Googleが実験的に公開しているノートアプリ「NotebookLM」は、最新AI「Gemini」を組み込んだ革新的な文書管理・作成ツールだ。
これまで米国内でしか利用できなかったところ、ついに、日本からも利用することができるようになった。
「NotebookLM」では、PDF、メール記録、議事録などあらゆるドキュメントを、AIの知識源として読み込ませることができ、AIがそれらのソースに基づいて情報を整理・要約してくれたり、ドキュメントやレポートの作成補助までしてくれたりする。
その応用可能性は無限大で、例えば以下のようなあらゆるナレッジベースのタスクを高速化・効率化することができる。
- 読書をしながら重要なポイントの要約メモ・ノートを作成する作業
- 過去の議事録に基づいて次回のMTGのアジェンダを作成する作業
- 収集した文献や学術論文に基づいてレポートや報告文書をまとめる作業
- 本や授業スライドを読み込ませてのテスト勉強のサポート
- プロジェクト関連文書を丸ごと理解した次のアクションの提案
「NotebookLM」は、AIがあらゆるナレッジを理解・要約・解説して、人間が新しいアイディアを創造することをサポートしてくれる、AI時代の画期的なノートアプリだ。
この記事では、Googleが開発するNotebookLMの全機能を詳細に解説するとともに、具体的な活用例を紹介し、AIノートアプリの可能性を深掘りする。
NotebookLMを日本語で利用する方法
NotebookLMは、Googleアカウントを持っている人であれば、無料で利用することができる。かつては米国内に限定されていたが、2024年6月より、Gemini APIが利用できる180カ国以上で解放された。
NotebookLMのWebページにアクセスして、Googleアカウントでサインインした上で、「Try NotenookLM」をクリックすると、NotebookLMを利用することができる。
現在はすでに日本語化が行われており、AIとのチャットなども全て日本語で利用することができる。
NotebookLMでは、「ノートブック」と呼ばれるプロジェクトごとに情報を整理するためのスペースを作成できる。
「ノートブック」1つにPDFファイルやGoogleスライドなど複数の「ソース」をアップロードすることができ、AIがそのソースに基づいた文書作成支援をしてくれるので、トピックやテーマごとに新規のノートブックを用意する必要がある。
NotebookLMのホーム画面にある、「新しいノートブック」をクリックすると、新しいノートブックを作成することができる。
以下では、NotebookLMで作成した「ノートブック」内でできる様々な便利機能を紹介していく。
NotebookLMの基本機能と使い方
NotebookLMを利用する基本的な流れは、
- AIの知識源となる「ソース」をアップロードする(PDF、Googleドキュメント・スライド、テキスト、Webページなど)
- AIにソースの要約・解説をさせる
- ユーザーとAIの対話の中で新たな文書を生成する
というものだ。
以下では、各ステップでどのようなことができるのか、具体例と共に紹介していく。
今回はサンプルとして、学生がレポートを作成するようなシーンを想定し、プラスチックと海洋環境に関する学術論文を複数用意して、それをAIの力を借りて整理していく作業を行っていく。
NotebookLMへの資料の追加方法
NotebookLMは、情報源として様々な形式の資料を取り込むことができる。
Googleドライブ上にあるGoogleドキュメントやGoogleスライド、PDFファイルなどを読み込むことができるほか、.pdf
や.txt
形式のファイルを直接アップロードしたり、WebサイトのURLを指定して読み込ませたりと言ったことができる。
1つのソースには最大500,000語のテキストを含むことができるので、ほとんどの学術論文などのPDFファイルは問題なく読み込めるであろうし、分厚すぎない本であれば、参考書や教科書なども読み込ませることができるだろう。
アップロードしたドキュメントは、ノートブック内の左サイドパネルに表示される。今回はGoogleドライブに保存した学術論文のPDFファイルを複数読み込ませてみた。
