NotebookLM完全活用ガイド：初心者から上級者まで、そして「自動化」の先へ
「情報が多すぎて、整理が追いつかない」——この悩み、もう終わりにしませんか。
Google NotebookLMは、あなた自身の資料だけをAIに読み込ませて、要約・分析・質問応答を行う「パーソナル知識エンジン」です。ChatGPTやGeminiのような汎用チャットAIとの最大の違いは、**ソース・グラウンディング（根拠に基づいた生成）**という設計思想にあります。つまり、インターネット上の不特定多数の情報ではなく、ユーザーが提供した特定の資料のみを知識源とすることで、ハルシネーション（もっともらしい嘘）を劇的に抑えています。
本記事では、NotebookLMの基本的な使い方から上級テクニック、さらには「自動化するにはどうすればいいか」までを体系的に解説します。そして最後に、クラウドAIだけに依存しないローカルAIという選択肢についても触れます。
【初心者編】まずは触ってみよう——基本のセットアップ
アクセスと準備
NotebookLMはブラウザベースのツールで、特別なインストールは不要です。
- 公式URL：https://notebooklm.google.com
- 必要なもの：Googleアカウント（個人でもWorkspaceでも可）
- 料金：基本機能は無料（Enterprise版やPlus版などの拡張プランあり）
- 推奨環境：PCブラウザ（Chrome推奨）、モバイルアプリも利用可能
ログインしたら「ノートブック」を作成します。ノートブックは、プロジェクトごとに資料をまとめるフォルダのような単位です。
ソース（情報源）を追加する
ノートブックを作成したら、まずAIに読み込ませる「ソース」を登録しましょう。ここがNotebookLMの核心です。
対応フォーマット：
- Googleドライブ連携：Googleドキュメント、スライド、スプレッドシートを直接インポート。元ファイル更新時は「同期」ボタンで反映
- ファイルアップロード：PDF、Word（.docx）、テキスト（.txt）、マークダウン（.md）。1ファイル最大200MB
- 画像：PNG、JPEG、WebPなどに対応（一部制限あり）
- ウェブサイトURL：URLを貼り付けるだけでテキスト情報を抽出（ペイウォール付きサイトは不可）
- YouTube動画URL：字幕付き公開動画の字幕データを自動取得
- 音声ファイル：MP3やWAV形式をアップロードすると自動文字起こしされる
- テキスト直接貼り付け：断片的なメモもタイトルを付けてソース化可能
制限値：1ノートブックにつき最大50ソース（Enterprise版は300）、1ソースあたり約50万語。
画面構成を理解する——3カラム・レイアウト
NotebookLMの画面は3つの領域で構成されています。
左サイドパネル（ソース管理）： アップロードしたソースの一覧が表示されます。特定のソースのチェックを外すと、AIの参照範囲を一時的に絞れます。「最新の会議資料だけで分析したい」というときに便利です。
中央メインパネル（チャット）： AIに自然言語で質問を投げる対話エリアです。AIの回答には「引用リンク（脚注番号）」が付き、クリックすると該当ソースの具体的な箇所にジャンプできます。これがNotebookLMの信頼性を支える仕組みです。
右サイドパネル（Studio）： ソース全体を俯瞰した自動生成コンテンツが並びます。FAQ、用語集、ブリーフィング・ドキュメントに加え、マインドマップ（ソース内容の関係性を図示化）、フラッシュカード・クイズ（学習用コンテンツの自動生成）、インフォグラフィック・スライド資料の生成も可能です。音声概要や動画解説もこの領域から生成します。さらに「Deep Research」モードでは、AIが数百のウェブサイトを自動調査し、複数ページの分析レポートを作成してノートブックにインポートしてくれます。
料金プランと機能上限——無料でどこまで使える？
NotebookLMは無料で始められますが、用途によっては有料プランが必要になる場面もあります。自分に合ったプランを選ぶために、機能上限の違いを把握しておきましょう。
個人向けプラン比較
| プラン | 月額 | ノートブック数 | 1日のチャット | 音声解説/日 | 動画解説/日 | 「チャットのみ」共有 |
|---|---|---|---|---|---|---|
| 無料 | ¥0 | 100 | 50回 | 3回 | 3回 | ❌ |
| AI Plus | ¥1,200 | 拡張 | 拡張 | 拡張 | 拡張 | ❌ |
| AI Pro | ¥2,900 | 500 | 500回 | 20回 | 20回 | ✅ |
| AI Ultra | ¥36,400 | 無料の5倍 | 無料の5倍 | 無料の5倍 | 無料の5倍 | ✅ |
AI Proでは「チャットのみ」共有、高度なチャット設定（回答スタイルや長さの調整）、ノートブック分析、ウェルカムメッセージ設定が使えます。公開共有（リンク共有）は全プランで利用可能です。
どのプランを選ぶべきか
まず無料で始めるのが正解です。 個人の学習や副業レベルなら、月50クエリ・1日3回の音声生成で十分な場合が多いです。上限に達して「もっと使いたい」と感じたら、AI Pro（¥2,900）が最も費用対効果が高い選択肢です。
教育コンテンツの配信や研修教材の配布をしたい場合は、「チャットのみ」共有・ウェルカムメッセージ・分析機能が使えるAI Pro以上が必要になります。
企業の機密データを扱う場合は、個人プランではGoogle従業員がトラブルシューティング目的で内容を確認する可能性があるため、Google Cloud経由の企業向けプラン（NotebookLM Plus for Enterprise等）を検討しましょう。企業向けでは人間レビュアーによる確認もAIトレーニングへの利用も行われない、より強力なデータ保護が提供されます。
