안녕하세요! 구글 AI 대장정 시리즈의 두 번째 시간입니다. 1편에서 구글 AI의 강력한 뇌인 ‘제미나이 3.1 프로’를 살펴봤는데요. 이번에는 그 지능을 활용해 복잡한 공부와 리서치를 단번에 해결해주는 도구, NotebookLM을 소개합니다.
사이트 주소: https://notebooklm.google
사실 제가 NotebookLM을 블로그에서 다루는 건 벌써 두 번째입니다. 예전에 간단히 보여드린 적이 있는데, 그때보다 훨씬 강력해진 2026년 버전의 성능에 다시 매료되어 이번 시리즈의 핵심으로 선정하게 되었습니다. 초보자분들도 “아, 이래서 AI를 쓰는구나”라고 바로 체감할 수 있는 활용법을 아주 자세히 알려드릴게요.
1. 따라 해보기: “파일 하나만 올리면 나만의 전문 교수가 탄생합니다”
방법은 정말 간단합니다. 사이트에 접속해서 여러분이 평소 읽어야 했지만 미뤄뒀던 PDF 파일, 긴 기획안, 혹은 궁금한 뉴스 기사 링크를 딱 하나만 업로드해 보세요.
그다음 채팅창에 “이 문서 내용을 초보자도 이해하기 쉽게 3줄로 요약해줘”라고 쳐보세요. 수백 페이지짜리 두꺼운 문서라도 제미나이 3.1 프로 엔진이 순식간에 파헤쳐서 핵심만 쏙 뽑아줍니다.
여기서 가장 소름 돋는 포인트는 ‘출처’입니다. AI가 답변을 한 뒤에 그 내용이 문서의 몇 페이지, 어느 문장에 있는 것인지 번호를 딱 찍어주거든요. 덕분에 AI 특유의 할루시네이션(환각) 걱정 없이 믿고 쓸 수 있습니다. 저는 최근에 복잡한 보험 약관을 올려두고 궁금한 점을 물어봤는데, 깨알 같은 글씨를 일일이 읽지 않고도 중요한 보장 내용만 정확히 파악할 수 있어서 정말 편하더라고요.
실제로 이렇게 써봤습니다. 실비보험 약관 PDF(총 72페이지)를 올리고 “갑상선 수술 후 입원 시 실비 보장 범위가 어떻게 되나요?”라고 물었더니, 12페이지 4번 항목을 인용하면서 입원일당, 수술비, 비급여 항목 제한까지 표로 정리해줬습니다. 예전 같았으면 약관 담당자한테 전화해서 30분씩 들어야 했을 내용이거든요. 이 하나의 경험만으로도 NotebookLM의 가치를 충분히 느꼈습니다.
소스도 한 개만 올릴 필요가 없습니다. PDF, 구글 독스, 웹사이트 URL, 유튜브 영상 링크까지 최대 50개의 소스를 한꺼번에 올릴 수 있어요. 예를 들어 경쟁사 분석 보고서 5개와 시장 조사 기사 3개를 한꺼번에 올린 뒤 “이 자료들에서 공통적으로 언급하는 시장 트렌드 3가지를 뽑아줘”라고 물으면, 8개 문서를 교차 분석한 인사이트를 30초 안에 받아볼 수 있습니다.
물론 처음엔 실수도 했습니다. 영업 제안서를 올리고 “핵심 논거 3가지를 요약해줘”라고 했더니, NotebookLM이 문서에 없는 내용을 그럴듯하게 지어낸 적이 있었거든요. 당황해서 원문을 뒤졌더니 역시나 없는 내용이었습니다. 그래서 지금은 답변 옆 출처 번호를 꼭 클릭해 확인하는 습관을 들였는데, 그렇게 쓰다 보니 오히려 문서를 더 꼼꼼히 읽게 됐습니다. 틀릴 수도 있다는 걸 알면서 쓰는 AI가 더 쓸 만하다는 걸 이때 처음 느꼈어요.
