관 규모의 자료를 넣을 수 있다는 얘기다. 핵심은 소스를 어떻게 구성하느냐다. 이걸 이해하고 나서야 제대로 쓰기 시작했다.
vs 제미나이 단독
노트북당 (유료)
소스 1개당
3개월 동안 살아남은 워크플로우 4가지
매일 쓰면서도 편리함이 불편함보다 컸던 패턴만 남았다. 아래 네 가지가 그것이다.
API 문서 노트북 — 스펙 비교가 제일 빠르다
개발 프로젝트에서 외부 API를 도입할 때마다 문서를 몇 개씩 탭 열어놓고 비교하는 게 번거롭다. 지금은 Stripe, Toss Payments, 카카오페이 같은 결제 API를 붙여야 할 때 각 공식 문서 URL을 NotebookLM 소스로 등록하고 이렇게 물어볼 수 있다.
"Webhook 재시도 정책이 세 서비스 간에 어떻게 다른지 비교해줘. 실패 처리 로직 작성할 때 뭘 고려해야 해?"
세 문서를 탭 오가며 비교하는 대신, 30초 안에 비교 정리가 나온다. 공식 문서 URL, GitHub 레포 README, Stack Overflow 스레드를 조합해서 올려두면 실제 사용 사례와 공식 스펙을 동시에 볼 수 있어서 더 유용하다.
소스 선택 체크박스 기능도 요긴하다. 소스가 10개 이상 쌓이면 "이번엔 Stripe 문서랑 GitHub Issues만 참고해줘" 식으로 범위를 좁힐 수 있다. 노이즈 없이 원하는 소스만 쿼리하는 셈이다.
기획·리서치 노트북 — 자료 50개를 10분에 정리하는 방식
새 기능 기획할 때 시장 조사를 해야 하는데, 이 과정이 항상 시간이 많이 걸렸다. 지금은 Deep Research 기능으로 주제만 입력하면 NotebookLM이 웹을 탐색해서 관련 자료를 자동으로 소스로 수집해준다.
예를 들어 "국내 B2B SaaS 구독 모델 가격 책정 사례" 같은 주제를 Deep Research에 던지면, 관련 기사, 블로그, 리포트를 찾아서 소스에 추가한다. 그 다음에 구체적인 질문을 이어가면 된다. Chrome 확장 프로그램도 함께 쓰면 리서치하다가 좋은 아티클 발견 즉시 노트북에 추가할 수 있다. 무료 플랜에선 소스를 50개까지밖에 못 추가하는 게 좀 아쉽지만, 주제별로 노트북을 나눠서 관리하면 그럭저럭 된다.
Audio Overview로 통근 중 리서치 흡수
Audio Overview는 솔직히 처음엔 장난감처럼 보였다. "AI가 팟캐스트를 만든다고?" 싶었다. 근데 써보니까 생각보다 진지하다. 소스를 업로드하고 Audio Overview를 누르면, AI 진행자 두 명이 자료를 바탕으로 10~20분짜리 대화를 만들어낸다. 두 사람이 개념을 설명하고, 질문을 주고받고, 다른 소스와 연결짓는 방식이라 단순 요약보다 훨씬 잘 흡수된다.
- +Focus 지시문에 관점·범위를 명시
- +생성 후 다운로드해 오프라인 청취
- +이동 시간에 미리 맥락 잡기
- +반드시 다뤄야 할 소스는 명시 호출
- −지시 없이 전부 맡기고 기대하기
- −비중 낮은 소스를 그냥 두기 (누락 가능)
- −딥다이브 학습을 청취로만 대체
- −한 노트북에 무관한 주제를 섞기
논문 5개를 Audio Overview로 만들어서 왕복 출퇴근 시간에 들으면, 책상에 앉아서 읽는 것보다 집중이 더 잘 되는 경우도 있다. 이동 중에 귀로 들으면서 뇌를 덜 쓰는 건데, 오히려 핵심이 더 잘 박히는 감각이다.
워크플로우 지시문을 소스로 올리는 패턴
이건 처음 알았을 때 좀 충격이었다. Chat 입력창의 글자 수 제한이 있어서 복잡한 지시를 한 번에 넣기가 어렵다. 근데 해결책이 간단하다. Google Docs에 지시문을 길게 쓴다. "이 자료를 분석할 때는 1단계에서 먼저 핵심 주장을 추출하고, 2단계에서 각 주장의 근거를 확인하고, 3단계에서 서로 모순되는 지점을 찾아라"라는 식으로 2,000자짜리 워크플로우를 써두는 거다. 그 Google Docs를 NotebookLM 소스로 추가하면 된다.
그 다음엔 Chat에서 "소스 12번의 지시대로 분석해줘"라고 한 마디만 하면 된다. NotebookLM이 소스에 있는 지시문을 읽고 그대로 따른다. Custom Instructions 글자 수 제한이 최근 10,000자로 늘었다 [출처 필요: Google NotebookLM 업데이트 노트]. 이 방식이랑 결합하면 복잡한 분석 작업도 지시 한 줄에 처리할 수 있다.
