Part 3. NotebookLM 실전 활용
[35:00-55:00] · 20분 · 이론/실습 내가 올린 자료만 근거로 답하는 AI 리서치 도구를 이해하고, 실제 자료를 업로드해 마인드맵과 요약을 만들어 봅니다.
학습 목표
수강 후 다음을 할 수 있습니다.
- NotebookLM이 일반 AI 챗봇과 무엇이 다른지 설명할 수 있습니다.
- 자료를 업로드해 노트북을 생성할 수 있습니다.
- 마인드맵으로 자료의 전체 구조를 파악할 수 있습니다.
- 답변의 출처를 클릭해 원문 위치를 확인할 수 있습니다.
- 교육 현장에서 쓸 수 있는 활용 시나리오 3가지를 들 수 있습니다.
강사 가이드
개념Part 3 운영 원칙
개념 7분, 기능 5분, 실습 8분입니다. 이 파트의 핵심 메시지는 "출처를 클릭하면 원문으로 간다" 하나입니다. 환각 문제를 겪어 본 수강생일수록 이 지점에서 반응이 옵니다. 기능 5가지는 전부 시연하지 말고 이름과 용도만 짚은 뒤 마인드맵 하나만 실제로 보여 주는 편이 시간 관리에 유리합니다.
시간 배분 요약
| 구분 | 시간 | 내용 |
|---|---|---|
| 3-1 개념 | 35:00-42:00 (7분) | NotebookLM 정의, 일반 AI와의 차이, 교육자 활용 시나리오 |
| 3-2 기능 | 42:00-47:00 (5분) | 오디오 오버뷰, 마인드맵, 보고서, 플래시카드, 슬라이드 |
| 3-3 실습 | 47:00-55:00 (8분) | 자료 업로드, 마인드맵 생성, 질문, 출처 확인 |
강사 준비 체크리스트
- [ ] 시연용 노트북 미리 생성 (자료 3개 이상 업로드된 상태)
- [ ] 마인드맵과 오디오 오버뷰를 미리 생성해 두기 (생성에 시간이 걸림)
- [ ] 자료를 준비 못 한 수강생용 공개 PDF 링크 1개 확보 (교육부 보도자료 등)
- [ ] 실습 시작 시 8분 타이머 화면 공유
- [ ] 무료 플랜 한도(노트북당 소스 50개) 안내 준비
핵심 개념 (7분)
한 줄 정의
NotebookLM은 내가 업로드한 자료만을 근거로 답하는, 구글이 만든 AI 리서치 도구입니다.
일반 AI 챗봇이 "세상 모든 것을 아는 조수"라면, NotebookLM은 "내가 준 책만 읽고 그 안에서만 답하는 조수"입니다. 아는 범위가 좁아 보이지만, 그 대신 지어내지 않습니다.
작동 원리
- 구글이 개발한 AI 기반 리서치 도구
- 내가 업로드한 자료만을 근거로 답변하며 외부 정보를 끌어오지 않음
- RAG(Retrieval-Augmented Generation, 검색 증강 생성) 기술 기반
- 일반 AI 챗봇의 환각(Hallucination) 문제를 구조적으로 줄임
개념핵심 개념 요약
답변의 근거 범위를 내가 올린 자료로 좁혔기 때문에, 답변마다 "몇 번째 자료의 어디에서 가져왔는지"를 표시할 수 있습니다. 교육자에게 이것이 중요한 이유는 강의 자료에 인용할 때 출처를 확인할 수 있기 때문입니다.
일반 AI와의 차이
| 구분 | 일반 AI (ChatGPT 등) | NotebookLM |
|---|---|---|
| 답변 근거 | 인터넷 전체 | 내가 올린 자료만 |
| 출처 확인 | 어려움 | 클릭으로 원문 이동 |
| 환각 위험 | 높음 | 낮음 |
| 활용 상황 | 일반 질의응답 | 특정 문서 분석 및 정리 |
| 자료 준비 | 불필요 | 필수 |
주의오해하기 쉬운 지점
NotebookLM은 자료를 안 올리면 아무것도 못 합니다. "이 주제에 대해 알려 줘"라고 물으면 답하지 못합니다. 자료를 먼저 모으는 것은 여전히 사람의 몫입니다.