2. 소스 50개, 어떻게 정리해야 효과적인가
NotebookLM의 가장 강력한 기능 중 하나는 소스를 최대 50개까지 올릴 수 있다는 점입니다. 하지만 처음 이 기능을 알게 됐을 때 저도 욕심을 부렸습니다. 관련 자료란 관련 자료는 전부 쑤셔 넣었거든요. 결과는 기대와 달랐습니다. 소스가 많다고 답변 품질이 올라가는 게 아니라는 걸 그때 처음 알았어요.
지금은 소스 구성에 분명한 원칙을 세워서 씁니다. 핵심은 “주제 하나에 노트북 하나”입니다. 예를 들어 저는 현재 세 개의 노트북을 운영하고 있습니다. ‘강의 준비용’, ‘마케팅 리서치용’, ‘개인 독서 정리용’으로 나눴는데요. 각 노트북에 해당 주제와 직결된 소스만 넣었더니 AI의 답변 집중도가 눈에 띄게 올라갔습니다.
소스 유형별로도 팁이 있습니다.
- PDF: 학술 논문, 보고서, 책처럼 텍스트 위주 문서에 최적입니다. 스캔 이미지로만 된 PDF는 텍스트 인식이 안 되므로 주의하세요.
- 유튜브 링크: 자막이 있는 영상이면 내용을 통째로 분석합니다. 강의 영상을 여러 개 연결해두면 “이 강사가 강조하는 핵심 3가지”처럼 여러 영상을 통합 분석하는 질문도 가능합니다.
- 웹사이트 URL: 공식 문서, 뉴스 기사, 제품 페이지에 유용합니다. 단, 로그인이 필요하거나 동적으로 로딩되는 페이지는 인식이 안 되는 경우가 있습니다.
- 구글 독스: 팀 내 문서를 바로 연결할 수 있어서 협업 리서치에 매우 편리합니다. 수정본이 반영되는 속도도 빠릅니다.
그리고 소스 수보다 소스 품질이 훨씬 중요합니다. 같은 내용을 다루는 블로그 포스팅 20개를 올리는 것보다, 핵심 논문 3개 + 공식 발표 자료 2개를 올리는 쪽이 훨씬 날카로운 답변을 받을 수 있습니다. 저도 초반에는 관련 기사를 30개씩 넣었다가 오히려 답변이 산만해지는 경험을 했습니다. 소스를 줄이고 핵심만 남겼더니 답변이 훨씬 정확해졌어요. 많이 넣는 것보다 잘 고르는 게 실력입니다.
3. 따라 해보기: “지루한 글을 영화 같은 팟캐스트로 듣기”
글 읽는 게 정말 귀찮은 날 있죠? 그럴 때 오른쪽 상단의 ‘오디오 오버뷰(Audio Overview)’ 버튼을 딱 한 번만 눌러보세요.
방금 여러분이 올린 지루한 텍스트 자료를 바탕으로, 두 명의 AI 호스트가 아주 재미있게 수다를 떨며 내용을 설명해 줍니다. 단순히 기계가 글을 읽어주는 수준이 아니라, “어머, 이 부분 정말 흥미롭지 않나요?”, “맞아요, 저도 이 통계 보고 깜짝 놀랐어요!” 같은 추임새까지 넣어가며 실제 팟캐스트처럼 대화합니다.
저는 주로 아침 출근길에 제가 오늘 검토해야 할 서류들을 오디오로 변환해서 듣습니다. 운전하거나 지하철에서 눈을 감고 있어도 업무 준비가 완벽하게 끝나는 마법 같은 경험을 할 수 있어요. 2026년 버전은 목소리 톤도 훨씬 부드러워져서 AI라는 이질감이 거의 느껴지지 않을 정도입니다.
언어 설정에 대한 팁도 드릴게요. 오디오 오버뷰는 한국어 자료를 올려도 영어로 생성되는 경우가 있습니다. 이럴 때는 소스를 업로드할 때 함께 메모를 추가해서 “한국어로 대화해줘”라고 적어두면 한국어 팟캐스트가 만들어집니다. 실제로 들어보시면 한국인 진행자 두 명이 대화하는 것처럼 자연스러워서 깜짝 놀라실 거예요. 2025년 하반기 업데이트 이후 한국어 음성 품질이 대폭 개선되어 지금은 영어 버전에 뒤지지 않을 수준입니다.