AI Ultra（¥36,400）はYouTube Premium、Gemini最上位、30TBストレージなど他のGoogleサービスとのバンドルです。NotebookLMだけのために契約するコストパフォーマンスは低いので、Google全体のヘビーユーザー向けと考えてください。
【中級者編】実践テクニック——すぐに使えるプロンプトと運用のコツ
そのまま使えるプロンプト集
NotebookLMのチャット欄にコピー＆ペーストして、括弧内を自分の状況に書き換えるだけで使えるテンプレートです。
議事録統合分析
アップロードされた過去[3回]分の会議記録を横断的に分析し、
以下の項目について詳細なレポートを作成してください。
1. 未解決の課題：議論されたが最終決定に至っていない項目と、その理由
2. 決定事項の推移：主要な決定事項を時系列で整理（いつ・誰が・何を）
3. アクションアイテム：今後2週間以内のタスクを、担当者・期限・成果物で表に
4. 次回の議題案：保留事項や矛盾点を踏まえた最優先トピック3つ
回答には必ず、どの会議のどの発言に基づいているかの引用番号を付けてください。
競合比較・SWOT分析
提供された資料に基づき、[自社製品名]と主要競合他社（[競合A], [競合B]）
の比較分析を行ってください。
1. 機能比較表：主要機能、価格帯、ターゲット層、サポート体制
2. 自社の強みと弱み：独自の優位性と改善が必要なギャップ
3. 市場の機会と脅威：技術動向や規制変更の影響
4. 戦略的提言：今後6ヶ月で注力すべきメッセージ3つ
資料間で主張が異なる点があれば、それも指摘してください。
学術論文の核心抽出
以下の指示に従い、アップロードされた[論文タイトル]の核心を抽出してください。
1. エグゼクティブ・サマリー：背景・目的・主要発見を平易な言葉で300字程度に
2. 手法の有効性：研究手法のメリットと著者が認めている限界
3. 重要用語集：頻出する専門用語5つを文脈に基づいて定義
4. 実務への応用：[具体的な業界や業務]に適用する場合の具体的ステップ
各項目の回答末尾に、該当セクション名またはページ番号を付記してください。
運用を加速させる3つのハック
1. 「統合ファイル」でソース上限を突破する
50ソースの制約を回避するには、Googleドキュメントのタブ機能を活用します。関連する小さなドキュメントを1つのGoogleドキュメントの別々のタブにまとめ、それを1ソースとしてインポートすれば、実質的に数百件の資料を管理可能です。
2. 命名規則と「00_命令ソース」
ソース名に連番を付与しましょう（例：01_基本設計書、02_市場調査レポート）。さらに、ブランドガイドラインやAIに守らせたい出力形式を記述したファイルを 00_Instruction としてアップロードし、チャットの冒頭で「00_Instructionの指示を常に遵守してください」と指示すると、一貫した出力品質を維持できます。
3. 「メモをソースに変換」で再帰的思考
Studioパネルの「すべてのメモをソースに変換」機能は強力です。第1段階の分析結果を新たなソースとして再登録し、第2段階の分析でより統合的な洞察を得る——AIと人間が共創しながら思考を深めるプロセスです。
【上級者編】音声・動画生成とツール連携
音声概要（Audio Overview）——自分専用ポッドキャスト
ソースの内容を、2人のAIホストが対話形式で解説する音声データを自動生成できます。数時間かかる読書を、通勤中や家事の合間に聴く10〜15分の音声に凝縮する体験です。
- 80以上の言語に対応（日本語対応済み）
- 生成形式を「詳細・概要・批評・議論」から選択可能
- カスタマイズプロンプトで、特定トピックへの焦点化や聴衆レベルの調整が可能
- 英語設定では再生中にAIホストに質問できるインタラクティブモードあり
- 活用例：英語の最新論文を日本語音声で要点を聞く「ながら学習」
動画解説（Video Overview）——自動プレゼンテーション
ソースからスライド資料を自動構成し、AIナレーション付きの動画を出力する機能です。ビジュアルスタイル（アニメ、水彩画、レトロ、ホワイトボードなど）を選択でき、社内の技術マニュアルをアニメスタイルの解説動画に変換するといった活用ができます。
他ツールとの連携パイプライン
NotebookLMは単体でも強力ですが、以下のような組み合わせでさらに威力を発揮します。
- Perplexity AI：NotebookLMが生成した主張を最新ウェブ情報でファクトチェック
- Gamma / SlideSpeak：NotebookLMの構成案からスライドデザインをAI生成
- Gemini Deep Research：Geminiで収集した大量のウェブソースをNotebookLMに一括インポートして深掘り分析
情報収集の自動化——論文もXも、勝手に溜まる仕組みを作る
NotebookLMの強みは「自分の資料に基づいた分析」ですが、その資料を集める作業自体を自動化すれば、知的生産性は一段と上がります。論文、SNS、ニュースなど、日常的にインプットしている情報を自動的にNotebookLMに流し込むワークフローを紹介します。
論文（arXivなど）の自動取り込み
Chrome拡張機能を使う方法： 「ArXiv to NotebookLM」などの拡張機能を使うと、arXivやGoogle Scholarの検索結果から、PDFをダウンロードすることなく直接NotebookLMのソースとして送信できます。文献管理ソフトのZoteroを使っている方なら、ZoteroからNotebookLMへ直接インポートできる拡張機能もあります。