교육자 활용 시나리오
| 시나리오 | 업로드할 자료 | 얻는 결과 |
|---|---|---|
| 정책 문서 파악 | 교육 정책 문서, 교육과정 해설서 | 핵심 요약, 우리 학교 적용 시 확인할 사항 |
| 문헌 비교 | 강의 참고문헌 3~5편 | 공통점과 차이점 비교 정리 |
| 연수 정리 | 회의록, 연수 자료 | 핵심 내용 추출, 실행 항목 목록 |
| 강의 자료 제작 | 내 강의 원고 | 학생용 요약본, 플래시카드, 퀴즈 문항 |
용어 알기
이 파트에서 처음 등장하는 핵심 용어를 정리합니다.
| 용어 | 뜻 | 비유 |
|---|---|---|
| RAG (Retrieval-Augmented Generation) | 답을 지어내기 전에 지정된 자료에서 먼저 찾아보고 그 내용을 근거로 생성하는 방식 | 오픈북 시험. 기억이 아니라 책을 펴서 답함 |
| 환각 (Hallucination) | AI가 사실이 아닌 내용을 그럴듯하게 만들어 내는 현상 | 읽지 않은 책의 줄거리를 아는 척 말하는 것 |
| 소스 (Source) | NotebookLM 노트북에 올린 자료 하나하나 | 시험장에 들고 들어간 책 한 권 |
| 노트북 (Notebook) | 관련 소스를 묶어 두는 작업 단위 | 과목별 파일 바인더 |
| 오디오 오버뷰 (Audio Overview) | 자료 내용을 두 사람 대화 형식 음성으로 요약해 주는 기능 | 내 자료를 소재로 만든 팟캐스트 한 편 |
주요 기능 5가지 (5분)
교육자에게 특히 유용한 기능을 중심으로 소개합니다.
기능 1 : AI 오디오 오버뷰
자료의 핵심을 대화형 음성으로 요약합니다. 출퇴근길이나 이동 중에 보고서 내용을 파악할 때 유용합니다. 생성에 몇 분 걸리므로 미리 만들어 두고 쓰는 방식이 좋습니다.
기능 2 : 마인드맵
업로드한 자료의 핵심 개념과 관계를 시각적으로 구조화합니다. 수백 페이지 자료도 전체 지도를 먼저 파악할 수 있습니다. 오늘 실습에서 직접 만들어 봅니다.
기능 3 : 보고서
자료를 브리핑 문서, FAQ, 요약본 등 다양한 형태로 재구성합니다. 강의 계획서 초안이나 학부모 안내문 초안을 뽑을 때 활용할 수 있습니다.
기능 4 : 플래시카드
핵심 용어와 개념을 질문과 답변 형태로 변환합니다. 학생용 복습 자료 제작에 바로 쓸 수 있습니다.
기능 5 : 슬라이드 자료 (베타)
자료 내용을 기반으로 발표용 슬라이드 구조 초안을 생성합니다. 강의 자료 제작 시간을 줄여 줍니다. 베타 기능이라 결과를 그대로 쓰기보다 뼈대로 활용하는 것이 좋습니다.
팁어떤 기능부터 쓸까
처음이라면 마인드맵과 요약 두 가지만 쓰셔도 충분합니다. 나머지 세 가지는 특정 목적이 생겼을 때 찾아 쓰시면 됩니다.
실습 (8분)
주의실습 전 준비
notebooklm.google.com에 구글 계정으로 로그인되어 있어야 합니다. 업로드할 PDF, 구글 문서, 웹페이지 URL 중 하나가 필요합니다. 자료가 준비되지 않은 분은 강사가 안내하는 공개 문서 링크를 사용하시면 됩니다.
실습 1 - 자료 업로드하고 구조 파악하기 (8분)
상황 : 다음 학기 강의에 반영해야 할 자료를 받았는데 분량이 많아 읽을 시간이 없습니다. 무엇이 들어 있는지부터 빠르게 파악하고자 합니다.
실습 순서
-
노트북 생성 (1분) notebooklm.google.com 접속 - "새로 만들기" 클릭
-
자료 업로드 (1분) 준비한 PDF를 끌어다 놓거나 "소스 추가"로 선택합니다. 구글 문서, 웹페이지 URL, 유튜브 링크, 복사한 텍스트도 소스로 넣을 수 있습니다.
-
마인드맵 생성 (2분) 우측 패널에서 "마인드맵"을 클릭합니다. 생성된 지도에서 가지를 펼쳐 보며 자료가 어떤 축으로 구성되어 있는지 확인합니다.
-
질문 입력 (2분) 채팅창에 아래 프롬프트를 순서대로 넣어 봅니다.
프롬프트 A
이 자료의 핵심 내용을 3줄로 요약해 줘.
프롬프트 B
이 자료에서 교육 방법론과 관련된 내용만 뽑아서
항목별로 정리해 줘.
프롬프트 C
이 자료를 처음 접하는 동료 교사에게 설명한다면
반드시 짚어야 할 것 3가지는 무엇이야?
-
출처 확인 (1분) 답변에 붙은 숫자를 클릭합니다. 원문의 해당 위치가 열리는지 확인합니다.
-
결과 저장 (1분) 마음에 드는 답변 위의 "메모에 저장"을 눌러 노트북 안에 보관합니다.
포인트 : 답변 옆 숫자를 클릭하면 원문 어디서 가져왔는지 즉시 확인됩니다. 이것이 일반 AI 챗봇과 가장 다른 지점이며, 강의 자료에 인용할 때 결정적인 차이를 만듭니다.