직장인이라면 이런 시나리오를 한번 상상해보세요. 월요일 아침, 주말 동안 쌓인 업계 리포트 5개를 NotebookLM에 올려두고 출근길에 오디오 오버뷰를 틉니다. 두 AI 호스트가 “이번 주 가장 주목할 트렌드는 세 가지예요”라고 운을 떼면서 각 보고서의 핵심을 편하게 풀어줍니다. 회의실에 들어갔을 때 이미 팀원 중 가장 잘 준비된 사람이 되어 있는 거죠. 학생이라면 교재 PDF와 강의 자료를 올려두고 통학 시간에 듣는 것만으로 예습을 끝낼 수 있습니다.
실제로 처음 들었을 때 진짜로 깜짝 놀랐습니다. 제가 올린 건 그냥 딱딱한 시장 분석 보고서였는데, 두 호스트가 “이 부분 되게 흥미롭지 않아요?” “맞아요, 저도 이 수치 보고 의외라고 생각했는데요” 하면서 주거니 받거니 하는 거예요. 잠깐 이어폰을 빼고 “이거 진짜 AI 맞아?” 소리를 냈을 정도였습니다. 그날부터 출근길 루틴이 완전히 바뀌었습니다.
4. 초보자를 위한 팁: “질문이 어려우면 추천 질문을 누르세요”
처음 접속하면 AI에게 뭐라고 물어야 할지 막막할 수 있습니다. 그럴 때 화면 하단에 NotebookLM이 스스로 제안하는 ‘추천 질문’ 카드들을 클릭해 보세요. “이 문서에서 가장 중요한 통계는 뭐야?”, “이 기획의 장단점을 분석해줘” 같은 날카로운 질문들이 이미 준비되어 있습니다. 클릭 한 번이면 여러분의 지식 비서가 즉시 전문적인 분석 보고서를 써 내려가기 시작할 거예요.
추천 질문을 몇 번 사용하다 보면 감이 잡힙니다. 그때부터는 더 심화된 질문으로 나아갈 수 있어요. 아래는 제가 실제로 자주 쓰는 고급 질문 예시들입니다.
- “이 보고서에서 2025년 데이터만 골라서 연도별 추세를 표로 정리해줘” — 여러 연도 데이터가 섞인 문서에서 특정 기간만 뽑아낼 때 매우 유용합니다.
- “이 논문의 결론과 반대되는 주장을 다른 소스에서 찾아줘” — 소스가 여러 개일 때 비판적 사고를 보조하는 데 최고입니다.
- “이 내용을 우리 팀 신입 직원에게 설명하듯이 쉽게 다시 써줘” — 전문 용어가 가득한 문서를 팀 내 공유용으로 재가공할 때 씁니다.
NotebookLM의 진짜 매력은 쓰면 쓸수록 내가 던지는 질문의 질이 함께 올라간다는 것입니다. 처음에는 “요약해줘”밖에 몰랐다가, 어느 순간 “이 두 소스의 주장이 서로 충돌하는 지점을 찾아서 나에게 어느 쪽이 더 설득력 있는지 근거와 함께 설명해줘”처럼 정교한 질문을 던지고 있는 자신을 발견하게 됩니다. 도구가 사용자를 키우는 드문 경험입니다.
5. NotebookLM의 한계, 솔직히 말하면
좋은 도구일수록 한계도 솔직하게 알아야 제대로 쓸 수 있습니다. NotebookLM을 수개월 써온 입장에서 솔직하게 정리해드립니다.
우선 실시간 정보 검색이 안 됩니다. NotebookLM은 내가 올린 소스 안에서만 답변합니다. “오늘 삼성전자 주가 어때?”라든가 “이번 주 AI 뉴스 요약해줘” 같은 질문은 할 수 없어요. 이 부분은 ChatGPT나 Perplexity 같은 실시간 검색 기반 AI와의 결정적인 차이입니다. NotebookLM은 내가 직접 모은 자료의 전문 분석사이지, 정보 검색사가 아닙니다.