Deep Research機能でAIに収集させる方法： NotebookLMに実装された「Deep Research」モードを使えば、調べたいテーマを入力するだけで、AIが自律的にウェブを検索し、関連する高品質な論文やレポートを自動的にノートブックのソースとして追加してくれます。
Pythonスクリプトで完全自動化する方法： 前述の非公式ライブラリ「notebooklm-py」を使えば、arXivのURLリストやローカルのPDFフォルダをスクリプトで一括インポートするパイプラインを構築できます。「毎朝、特定キーワードの新着論文を自動取得してNotebookLMに追加」といったフローも実現可能です。
X（Twitter）の情報・スレッドの取り込み
Web Clipper拡張機能： NotebookLM向けのWeb Clipper拡張機能を使うと、Xの投稿をワンクリックで保存できます。ツイートがスレッドの一部である場合、拡張機能がスレッド全体を自動検出し、手作業で結合することなく1つのソースとしてNotebookLMに取り込んでくれます。
ブックマーク → Googleドライブ → NotebookLMの自動連携： MakeやZapierなどの自動化ツールを使い、Xの「ブックマーク」に保存した投稿を、テキストやPDFとしてGoogleドライブの特定フォルダに自動保存する仕組みを作れます。NotebookLMはGoogleドライブと直接連携できるので、スマホでXを見ながら「これ面白い」とブックマークするだけで、AIの知識ベースが自動的に蓄積されていくフローが完成します。
おすすめの統合ワークフロー：「全自動インプット＆ポッドキャスト学習」
これらを組み合わせると、情報収集から学習までを自動化するサイクルが作れます。
ステップ1（収集の自動化）： 気になったXのスレッドや最新のarXiv論文を、拡張機能や自動化ツールを使って特定のノートブック（例：「今週のインプット」）に放り込んでいく。
ステップ2（音声の自動生成）： 数日分の情報が溜まったタイミングでNotebookLMを開き、「音声概要」の生成ボタンを押す。
ステップ3（ながら学習）： AIが収集したすべての論文やXの情報を統合・要約し、2人のホストが対話する10〜15分のポッドキャスト（日本語対応）として解説してくれる。これを通勤中や家事の合間に聴けば、画面を見ずに効率的なインプットが完了する。
情報の「収集」を外部ツールで自動化し、NotebookLMを「消化・分析のエンジン」に特化させる——この考え方が、NotebookLM活用の上級者への入口です。
【自動化編】NotebookLMをプログラムから操作する方法
「毎週の会議資料を自動でNotebookLMに投入し、分析レポートと音声概要を生成したい」——こうした自動化ニーズに応える方法を整理します。
方法1：NotebookLM Enterprise API（公式・組織向け）
2025年9月にGoogleがリリースした公式APIです。Google Cloudプロジェクトの設定が必要で、主に組織での利用を想定しています。
- ノートブックの作成・取得・一覧表示
- ソースの一括追加（テキスト、URL、YouTube動画）
- 音声概要やポッドキャストの生成トリガー
- 前提条件：Google Cloud課金設定、IAMロール構成、Workspace Enterpriseライセンス
Google Workspace Events APIとPub/Subを組み合わせれば、Googleドライブ上のファイル操作をトリガーにノートブック管理を自動化するアーキテクチャも構築できます（Cloud Run jobsによるPull型バッチ処理が効率的）。
方法2：非公式Python API（個人・プロトタイプ向け）
個人向けNotebookLMには公式APIが存在しませんが、コミュニティ発の非公式ライブラリが登場しています。
notebooklm-py（GitHub: teng-lin/notebooklm-py、Star 8,400+）は、ブラウザ認証を利用してNotebookLMの内部APIにプログラムからアクセスするPythonライブラリです。
pip install notebooklm-py
notebooklm login # ブラウザで認証
notebooklm create "My Research"
notebooklm source add "https://example.com"
notebooklm ask "要点を教えて"
notebooklm generate audio --wait # ポッドキャスト生成
重要な注意点：このライブラリはGoogleの非公開APIを利用しているため、予告なく動作しなくなる可能性があります。プロトタイプや個人利用に適していますが、本番環境での利用は推奨されません。
方法3：MCP連携（AIエージェント統合）
notebooklm-mcp-cli（GitHub: jacob-bd/notebooklm-mcp-cli）を使えば、Claude Code、Gemini、Cursorなどのエージェントツールから自然言語でNotebookLMを操作できます。
nlm setup add claude-code
# あとはClaude Codeで自然言語指示：
# 「量子コンピューティングについてノートブックを作り、ポッドキャストを生成して」
方法4：Gemini APIで「NotebookLM的な体験」を自作する
