新卒未経験エンジニア1年目の YPower です。
現在はベンチャーIT企業に身を置き、日々学びながら奮闘しています。
会社でGoogle Workspaceが導入されたのを機に、GAS（Google Apps Script）などを活用した業務効率化の一環として、NotebookLM を使ったナレッジ共有の試行錯誤を、備忘録としてまとめてみました。
(※2025年10月時点)
🚀 開発チームが抱えていた課題
私たちのチームでは、主に2つの大きな課題に直面していました。
- 膨大な調査依頼
-
ドメイン知識の属人化
- ドキュメントは点在し、未整備なものも多いため、新人がパワーを発揮できるようになるまでの道のりが非常に長い……。
「点在するドキュメントと過去の回答を、いい感じにまとめて活用できないか？」
そこで目をつけたのが、GoogleのAIツール NotebookLM でした！
🛠 NotebookLMでナレッジベースを作ってみた
「検索性の悪いドキュメント」と「過去の調査回答」をすべて集約すれば、最強のアシスタントができるはず！
さっそく、社内システムからデータをかき集めて実装を開始しました。
NotebookLMで使えるソース
1. ソース追加の壁
最初はマンパワーでCSVを一つずつ追加していましたが、すぐにソース数の上限に到達してしまいました。
効率化のためにスプレッドシートへの集約を考えましたが、当時のNotebookLMはスプレッドシートに直接対応していませんでした（※2025年10月時点）。
2. GASによるデータの最適化
そこで、**「スプレッドシートの内容をGASでGoogleドキュメントに書き起こし、マークダウン形式に整える」**という手法を取りました。
AIが読み取りやすいよう、以下のような定型フォーマットで出力するように工夫しました。
---
### 事例データ
**管理No** : [案件IDを記入]
**クライアント名** : [会社名]
**担当者** : [担当者名]
**調査依頼件名** : [何についての調査か一言で]
**【調査依頼内容】**
[クライアントやコンサルから届いた生の文章をここに記載]
**【調査回答】**
[チームで回答した最終的な結論・ナレッジをここに記載]
---
フォーマットを整えることで、パフォーマンスが向上！！
ただし、大量の過去事例データが1ドキュメントに寿司詰め状態になっていたので、ドキュメントが重すぎて開かない事態に、、
一定ページ数スプレッドシートから転記したら次のドキュメントに移行するように改良し、そんなこんなで何とか動くようになったNotebookLM君。
さてさて、お手並み拝見、、と過去調査と同じ文章を投げて見ると、結構いい感じなのですが、たまに嘘をつきます。(体感精度90%位)
3. チャット設定
実際に運用してみると、最初は「もっともらしい嘘（ハルシネーション）」をつくことがありました（体感精度90%ほど）。 残りの10%を埋めるために非常に重要だったのが、**インストラクション（チャット設定）**の最適化です。
具体的に、以下の指示を徹底させました。
・ソースを提示させる： 過去事例を引用する際は、必ずソース元を明示させる。
・関連情報を添える： 一問一答で終わらず、周辺のナレッジもあわせて提示させる。
・網羅性を確保する： 蓄積されたノウハウを最大限に活用して回答を構成させる。
・「わからない」を言わせる： 不明な点を推測で補完させず、正直に「わからない」と回答させる。
これだけで、回答の信頼性がぐんと向上しました！
💡 まとめ：NotebookLM活用のポイント
試行錯誤の結果、パフォーマンスを最大化するために意識すべきことが見えてきました。
ソースは適量に： 詰め込みすぎず、AIが理解しやすい分量で整理する。
フォーマットの統一： マークダウン形式など、構造化して読ませる。
チャット設定の最適化： 「嘘をつかせない」ためのガードレールを敷く。
10月に触り始めてからも、NotebookLMはアップデートでどんどん進化しています。 今後はさらに最適化を進め、実際の運用フローについてもシェアできればと思います。
ではまた！