두 번째로, 이미지 분석과 계산에 약합니다. PDF 안에 표나 차트가 이미지 형태로 들어가 있으면 그 내용을 읽지 못하는 경우가 많습니다. 복잡한 수식 계산이나 데이터 집계도 기대만큼 정확하지 않습니다. 이런 작업은 Code Interpreter가 내장된 ChatGPT나 Gemini Advanced 쪽이 훨씬 강합니다.
세 번째로, 할루시네이션이 완전히 사라진 건 아닙니다. 앞서 제 경험을 말씀드렸듯이, 출처를 제공함으로써 크게 줄어들었지만 0%는 아닙니다. 특히 여러 소스를 종합해서 답변할 때, 소스와 소스 사이의 맥락을 잘못 연결하는 경우가 간혹 있습니다. 중요한 판단이 들어간 내용이라면 반드시 출처 번호를 클릭해서 원문을 직접 확인하는 습관이 필요합니다.
경쟁 도구와 비교하면 이렇습니다. Gemini Advanced는 실시간 검색과 이미지 분석이 가능하고, Perplexity는 웹 전체를 실시간으로 뒤져서 답변합니다. ChatGPT는 파일 분석 + 계산 + 코드 실행까지 올인원에 가깝습니다. 반면 NotebookLM의 강점은 내 자료에 집중한 깊이 있는 분석과 출처 추적 가능성입니다. “넓고 얕게”가 아니라 “좁고 깊게” 가야 하는 리서치에서는 NotebookLM이 단연 최강입니다.
이 한계들을 알고 나서 저는 NotebookLM을 더 잘 쓰게 됐습니다. 실시간 정보는 Perplexity로, 계산과 코드는 ChatGPT로, 그리고 내가 모은 자료의 심층 분석은 NotebookLM으로 — 역할 분담이 명확해졌거든요. 도구를 하나만 쓰는 게 아니라 각각의 강점에 맞게 조합하는 것, 그게 AI를 제대로 쓰는 방법입니다.
지식 정리가 세상에서 제일 쉬워집니다
NotebookLM은 단순히 요약만 해주는 앱이 아닙니다. 내 지능을 10배, 100배로 확장해주는 지식의 외골격과 같습니다. 방대한 정보 속에서 길을 잃고 헤매던 시절은 이제 NotebookLM 전과 후로 나뉩니다.
특히 학생, 직장인, 연구자 등 매일 대량의 문서를 소화해야 하는 분들에게 이 도구는 게임 체인저입니다. 저도 일주일에 수십 개의 자료를 검토해야 하는데, NotebookLM 덕분에 퇴근 시간이 최소 1시간은 당겨졌습니다. 무료로 사용할 수 있으니 아직 안 써보셨다면, 오늘 당장 접속해서 여러분의 미뤄둔 PDF 한 개만 올려보세요.
오늘 2편에서는 기본 활용법부터 소스 관리 전략, 그리고 솔직한 한계까지 다뤘습니다. 하지만 이 똑똑한 녀석에게 데이터를 표로 만들게 시키고, 내 입맛에 맞게 팟캐스트를 커스텀하는 ‘세팅의 기술’이 아직 더 남아있습니다. 솔직히 말하면 저는 이번 주 내내 NotebookLM만 켜놓고 일했습니다. 아침엔 오디오 오버뷰로 하루를 시작하고, 낮엔 문서 분석으로 회의 준비를 끝내고, 밤엔 긴 리포트를 요약해서 마무리했거든요. 3편에서는 제가 직접 쓰는 이 루틴을 그대로 공개합니다. 데이터 표 자동 생성, 원하는 언어와 톤으로 팟캐스트 커스텀하기, 여러 노트북을 연결해 리서치 베이스 만들기까지 — 실제로 써보면 “AI 쓰는 사람이랑 안 쓰는 사람은 차원이 다르구나” 싶어질 거예요. 기대해 주세요!