公式APIを待つ代わりに、Gemini APIを使って「ソース限定のRAG（Retrieval Augmented Generation）」を自前で構築する方法もあります。自分の資料をベクトルDB（ChromaDB等）に格納し、Gemini APIで検索＋回答生成を行えば、NotebookLMと同等のソースグラウンディングを実現できます。
自動化戦略の選び方
| 方法 | 対象ユーザー | 安定性 | コスト |
|---|---|---|---|
| Enterprise API | 組織・チーム | 高い（公式） | Workspace Enterprise契約が必要 |
| notebooklm-py | 個人・研究者 | 中（非公式API依存） | 無料 |
| MCP連携 | 開発者 | 中（非公式API依存） | 無料 |
| Gemini API自作 | 開発者 | 高い（公式API） | API利用料 |
方法5：OneClickLM（MCP経由の安定ツール）
MCP連携ツールの中で現時点で最も安定しているのがOneClickLM（GitHubで公開、MITライセンス）です。Googleの内部Web APIを利用しつつ、認証トークンの自動更新機能を備えているため、他のツールに比べてセッション切れが起きにくいのが特徴です。
# Step1: Googleログイン（初回のみ）
npx oneclicklm login
# Step2: MCPクライアント設定（例：Claude Code）
claude mcp add notebooklm -- npx oneclicklm
# Step3: 自然言語で操作
# 「私のNotebookLMのノートブック一覧を表示して」
利用できる操作は、ノートブックの一覧取得・詳細表示、AIへの質問（引用付き回答）、新規ノートブック作成、URL・YouTube・テキストのソース追加、ソース一覧確認の6種類です。
MCP・非公式API利用時の法的注意
非公式ツール（notebooklm-py、notebooklm-mcp-cli、OneClickLMなど）はいずれもGoogleの公式APIではなく、内部Web APIを利用しています。利用にあたっては以下の点を理解しておく必要があります。
- Googleの利用規約（特にSection 4）では、自動化によるデータ収集・スクレイピングが制限される場合がある
- 個人利用やテスト目的では多くの場合問題視されないが、第三者にサービスとして提供する場合は慎重に規約を確認すること
- Googleが将来的に内部APIを変更した場合、予告なく動作しなくなる可能性がある
- 利用規約との関係は利用者自身が判断する必要がある
ノートブックの共有——チームや読者に配布する
NotebookLMには共有機能があり、作成したノートブックを他のユーザーに公開できます。ただし、共有の仕方によって著作権上のリスクが大きく変わるため（前述の著作権セクション参照）、仕組みを理解しておくことが重要です。
共有の手順
ノートブック右上の「共有」ボタンをクリックし、アクセスを「リンクを知っている全員」に設定すれば、Googleアカウントを持っている人なら誰でも閲覧・チャットが可能になります。「制限付き」に戻せばリンクは即座に無効化されます。
共有レベルの選択（有料プランのみ）
有料プラン（NotebookLM Plus）では、共有時に2つのモードを選べます。
- チャットのみ：閲覧者はAIチャットのみ利用可能。ソースやアーティファクト（音声概要・マインドマップなど）には直接アクセスできない
- ノートブックすべて：音声解説・マインドマップなど全コンテンツにアクセス可能
前述の著作権セクションで解説した通り、ソースに他人の著作物が含まれる場合は「チャットのみ」モードを選択するのが安全です。
共有の制限事項
- 個人のGoogleアカウントでのみ有効（Workspace Enterprise・Educationアカウントは現時点で公開共有が無効）
- 管理できるのはオーナーと編集者のみ
- 有料プランユーザーはアナリティクスタブで閲覧状況を確認可能
Google公式が明示している共有ルール
Googleの公式ヘルプでは、共有に関して以下のルールが明記されています。
- 著作権法を必ず遵守すること。 権利を持っていないコンテンツ（書籍・論文・記事など）をソースとして公開共有することは禁止
- 繰り返し違反した場合はアカウント停止の可能性あり
- 医療・法律・金融アドバイスとしての使用は不可（情報提供目的のみ）
自分が著作権を持つ文書、権利者から許諾を得た文書、パブリックドメインの資料、自社・自校の内部文書であれば問題なく共有できます。
セキュリティとプライバシー——知っておくべきこと
データの学習利用について
Googleは、NotebookLMにアップロードされたデータがAIモデルの学習に使用されないと明言しています。これは、学習利用がデフォルトで有効になっている他のチャットAIと比較した明確な優位性です。ただし、組織内にガイドラインがある場合はそれに従うことが前提です。
同期と正確性
Googleドキュメントをソースにしている場合、元ファイルの編集は自動反映されません。定期的に「ソースを同期」ボタンをクリックして最新状態を保つ必要があります。音声概要や動画解説には稀に解釈の誤りが含まれる可能性があるため、最終成果物は必ず人間がレビューしましょう。
著作権——NotebookLMで見落としがちなリスク
NotebookLMは便利ですが、著作権法への注意はクラウドAIでもローカルAIでも共通して必要です。
STORIA法律事務所の柿沼太一弁護士が、NotebookLMに第三者の著作物をソースとしてアップロードする場合の著作権法上のリスクを詳細に整理しています（「NotebookLMに他人の著作物をアップロードしたら著作権侵害？」、2026年4月1日公開）。