また、URLを指定するだけで、Webページを丸ごと読み込ませ、ソースとして追加する機能もとても便利である。
PDFのようにダウンロードできて使いやすいフォーマットになっていないWeb上の情報ソースを、スムーズに読み込ませることができるためだ。
例えば、アメリカの政府機関のサイト上で、学術論文のテキストを無料公開しているページのURLを与えてみる。
特に深い意味はないが、アメリカ国立医学図書館のサイトで見つけた海のプラスチック汚染に関する論文「Plastic pollution in the marine environment」のページをサンプルとした。
URLを与えただけだが、しっかり内容を読み込んで、論文の中で論じられているポイントを書き出してくれていることが分かる。
こうしてNotebookLMに、情報ソースを与えたら、次はいよいよ情報ソースの分析や要約をAIに行わせていく。
AIによるソースドキュメントの分析と要約
NotebookLMの中心的な機能の一つは、AIによるコンテンツの分析と要約の機能である。
ユーザーが資料を「ソース」としてアップロードすると、AIがその内容を分析し、重要なポイントを抽出して要約を生成してくれる。これにより、通常は読むのに膨大な時間を要する大量の学術論文などを、速攻でナナメ読みすることが可能である。
画面右下にある「ノートブックガイド」をクリックすると、自動的に生成されたソース全体の概要のほか、6種類の要約ツールと、AIとのチャットの提案が表示される。
さらに、以下の6つの要約ツールを使って、ソース全体から好きな形式での情報を抽出することができる。
- FAQ(ドキュメントに基づいて「よくある質問集」を生成)
- Study Guide(期末試験対策などで使える用語集・問題集を生成)
- Table of Contents(各ドキュメントの重要箇所をピックアップ)
- Timeline(プロジェクトの予定や出来事を時系列で整理)
- Briefing Doc(ソース全体をまとめたブリーフィング資料を生成)
各機能で生成された要約は、ノートブックにカード形式でピン留めされ、付箋のように管理することができる。
以下、各要約ツールを使って生成させた実際のテキストを紹介する。
FAQ:「よくある質問」を一発で出力
「FAQ」を生成させると、アップロードしたソースドキュメントから読み取れる情報に基づいて、一問一答形式で、質問とその回答が生成される。
今回は、プラスチック汚染や、海洋環境に関する学術論文を複数アップロードしたので、「海洋プラスチック汚染とは何ですか?」「海洋生物への影響は?」など、それらの論文から導き出せる質問と答えがまとまっている。
企業のサービスのWebサイトや説明書をアップロードして、「よくある質問」をAIに考えさせるといった場合に便利だ。
Study Guide:期末試験対策の用語集・問題集
「Study Guide」は、大学生などの期末試験対策に非常に役立ちそうな要約ツールだ。
例えば、大学の講義のスライドや教科書、授業に登場した論文をNotebookLMにアップロードして、「Study Guide」を生成させると、暗記すべき重要な単語集・用語集、試験問題のサンプルと回答が一発で生成される。
これに基づいて一夜漬けの勉強をすれば、期末試験も乗り切れてしまう・・・かもしれない。
Table of Contents:アップロードしたドキュメントの目次
「Table of Contents」は、その名の通り、目次の形で、アップロードしたドキュメントを整理する要約ツールだ。
今回の例だと、各論文に含まれるセクションと、そのセクションで述べられているポイントが整理されている。
重要なグラフやテーブル、論文の結論が述べられている箇所が、ページ番号・スライド番号・セクション番号が明示される形で整理される。
仕事のリサーチ・レポーティング業務などで、大量の論文やレポートを収集した上で、必要な情報だけを抜粋したい場合に、全体の羅針盤として非常に役立つ。
Timeline:プロジェクトのスケジュールを時系列で整理
「Timeline」は、議事録などの大量の記録から、日付・スケジュールに関する情報を抜き出し、時系列で情報を整理してくれる機能だ。