예시강사 멘트
"답변 옆 숫자를 클릭하면 원문 어디서 가져왔는지 바로 확인할 수 있습니다. 이게 일반 AI와 가장 다른 점입니다. 인용해도 되는 답인지 3초 만에 확인할 수 있다는 뜻입니다."
실무 팁
팁실무 활용 팁
이 파트의 내용을 실무에서 바로 쓸 수 있는 팁입니다.
- 처음이라면 : 자료 하나로 시작하세요. 여러 개를 한꺼번에 올리면 답변이 어느 자료에서 왔는지 헷갈립니다.
- 문헌 비교가 목적이라면 : 비교할 논문을 한 노트북에 모두 올린 뒤 "이 자료들의 공통 주장과 대립되는 지점을 표로 정리해 줘"라고 물으면 됩니다.
- 팀 공유 시 : 노트북 자체를 공유할 수 있습니다. 교과협의회에서 같은 자료를 놓고 각자 질문해 보는 방식이 효과적입니다.
- 결과를 옮길 때 : 답변을 그대로 복사하지 말고 "내가 왜 이 답을 저장하는가"를 한 줄 덧붙여 Obsidian으로 옮기세요. Part 4에서 다룰 연계 방식의 핵심입니다.
이런 것들도 있어요
이 파트 주제와 관련된 외부 리소스를 소개합니다.
| 이름 | 유형 | 내용 | 링크 |
|---|---|---|---|
| NotebookLM 도움말 | 공식 문서 | 기능 설명, 지원 파일 형식, 플랜별 한도 | https://support.google.com/notebooklm |
| NotebookLM 블로그 | 공식 블로그 | 신규 기능 발표 및 활용 사례 | https://blog.google/technology/google-labs/notebooklm/ |
| Google AI Studio | 개발 도구 | 프롬프트를 직접 실험해 보고 싶을 때 | https://aistudio.google.com |
| Perplexity | 유사 서비스 | 출처 표기형 AI 검색. 웹 전체를 대상으로 함 | https://www.perplexity.ai |
| Elicit | 유사 서비스 | 학술 논문 특화 AI 리서치 도구 | https://elicit.com |
참고활용 팁
위 리소스는 이 과정의 필수 내용은 아니지만, 더 깊이 탐구하고 싶은 분께 추천합니다. Perplexity와 Elicit은 NotebookLM과 목적이 다릅니다. 자료를 이미 갖고 있으면 NotebookLM, 자료부터 찾아야 하면 Perplexity나 Elicit이 맞습니다.
직접 해보세요
예시오늘 바로 써보기
과제 : 올해 받은 공문이나 연수 자료 중 아직 제대로 읽지 못한 것 하나를 NotebookLM에 올리고, "우리 학교에서 실제로 해야 할 일은 무엇인가"라고 물어보세요. 답변의 출처를 하나씩 클릭해 원문과 대조해 보세요. 예상 소요 시간 : 약 10분 결과물 : 실행 항목 목록 1개 (출처 확인까지 마친 상태) AI가 놓친 것이 있는지, 반대로 내가 놓쳤던 것을 짚어 주는지 비교해 보시는 것이 이 과제의 진짜 목적입니다.
마무리 (Part 3 정리)
- NotebookLM은 내가 올린 자료 안에서만 답합니다. 그래서 출처가 확인됩니다.
- 마인드맵으로 전체 구조를 먼저 보고, 질문으로 세부를 파고듭니다.
- 자료를 모으는 일은 여전히 사람의 몫입니다.
핵심 정리
[1단계] 자료 업로드
PDF / 구글 문서 / 웹페이지 URL / 유튜브 링크
↓
[2단계] 구조 파악
마인드맵 생성 → 전체 지도 확인
↓
[3단계] 질문
요약 → 특정 주제 추출 → 핵심 3가지
↓
[4단계] 검증
출처 번호 클릭 → 원문 위치 확인
↓
[5단계] 저장
메모에 저장 → Part 4에서 Obsidian으로 이관
다음 파트 예고
Part 4. 두 도구 연계 전략
지금까지 배운 두 도구를 하나의 흐름으로 잇습니다. NotebookLM에서 뽑아낸 핵심을 Obsidian에 어떻게 넣어야 다음 학기에 다시 쓸 수 있는지, 실전 워크플로와 원칙 3가지를 정리합니다.
팁사전 준비
방금 실습에서 만든 NotebookLM 답변 하나를 화면에 띄워 두세요. Part 4에서 그 답변을 Obsidian 노트로 옮기는 과정을 함께 봅니다.
참고문헌
- Google. (2026). NotebookLM help center. https://support.google.com/notebooklm
- Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., ... & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems, 33, 9459-9474.
- Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., ... & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), 1-38.
- Mayer, R. E. (2021). Multimedia learning (3rd ed.). Cambridge University Press.
- 이랜서. (2026, February 24). NotebookLM 사용법. 이랜서 블로그.