以下、柿沼弁護士の分析をベースに、具体的な場面ごとに「セーフなケース」と「アウトなケース」を整理します。
そもそも何が問題になるのか？
NotebookLMでは2つの行為が著作権法上の問題になりえます。
- アップロード行為：他人の著作物をNotebookLMにソースとして読み込ませる行為（複製権の問題）
- AI出力の生成・提供行為：ソースの創作的表現が含まれるAI出力を生成し、それを第三者に見せる行為（複製権・公衆送信権の問題）
場面①：自分一人で使う（共有しない）場合
結論：原則として適法。ただし注意点あり。
たとえば、あなたが業界レポートのPDFをNotebookLMにアップロードし、「この資料の要点を教えて」と質問する場面を考えます。
AIが返す回答が、元の資料の「趣旨やデータを自分の言葉でまとめた分析」であれば、ソース内の創作的表現をあなたは享受していないので、アップロード行為には著作権法30条の4（情報解析のための非享受目的利用）が適用され、私的利用でも業務利用でも適法です。
一方、AIの回答に含まれる引用リンクをクリックして元のソースを読みにいったり、ソースの文章をコピー＆ペーストしたりする場合は、構造としてはDropboxやGoogle Driveに他人の著作物を保存して自分で閲覧する行為と同じです。この場合、私的利用であれば著作権法30条（私的使用目的複製）が適用され適法ですが、業務利用では30条が適用されないとするのが通説であり、著作権侵害になりうるという点に注意が必要です。
具体例で考える：
- ✅ セーフ：医学論文をアップロードし、「この研究の手法と結論を要約して」と聞く → AIが独自の表現でまとめた回答を自分で読む
- ✅ セーフ：競合他社の製品カタログ5社分をアップし、「各社の価格帯と機能を比較表にして」と指示する → AIが生成した比較表を自分で活用（元のカタログの文章表現は含まれない）
- ⚠️ 注意：書籍をスキャンしてアップロード後、引用リンクから元の文章を読みにいく → 業務利用の場合は要検討
場面②：ノートブックを他人に共有する場合
ここからがリスクの高い領域です。NotebookLMには「フルノートブック」共有と「チャットのみ」共有の2つのモードがあり、どちらを選ぶかで法的評価が大きく変わります。
パターンA：著作権侵害になりうるケース
「フルノートブック」共有の場合： 共有相手がソース（=他人の著作物そのもの）を直接閲覧できてしまいます。これは、他人の著作物を第三者に配布しているのと実質的に同じ構造です。
具体例：
- ❌ ある書籍をPDFにしてNotebookLMにアップロードし、「フルノートブック」モードでチームメンバーに共有 → メンバーがソースパネルから書籍の全文を閲覧可能 → 著作権侵害のリスクが高い
「チャットのみ」共有でも、AI出力にソースの創作的表現が含まれる場合： チャットのみ共有であればソース自体は相手に見えませんが、AIの回答の中にソースの文章表現がそのまま再現されていれば、結果的に著作物の創作的表現を第三者に提供していることになります。
具体例：
- ❌ 小説をソースにして「第3章の感動的なシーンを引用して」と指示 → AIが原文をほぼそのまま出力 → その出力を含むノートブックを「チャットのみ」で共有 → 著作権侵害のリスクあり
- ❌ 新聞記事をソースにして「この記者の主張をそのまま抜き出して」と指示 → AIが記事の文章表現を再現 → 共有 → リスクあり
パターンB：適法と考えられるケース
「チャットのみ」共有で、AI出力にソースの創作的表現が含まれない場合： AIが元の資料の事実やデータのみを抽出し、独自の表現で再構成した出力であれば、ソースの創作的表現は共有相手に渡っていないため、適法と評価できます。
具体例：
- ✅ 特許明細書を複数アップロードし、「この分野の技術トレンドを分析して」と指示 → AIが独自の分析文を生成 → 「チャットのみ」で共有 → 適法
- ✅ 建築資材のスペックシートをアップし、「○○の耐荷重はいくらか」と質問 → AIがスペック情報（事実・データ）を回答 → 共有 → 適法（そもそもスペック情報は著作物ではないため、著作権の問題自体が生じない）
判断のポイント：「創作的表現が含まれるかどうか」
同じNotebookLMの使い方でも、AIへの指示の仕方によって適法にも違法にもなりうるというのが重要なポイントです。
| AIへの指示 | AI出力の性質 | 共有時のリスク |
|---|---|---|
| 「この資料の要旨を自分の言葉でまとめて」 | 独自表現の要約 | 低い |
| 「この資料の重要な数値データを抽出して」 | 事実・データの抽出 | 低い（著作物性なし） |
| 「この記事の文章をそのまま引用して」 | ソースの表現の再現 | 高い |
| 「著者の主張を原文に忠実に抜き出して」 | ソースの表現の再現 | 高い |
| 「5社のレポートを比較分析して」 | 独自の分析・比較 | 低い |
ローカルAIでも同じ問題は起きる
この分析は、NotebookLMに限った話ではありません。たとえば自分のPCでOllamaとGemma 4を使い、他人の書籍データを読み込ませてAI要約を作成し、その要約をブログで公開したりチームに共有したりすれば、同じ著作権法上の論点が発生します。
ツールがクラウドかローカルかは関係ありません。 重要なのは「他人の著作物の創作的表現を、AI出力を通じて第三者に提供しているかどうか」です。
実務上の安全ルール（まとめ）
- 自分一人で使う分には基本的にOK。 ただし業務利用でソースの原文を直接閲覧・コピペする場合は権利制限規定が適用されない可能性がある