海洋環境に関する学術論文を集めたサンプルノートブックでは、スケジュールに関する情報が何も含まれていないので、「Timeline」は生成できなかった。
そこで、ある企業におけるイベント企画に関するミーティングの記録を読み込ませて、そこからタイムラインを作成させてみた。
いつ何が決定された、いつ何が予定されているかが時系列で整理されている。プロジェクトの進捗管理などで便利に使えそうだ。
Briefing Doc:まとめ報告資料を一発で出力
「Briefing Doc」が、最もスタンダードな「要約」機能といえる。
読み込ませたすべてのドキュメントから、重要なポイントをまとめて、一つの報告文書を作成してくれる。
今回のサンプルでは、プラスチックの海洋環境への影響や、生物への影響、各国の政策など、バラバラのトピックの学術論文を多数読み込ませているが、それらを的確に整理して、一つのレポート資料としてまとめてくれた。
ビジネスパーソンがリサーチ業務をする際に、報告資料の下書きとして非常に役立ちそうだ。
AIとのチャット機能
以上では、予めNotebookLMに備わっている要約機能6種を紹介してきた。NotebookLMには、こうした要約だけでなく、AIとのチャット機能も搭載されている。
NotebookLM上では、画面下部のテキストボックスに質問を打ち込むことで、アップロードしたドキュメントに関するチャットをGoogleの大規模言語モデル「Gemini」と行うことができる。
例えば、今回のプラスチック・海洋環境関する論文をアップロードしたノートブック上で、「プラスチック汚染の範囲と影響は?」という質問を投げかけてみると、AIがソースに基づいて回答を生成してくれる。
Geminiが生成した回答には、脚注の形でソースのどこから引用した情報かが表示されており、脚注番号をクリックすると、ソースの該当する部分のテキストがハイライトされて表示される。
生成AIとのチャットでは、不確かな情報を勝手にAIが生成してしまう「ハルシネーション」がしばしば問題になるが、NotebookLMの場合、アップロードされた資料から得られた情報に基づいて回答を生成し、その回答には引用元が明示されるため、情報の信頼性が担保される。
また、重要な回答は「ピン留め」機能を使用して保存することができる。
保存したチャット履歴は、ノートブック内にカード形式で表示され、後から容易に参照することが可能である。
AIによるトピックの提案と探索
NotebookLMは、資料をアップロードした時点で、質問の候補が自動的に生成され、質問候補をクリックすることで即座にチャットを開始することができる。
大量に集めた学術論文を読む前に、自動的に提案された重要なポイントをチャットで質問して概略を把握したり、自分では思いつかなかった新たな視点で資料を掘り下げたりといったことが可能になる。
また、チャット内でも、会話の内容を踏まえて次の質問案がどんどん自動的にサジェストされるので、自分ですべてのドキュメントの内容を把握していなくても、AIのサポートのもとで、勝手にどんどん理解を深めていくことが可能だ。
ユーザーが「待ちの姿勢」であっても、AIの誘導に従っていくだけで、勝手にどんどんナレッジを掘り下げていくことができるので、近い将来にはリサーチャーやコンサルタントのような知識労働者も、AIで代替されてしまう日が来るのではという恐怖すら感じてしまう。
ソースに基づく新たな文書の生成
NotebookLMは、ユーザーの指示に従って、アップロードした情報ソースを、様々な形式に整理し直したり、ソースを踏まえて新しいアイディアを考案したりしてくれる。
例えば、アップロードされたノートや資料を基に、上司への報告メールを書いてもらったり、ブログ記事のアウトラインを生成させたり、自分が分かりやすい形式(箇条書きやテーブル形式など)に再整理させたりすることができる。
実際に、チャット内で、ビジネスメールの形式で、各国の政府によって行われているプラスチック汚染対策を箇条書きで整理させてみたのが以下だ。
ソースとしてアップロードした多数の学術論文の中から、的確に該当する情報だけを抜き出して、箇条書きで整理してくれている。