막혔을 때 확인하는 것들
"왜 이걸 모르지?"라고 답답한 경우, 대부분 원인은 소스에 그 내용이 없는 것이다.
NotebookLM은 소스 밖의 정보는 대답 못 하는 게 원칙이다. 이게 제약이 아니라 특성이라는 걸 다시 상기하면 된다. 소스를 추가하면 해결된다.
PDF 임포트가 안 될 때는 copy-protected 파일인 경우가 많다. 이럴 때는 텍스트를 복사해서 직접 붙여넣거나, 파일을 다른 형식으로 변환해서 올리면 된다. 파일 용량이 50만 단어를 초과하는 경우에도 임포트 실패가 발생한다. 이때는 문서를 분할해서 올리는 게 현실적인 해결책이다.
소스가 20~30개 이상 쌓이면 답변이 두루뭉술해지는 경우가 있다. 이럴 때는 소스 패널에서 관련 소스만 체크박스로 선택한 뒤 쿼리하면 훨씬 집중된 답변이 나온다. 노이즈를 줄이는 게 품질에 직접 영향을 준다.
솔직히 아쉬운 부분
매일 쓰면서도 명확하게 한계로 남는 지점들이 있다. 정직하게 적어둔다.
- 소스 기반 Grounding — 환각 없음
- 600 소스 / 50만 단어 수용량
- 체크박스로 노이즈 차단
- Audio Overview의 흡수율
- 무료 50 소스 제한
- 노트북 간 크로스 쿼리 어색함
- Audio Overview 소스 누락 발생
- 한국어 처리가 영문보다 약함
무료 플랜에서 소스를 50개밖에 못 올리는 건 진짜 아쉽다. 주제별 노트북을 여러 개 만들어서 분산시키면 어느 정도 커버되지만, 연구 목적으로 쓰는 사람한테는 금방 한계가 온다.
노트북 간 크로스 쿼리가 아직 불편하다. 2026년에 Gemini 앱 연동으로 여러 노트북을 동시에 쿼리할 수 있게 됐다고는 하는데, 실제 보고된 사례를 종합하면 설정이 번거롭고 응답 속도도 단일 노트북보다 느린 편이다. 마케팅 노트북이랑 기술 노트북을 동시에 보면서 전략적 판단을 내리는 시나리오가 아직은 매끄럽지 않다.
Audio Overview가 소스를 가끔 빠뜨린다. 20개 소스를 올려도 가장 짧거나 비중이 낮은 소스는 팟캐스트에서 언급이 안 될 때가 있다. 반드시 다뤄야 하는 소스가 있으면 Focus 지시문에 명시적으로 언급해주는 게 안전하다.
마지막으로, 한국어 처리가 영어보다 살짝 떨어지는 인상이 있다. 영문 자료와 한국어 자료를 섞어 올리면 특히 그렇다. 중요한 분석은 가능한 한 영문 자료를 기준으로 구성하고, 한국어 자료는 보조적으로 활용하는 식으로 적응하는 것이 일반적인 권장 패턴이다.
도구는 쓰다 보면 한계도 보이고 요령도 생긴다
3개월 동안 이 4개 워크플로우가 살아남은 건, 매일 쓰면서도 편리함이 불편함보다 컸기 때문이다. 소스 기반 Grounding 덕분에 "AI가 이걸 어디서 가져왔지?"라는 불안 없이 쓸 수 있다는 점이 지금도 가장 큰 장점이다.
- Google NotebookLM Help Center — 소스 수용량 및 단어 제한 (2026)
- Google NotebookLM 공식 발표 자료 — 환각률 비교 데이터
- NotebookLM Audio Overview — Focus 지시문 가이드
- Google Workspace 업데이트 노트 — Custom Instructions 10,000자 확장
본문 내 수치와 기능 명세는 공식 문서 및 공개된 발표 자료를 기준으로 정리했다. "[출처 필요]" 표기가 있는 항목은 발행 시점에 일차 출처 링크 보강이 필요한 부분이다.
📌 함께 보면 좋은 글
'AI.IT' 카테고리의 다른 글
| 테슬라 FSD 한국 출시, 중국산 모델Y는 언제부터 가능할까 (0) | 2026.05.14 |
|---|---|
| 하네스 엔지니어링 — AI 코딩 시대, 결과물을 통제하는 진짜 기술 (0) | 2026.05.13 |
| AI 제로데이 해킹 코드, 실전에서 처음으로 포착됐다 (0) | 2026.05.13 |
| CrewAI 실전 구성하다 막혔던 3가지, 공식 예제엔 없던 문제들 (0) | 2026.05.13 |
| Dify 워크플로우를 n8n 옆에 뒀더니, 어디에 쓰는 건지 비로소 알았다 (0) | 2026.05.12 |