- 共有するなら「チャットのみ」モードを使う。 「フルノートブック」共有は、ソースに他人の著作物が含まれる場合はリスクが高い
- AIへの指示は「分析して」「比較して」「要約して」を基本に。 「原文を引用して」「そのまま抜き出して」といった指示は、出力にソースの創作的表現が含まれやすく、共有時にリスクとなる
- 共有前に出力を確認する。 AI出力にソースの文章表現がそのまま残っていないかをチェックする習慣をつける
- 詳細な法的判断が必要な場合は、専門家に相談する。 柿沼弁護士の分析（STORIA法律事務所ブログ）は実務上の参考になるが、個別事案の判断は弁護士への相談が推奨される
教育システムでの活用——先生・学校・外部エンジニアが知るべき落とし穴
NotebookLMは教育現場でも急速に導入が進んでいます。教材作成の効率化、国家試験対策のナレッジベース構築、学生向けのAIチューター——可能性は大きいですが、教育特有の法的・実務的な問題が複数存在します。
ここでは、専門学校や大学の教員の立場と、外部エンジニアとの共同開発という2つの視点から、具体的に整理します。
問題1：教科書・参考書のアップロードと著作権法35条
教育現場でまず直面するのが、「教科書や参考書をNotebookLMにアップロードしていいのか」という問題です。
著作権法35条は、営利を目的としない教育機関において、授業を担当する教員や受講する学生が、授業の過程で必要と認められる範囲で著作物を複製・公衆送信できると定めています（公衆送信の場合はSARTRAS補償金の支払いが前提）。
しかし、NotebookLMへのアップロードが35条の「複製」に該当するとしても、以下の点で注意が必要です。
具体例で考える：
- ✅ 適切：授業準備として教員が自分一人で参考書の一部をアップロードし、試験問題の素案をAIに作らせる → 個人利用＋情報解析目的（30条の4）で適法と考えられる
- ⚠️ 要注意：教科書の全文をアップロードし、ノートブックを学生30人に「フルノートブック」共有する → 教科書の全文が閲覧可能になるため、著作権者の利益を不当に害する可能性が高い。35条の適用外と判断されるリスクがある
- ⚠️ 要注意：市販のドリル・問題集をアップロードし、AIに類似問題を生成させて配布する → 問題集は「授業で使用されることを想定して作られた著作物」であり、複製がその市場と衝突するため35条の適用が否定される可能性がある
- ✅ 適切：著作権保護期間が満了した作品（パブリックドメイン）を使用する → 例えば国語の授業で新美南吉の『ごんぎつね』をアップロードしてスライドを生成するのは問題ない
ポイント： 35条はあくまで「著作権者の利益を不当に害しない」範囲に限定されます。教科書丸ごとのアップロードや、問題集の代替となるような利用は、教育目的であっても適用外となりうるのです。
問題2：学生の個人情報・成績データの取扱い
NotebookLMで学習支援システムを構築する場合、学生のレポートや成績データ、出席記録をソースとして利用したくなる場面があります。ここで個人情報保護法が重要になります。
NotebookLMはクラウドサービスであり、アップロードしたデータはGoogleのサーバーで処理されます。Googleは「AIモデルの学習には使用しない」と明言していますが、Google自身のヘルプページには「人間のレビュアーがトラブルシューティングや改善のためにクエリやアップロードを確認することがある」と記載されています。
つまり、学生の個人情報をNotebookLMにアップロードすると、Googleの従業員がその情報を閲覧する可能性がゼロではないということです。
具体例で考える：
- ❌ 不適切：学生の氏名・学籍番号・成績が入ったExcelを、そのままNotebookLMにアップロードする
- ❌ 不適切：学生の実習レポート（氏名入り）をアップロードし、AI採点の参考にする
- ✅ 適切：個人情報を削除・匿名化した上で、レポートの文面のみをアップロードし、採点基準の整合性を確認する
- ✅ より安全：個人情報を含むデータはローカルAI（後述のGemma 4やOllamaなど）で処理し、NotebookLMには教材・カリキュラム資料のみをアップロードする
大学・専門学校は個人情報保護法上の「個人情報取扱事業者」に該当し、学生のデータを外部サービスにアップロードする場合は利用目的の範囲内で行うこと、必要に応じて学生への通知・同意取得が求められます。学校の個人情報保護規程やIT利用ガイドラインを必ず確認しましょう。
問題3：教員が作った教材、著作権は誰のもの？
大学や専門学校の教員がNotebookLMを活用して作った教材やAI生成コンテンツの著作権は、教員個人に帰属するのか、学校法人に帰属するのか——この問題は見落とされがちですが非常に重要です。
著作権法15条（職務著作）では、法人等の発意に基づき、従業員が職務上作成した著作物で、法人名義で公表されるものは、契約等に別段の定めがない限り法人が著作者となります。
教育現場での典型的な判断ポイントは以下の通りです。
| 作成物 | 著作権の帰属（一般的な傾向） |
|---|---|
| 教員が個人で執筆した学術論文 | 教員個人 |
| 学校の発意で作成した入試問題 | 学校法人（職務著作） |
| 授業用に個人で作成したスライド | 教員個人（ただし学校の規程による） |
| 学校のプロジェクトとして開発したeラーニング教材 | 学校法人の可能性が高い |
| 教員が個人のNotebookLMで作成した分析メモ | 教員個人 |
教員がNotebookLMで作った教材を学校の公式教材として利用する場合、事前に学校の著作物取扱規程を確認し、必要に応じて権利の帰属を明確にしておくことが重要です。