メールの文章まで考えてくれるので、面倒な作業を圧倒的に省力化できる。
こうした機能を活用することで、簡単なリサーチと報告の業務であれば、NotebookLMでかなりの程度代替することができてしまいそうだ。
NotebookLMの超便利な活用法
以上では、学術論文の情報を要約・整理するようなケースを中心に機能を紹介してきたが、Google NotebookLMは、ビジネスから日常生活まで、幅広い応用を考えることができる。
以下では、筆者が実際にNotebookLMを触ってみる中で、かなり実用的と感じた用途を紹介する。
読書のスピードと効率を飛躍的に向上させる
参考書、ノンフィクション、小説まで、なんでも本を読む際に、NotebookLMに、PDFやKindleファイルをアップロードしてしまえば、最強の読書アシスタントが誕生する。
自分で本を読みながら、横にNotebookLMをおいて、適宜質問や要約をつくらせながら読み進めていくと、本を読む際の効率が飛躍的に向上するので、ぜひ電子書籍を入手してNotebookLMと組み合わせて使ってみて欲しい。
サンプルとして本のデータが必要なので、筆者が過去にPDFで購入したビジネスデータ分析に関する書籍(技術評論社「効果検証入門」)をアップロードしてみた。
普通、本を読んで新しい概念を学ぶ時には、本の最初から順に読み進めなければならないわけだが、自分の関心事が明確に決まっている場合、ポイントだけを抜粋して教えて欲しいのが正直なところだ。
そこで、「メールマガジンを送付した時の問い合わせ獲得効果を測定したいときに使うべき手法は?」と自分が関心を持っているデータ分析の方法をNotebookLMに質問してみると、セレクションバイアスに注意が必要であること、正確な効果を測定するためにRCT、回帰分析、傾向スコアなどの手法があるという回答が得られた。
これで学習すべき項目は明らかになったので、あとは順に「セレクションバイアスとは何か?」「ランダム化比較試験とは何か?」などと個別の概念に関する質問を重ねていけば、自分が関心のある部分だけを抜粋して読み進めることができるのだ。
AIが整理してくれたノートは、そのままピン留めして保存しておけば、「セレクションバイアス」「ランダム化比較試験」など、書籍の中で自分が学習すべき概念がまとまったノートがどんどん生成されていく。
本を読みながら、自分で手を動かさなくても、同時に要約ノートができてしまうというのは、全く新しい時代の読書体験だ。
本の要約サービスなどを使わなくても、PDFやKindleの電子書籍データさえ入手すれば、凄まじいスピードでインプット・アウトプットを進めることができ、しかも後からノートを振り返ることで、知識の定着や確認も叶えることができる。
議事録をすべて把握したスーパーアシスタント
会議の議事録やノートは、プロジェクトが長期間になると量が膨大すぎて、結局見返さずに終わってしまいがちだ。
そこで、プロジェクトの議事録を、Googleドキュメントで作成しておいて、NotebookLMでそれらの議事録を全て読み込ませたノートブックを作ってみると、MTGの記録について何でも答えてくれるAIチャットボットが誰でも簡単に作れる。
前回のミーティングでの主要な決定事項を要約させたり、未定事項をまとめて、次回のミーティングのアジェンダを考えるようにAIに指示することができてしまう。
実際に、ある企業で計画が進められているセミナー開催プロジェクトの議事録サンプルを作り、それをNotebookLMに読み込ませてみた。
チャットで過去のMTGでの決定事項と、その議論の背景を尋ねてみると、的確に議事録から該当箇所を抜粋して解説してくれた。
zoomの文字起こし機能や、会議の録音をWhisperなどの音声認識AIで文字起こししたデータを全て保管しておいて、NotebookLMのチャットで振り返りができるようにしておけば、もはや議事録を作る必要もない。
AIにすべてを委ね、会議の全録さえ保管しておけば、後からいくらでも情報の振り返りや整理ができる時代が来てしまったのだ。
ニュースサイトやブログの執筆支援
また、クリエイティブなライティングの支援ツールとしても活用できる。