問題4：外部エンジニアとの共同開発で気をつけるべきこと
教育AIシステム（例：国家試験対策アプリ、NotebookLMをバックエンドに使った学習支援プラットフォームなど）を、学校の教員と外部のエンジニア（フリーランスや開発会社）で共同開発する場合、以下の問題が発生します。
4-1. 著作権の帰属を契約で明確にする
ソフトウェアの著作権は、契約で取り決めない限り、原則として開発した側（エンジニア・開発会社）に帰属します。教員がカリキュラム設計やプロンプト設計を行い、エンジニアがコードを書いた場合、完成したシステムの著作権が誰のものかを巡ってトラブルになるケースがあります。
具体的に取り決めるべき項目：
- コードの著作権：学校に譲渡するのか、エンジニアが保持しつつライセンスを付与するのか
- プロンプト・指示テンプレートの著作権：教員が設計したプロンプト体系の扱い
- 教材コンテンツの著作権：教員が作成した問題文やカリキュラムの扱い
- AI生成物の著作権：NotebookLMやGeminiの出力を含む成果物の帰属
- エンジニアの著作者人格権の不行使：学校側がシステムを自由に改変・運用できるようにするための条項
- 退職・契約終了後の扱い：エンジニアとの契約終了後もシステムを継続利用できるか
4-2. 学生データへのアクセス範囲を制限する
外部エンジニアがシステム開発やデバッグのために学生データにアクセスする必要がある場合、以下の対策が必須です。
- NDA（秘密保持契約）の締結：開発契約とは別にNDAを結び、学生の個人情報を目的外利用しないことを明記する
- テストデータの匿名化：開発・テスト環境には実際の学生データを使わず、匿名化またはダミーデータを使用する
- アクセス権限の最小化：エンジニアがアクセスできるデータの範囲を、開発に必要な最小限に制限する
- 契約終了後のデータ消去義務：エンジニアの手元に残るデータの扱いを契約で定める
4-3. NotebookLMの共有設定に注意する
教員とエンジニアがNotebookLMのノートブックを共有して開発を進める場合、ソースに教科書や学術論文（他人の著作物）が含まれていれば、前述の著作権の問題が発生します。
実務的な対策：
- 教員が著作権のある教材をソースに登録したノートブックは「チャットのみ」モードで共有し、エンジニアがソース原文にアクセスできないようにする
- エンジニアとの共有用ノートブックには、学校が自作した教材や、オープンアクセスの資料のみをソースとして登録する
- 開発用と教材分析用でノートブックを分ける
4-4. 「営利目的の教育機関」は著作権法35条の対象外
見落とされがちですが、著作権法35条が適用されるのは**「営利を目的として設置されているものを除く」教育機関**です。つまり、以下のような違いがあります。
| 教育機関の種類 | 35条の適用 |
|---|---|
| 国公立大学 | ✅ 適用あり |
| 私立大学（学校法人） | ✅ 適用あり（非営利） |
| 専門学校（学校法人・準学校法人） | ✅ 適用あり（認可校） |
| 企業が運営する研修施設 | ❌ 適用なし |
| 営利目的の資格スクール・塾 | ❌ 適用なし |
| カルチャーセンター | ❌ 適用なし |
学校法人が運営する専門学校であれば35条は適用されますが、株式会社が運営する教育サービスの場合は適用されない点に注意が必要です。
教育×NotebookLM 安全運用チェックリスト
- 教科書・参考書の全文アップロードは避ける。 必要な章・セクションに限定する
- 学生の個人情報（氏名・学籍番号・成績）はNotebookLMにアップロードしない。 匿名化するか、ローカルAIで処理する
- 学校の著作物取扱規程を確認する。 教材の著作権が教員個人と学校法人のどちらに帰属するかを把握する
- 外部エンジニアとの開発契約には、著作権の帰属・NDA・データ消去義務を明記する
- ノートブックの共有モードは「チャットのみ」をデフォルトにする。 特にソースに他人の著作物が含まれる場合
- AI出力は必ず教員がレビューする。 AIの回答には誤りが含まれる可能性があり、教育の最終責任は常に教員にある
- 自校が35条の適用対象かを確認する。 営利目的の教育事業は適用外
【コラム】先生やエンジニアが一緒に教育ツールを作りやすい理由——非常勤講師×外部開発のすすめ
NotebookLMやAIを活用した学習支援ツールを「現場の先生とエンジニアが一緒に作る」という動きが増えています。実はこの組み合わせ、法律的にも実務的にもスムーズに進めやすい構造になっています。
非常勤講師は「身軽に動ける」立場
常勤の専任教員が学校の指示で作った教材は、職務著作（著作権法15条）として学校に著作権が帰属する場合があります。一方、非常勤講師は委嘱契約で担当業務が限定的なことが多く、授業の範囲を超えて自発的にツールを開発している場合は、職務著作に当てはまりにくい立場です。
つまり、「学生のためにこういう仕組みがあったら便利だな」と思って、自分のスキルと時間で作ったものは、基本的に作った本人のものになりやすいということです。この身軽さは、外部のエンジニアと組んで開発を進めるときにもプラスに働きます。
善意で作るからこそ、ゆるく整理しておく
先生が善意で作ったツールを学校の授業で使ってもらう——この関係自体はとてもシンプルです。ただ、お互いの認識がずれないように、「これは個人で作っているもので、授業では自由に使ってくださいね」くらいのことを、普段のやりとりの中でさらっと共有しておくと、後々スムーズです。
もちろん、学校側が開発費やサーバー費用を負担しているような場合は話が変わりますので、その場合は著作権の帰属や保守の分担をきちんと相談しておいた方がよいでしょう。あくまで「善意で、自費で、自分の時間で作っている」場合の話です。
開発の記録は普段の延長で： GitHubの個人アカウントでコードを管理する、開発のきっかけをブログやSNSに書いておく——特別なことをする必要はなく、普段の開発フローの中で自然と残る記録で十分です。
三者の役割分担がはっきりしていると、開発は進む
学校法人が運営する専門学校は著作権法35条の適用対象なので、授業目的での著作物利用について権利制限が使える環境です。先生が教材と現場知識を出し、エンジニアがシステムを作り、学校は授業の場を提供する——この役割分担がはっきりしていると、余計な調整なしに開発が前に進みます。
教育×AIの開発は、大きな予算や組織がなくても、「現場をよく知っている先生」と「技術を持っているエンジニア」がいれば始められます。非常勤講師という立場は、その第一歩を踏み出しやすいポジションだと言えるでしょう。
ローカルAIの重要性——データを外に出さない選択肢
NotebookLMはクラウドサービスであり、アップロードしたデータはGoogleのサーバーで処理されます。これは「ローカルAI」ではありません。医療情報や個人情報を扱う現場では、データを外部に送信しない選択肢が求められる場面があります。
実は、自分のパソコンやスマートフォンで動くAIモデル（ローカルAI）の技術が急速に進化しています。
Gemma 4（Google DeepMind、2026年4月リリース）は、Apache 2.0ライセンスで無料公開されたオープンモデルで、スマートフォンでも動作します。140以上の言語に対応し、画像・音声も処理できます。詳しくは筆者のQiita記事「Gemma 4 徹底解説：Googleのオープンモデル最新版で何ができるのか」をご覧ください。
Bonsai-8B（PrismML、2026年3月リリース）は、82億パラメータのAIモデルをわずか1.15GBに圧縮し、iPhone上で動作する1-bit量子化モデルです。通常の16-bitモデルが約16GBを必要とするのに対し、約14分の1のサイズ。詳しくは「Bonsai-8B 徹底解説：1-bit LLMが切り拓くローカルAIの新時代」をご覧ください。
これらのローカルAIを活用すれば、データを外部に送信せずに、院内や自分のPC内でAI処理を完結させることが可能になります。個人情報保護法や厚労省ガイドラインへの適合も、クラウドAIに比べてはるかに容易です。
ただし、ローカルAIであってもクラウドAIであっても、著作権法への注意は共通して必要です（前セクション参照）。
業種・目的別の活用シーン
NotebookLMは汎用的なツールですが、業種によって特に効果的な使い方があります。
教育・学習： 教科書PDFや講義動画（YouTube）をソースにして、フラッシュカードで暗記→音声解説で通学中に復習→クイズで理解度チェックという一連の学習サイクルが作れます。医療系・法律系の国家試験対策に特に向いています。
ビジネス・コンサル： 会議録・業界レポート・決算資料をまとめてアップし、「競合他社との差分を整理して」「リスク要因を洗い出して」とクエリを投げることで分析レポートの骨格が作れます。Pro以上ではアナリスト回答スタイルを使うと精度が上がります。
研究・医療： 論文PDFや学術誌URLを50本まとめてノートブックに入れ、特定テーマについて引用付きの回答を得る。著作権に注意しつつ、自分でアクセスできる文献のみを使いましょう。
コンテンツ制作・メディア： 音声解説や動画解説を公開リンクで配信するコンテンツハブとして使えます。専門情報をキュレーションして公開配信する「おすすめのノートブック」モデルも可能です。
専門学校・企業研修： 社内マニュアル・規程・研修資料をソースにした社内FAQチャットボットのような使い方ができます。Pro以上では「チャットのみ」共有で受講者がソースを直接見られないよう制限しながら配布できます。
モバイルアプリの現状
スマートフォンアプリ（Android / iOS）もリリースされていますが、デスクトップ版と比べると一部機能に制限があります。
モバイルで使える機能： チャット、音声解説（生成・再生・ダウンロード・インタラクティブモード）、フラッシュカード、クイズ、インフォグラフィック、スライド資料、ウェブ検索、外出先でのソース追加
現時点で未対応の機能： マインドマップ、動画解説、公開共有の設定変更、チャット設定のカスタマイズなど
通勤中に音声解説を聴いたり、出先で気になった記事をソースに追加したりといった使い方には十分対応していますが、ノートブックの本格的な構築やカスタマイズはデスクトップ版で行うのがおすすめです。
まとめ：NotebookLMは「知の入口」であり「出口」ではない
NotebookLMは、人間が情報の「整理」に費やしてきたエネルギーを、真にクリエイティブな「思考」と「意思決定」にシフトさせるための触媒です。
初心者の方へ：まずはGoogleアカウントでログインし、手元のPDF1つをアップロードして「この資料を300字で要約して」と聞いてみてください。引用リンク付きの回答に、きっと驚くはずです。
中級者の方へ：本記事のプロンプトテンプレートを活用し、命名規則と00_命令ソースで出力品質を安定させましょう。
上級者の方へ：自動化の選択肢を検討し、NotebookLMを知的生産パイプラインの一部に組み込んでください。そして、データの性質に応じてクラウドAIとローカルAIを使い分ける判断力を磨きましょう。
知的生産の未来は、AIが人間に代わって考えることにあるのではありません。人間がAIを適切に誘導し、膨大な情報から真実と洞察を導き出すオーケストレーション能力にあります。
筆者：臨床工学技士 × AIエンジニア