例えばiPhoneを紹介するガジェット紹介の記事を執筆するとしたら、NotebookLMに、Appleの製品情報ページのURL、発表会動画を文字起こししたテキストファイル、海外メディアのレビュー記事PDFなどをアップロードすれば、レビュー記事のアウトラインをAIに考えさせたり、記事を丸ごと執筆させたりといったことも可能になる。
ChatGPTやGeminiなどの通常の生成AIは、学習データに入っている知識しか答えられないため、最新の新製品などに関する情報を考えさせるのは難しい。
その点、質の高い情報ソースをユーザーが集めてきて、その内容を踏まえてNotebookLM上のGeminiに記事を考案させれば、AIが苦手とする最新情報もカバーできるというわけだ。
複数人での共同編集・レポート作成作業
NotebookLMは、Googleドキュメント、スライド、スプレッドシートなどの他のGoogleのサービスと同じく、ファイルを他のユーザーと共有して、共同編集・共同閲覧することもできる。
例えば大学の授業で、複数人でレポートを執筆する場合などに、各人が収集した情報・資料を一つのノートブックに集約していき、レポートをセクションごとに分割してAIに執筆させた上で、それを下書きグループのレポートを完成させるといった使い方ができるだろう。
NotebookLMで究極の「第二の脳」をゲット
AI分野に明るい人であれば、NotebookLMは、誰でも簡単に使えるほどに作り込まれたRAGアプリケーションであると分かるはず。
Retrieval-Augmented Generation(RAG)とは、ChatGPTやGeminiのような通常のテキスト生成を行うAIに、データベースから検索してきた外部情報を組み合わせて生成させる手法を指す。
例えば、ChatGPTのような大規模言語モデルが、ユーザーの質問への回答を考えるにあたって、あらかじめ与えられた文書やデータなどの情報源を検索し、そこから得た情報に基づいて、回答を生成してくれるのがRAGだ。
NotebookLMは、Googleの大規模言語モデルである「Gemini」が、ユーザーから与えられたPDFやWebサイトを読み込み、その内容を活用しながら、ユーザーの質問に回答している、まさにRAGアプリというわけだ。
難解な学術論文から、大量の議事録まで、人間が1人では抱えきれない量の情報であっても、NotebookLMに読み込ませることで、それらを「知識」とし、その知識に基づく新しい文書の生成が可能になる。
よく、EvernoteやNotionなどのノート・文書管理アプリが、大量の情報を記憶してくれる場所として「第二の脳」などと形容されることがあるが、NotebookLMは、記憶能力だけではなく、処理能力・判断能力まで備わった「究極の第二の脳」だ。
NotebookLMを活用することで、論文のような難解な文書を読んだり、英語などの外国語を読んだり、従来は高学歴の知識人だけが実行できた難易度の高いタスクを、小学生レベルの知識しかなくても、そこそこのクオリティで実行できてしまうだろう。
GeminiやChatGPTなどのLLMが、さらに進化していけば、本当に知識労働者が代替されてしまう日は近いかもしれない。
しかしながら、NotebookLMはあくまで実験段階にあり、いくつかの制約は存在する。
例えば、純粋な「ノートアプリ」としての機能はそこまで充実していない。AIが生成するコンテンツは豊富にあり、分かりやすく整理できるが、ユーザー自身が執筆するノート機能は貧弱である。
ノートブック内で、「メモを追加」ボタンをクリックすることで、ユーザーが自分でメモを書くことができるのだが、非常に基本的な見出し・太字・箇条書きくらいのフォーマットができるだけで、EvernoteやNotionなどのような拡張性はない。
今後、NotebookLMのユーザーが増えて、さらに機能が強化されていけば、こうした部分も強化されることに期待したい。
総合して、Google NotebookLMは、情報管理と活用の新たな可能性を切り開くツールであり、学生からビジネスパーソンまで、たくさんの資料・情報を整理・要約する必要があるユーザーにとって非常に有用である。
本記事を参考に、ノートアプリ×生成AIという掛け合わせがもたらす革新的な体験を味わってみてほしい。