―― AI時代を“仲間と共に前へ進む”エスプリフォートより
当社は、「自分を大切にし、仲間を大切にし、お客様に価値を創造し、誇りある仕事をする」ことを大切にしています。
だからこそエスプリフォートでは、世界中に想像以上のスピードで入り込み、大きくあり方を変えているAI（人工知能）技術を事業の主軸に据えて、AIを活用したビジネスアプリケーションの開発を積極的に推進し、お客様の業務変革に貢献しています。
全社員向けにAI研修を定期開催し、自社プロジェクトにも積極的にAIを活用する文化を育てています。
🎉 はじめに："情報整理、もっとラクにできたらいいのに…" と思ったことはありませんか？
システムエンジニアとして日々技術を追いかけ、調査し、資料をまとめ、時にはチームに説明する──そんな業務の中で、「情報整理に時間がかかりすぎる」 と感じる瞬間は誰にでもあります。
そんなあなたにぜひ紹介したいのが NotebookLM（ノートブックLM） です。
Google が提供する“自分専用の知識管理AI” とも言える存在で、あなたの PDF／ドキュメント／メモなどを 読み込み、理解し、まとめ、質問に答えてくれる というまさに“AIリサーチアシスタント”。
あなた専用のRAG環境を簡単に実現できます。
✨ NotebookLMとは？ 一言でいうと「あなたの資料を最も理解するAI」
NotebookLM は、Googleの生成AI「Gemini」をベースにした “資料理解特化型AI”。
ChatGPT が“なんでも相談できるAI”だとすると、NotebookLMは “あなたの資料だけに深く詳しく答えてくれるAI” というイメージです。
🔍 特徴まとめ
- 資料をそのままアップロードできる（PDF, Google Docs, Slides など）
- アップロード資料を元に回答するため、ハルシネーションを極小化
- 要約・整理・比較・図解化などがワンクリックで可能
- プロジェクトノート単位で“知識ベース”を作れる
- 文章スタイル・難易度を自由に調整できる
特に優秀なのが、「アップロードした資料に基づいて回答する」という点。
エンジニア業務でありがちな
- API仕様書を読み解く
- 要件定義書を整理する
- 手順書の差分を比較する
- 長すぎる議事録をまとめたい
といった“資料との格闘時間”をゴッソリ削減してくれます。
📘 NotebookLMの基本操作 — 触って5分で使い方がわかる
ここでは、初めて触る方向けに「これだけ知っておけば使える」という最短ルートを紹介します。
STEP 1：ノートブックを作る
NotebookLM では「ノートブック」がプロジェクトフォルダのような役割。
案件ごと、技術テーマごとに分けて作成するのが便利です。
例：
- AWS設計書まとめノート
- 要件定義書レビュー用ノート
- 技術検証メモ（Python×LLM）
- 新人研修資料まとめ
1つのノートブックに複数資料をアップロードできます。
STEP 2：資料をアップロードする
NotebookLM の本領発揮ポイント。PDF や Docs をドラッグ＆ドロップするだけで、AIが内容を理解し “参照可能な知識” に変換します。
アップロード後は以下が即使えます：
- 章ごとの要約
- 用語抽出
- 構造化された説明
- 資料間の関連性分析
- 不明点の質問
「資料を読む前に全体像だけ掴みたい！」というとき、これが便利すぎます。
STEP 3：質問する
NotebookLMは、アップロード資料に基づき質問に答えます。
例：
- 「このAPI仕様書のエンドポイント一覧をまとめて」
- 「この要件定義書のリスク項目だけ抽出して」
- 「資料Aと資料Bの相違点を箇条書きで」
- 「新人向けにこれを分かりやすく説明して」
たとえば、ChatGPTや他の生成AIとの最大の違いは、資料の“どの部分”を根拠に答えているかを表示してくれる点。
レビュー時の安心感がケタ違いです。
STEP 4：ノートを育てる（ここが一番楽しい）
NotebookLM の魅力は、ノートブックが“成長していく感覚”。
質問を投げたり、要約を作ったり、リスト化していく中で、ノート内にどんどん知識が整っていきます。
まさに
「自分のためだけに動くリサーチャーを雇ったような感覚」
GoogleのUIの軽快さも相まって、非常に快適です。
🔧 実務での神活用シーン5選
NotebookLMをエンジニアが使う“本気の使い所”をピックアップしました。
① 要件定義書のサマリ生成
長すぎる要件定義書を「10行で」「テスター向けに」「PL向けに」など、対象別にサマリ化。
② 設計書レビューの下準備
- 設計書に記載の機能一覧を抽出
- 不整合点の候補を洗い出し
- 修正履歴の差分抽出
レビュー時間が体感 40〜60% 減。
③ API仕様書の理解
- エンドポイント一覧表の生成
- リクエスト／レスポンス構造の図解化
- 注意点・制限事項の抽出
「仕様書読解力をAIでブーストできる」のは革命的。
④ 議事録 → 課題一覧化
ノートに議事録PDFをアップロードして、
- 課題一覧
- TODOリスト
- 次回アクション
を一瞬で出力。
⑤ プロジェクト引き継ぎ資料の自動生成
複数ドキュメントから以下を生成：
- システム概要
- 主要テーブル一覧
- デプロイ手順まとめ
- 問い合わせFAQ
引き継ぎ品質が段違いに向上します。
🚀 NotebookLMを“仕事で本当に使いこなす”ための実践テクニック集
NotebookLMを触り始めたエンジニアが次のステップとして身につけたいのは、
「NotebookLMをプロジェクトの作業フローにどう組み込むか」 という実践力です。
ここでは、Qiita読者のエンジニアが即使える "運用テクニック" をまとめました。
🔸 テクニック①：ノートブックは“案件単位”ではなく“目的単位”で作る
よくある失敗が「案件ごと」にノートブックを作ってしまうこと。
NotebookLMの真価は 目的に応じて資料が並ぶ状態 で発揮されます。
おすすめ構成：
- 要件分析ノート（要件定義書、ヒアリングメモ、RFPなど）
- UI/UX理解ノート（画面遷移図、プロトタイプ資料）
- API仕様ノート（OpenAPI、API設計書、ER図）
- 運用ノート（運用手順、FAQ、問い合わせ履歴）
この構成にすると、プロジェクトをまたいでも“資産として使えるノート”が育ちます。
🔸 テクニック②：資料は「読み込ませたい順」にアップロードする
NotebookLMは、アップロード順を基準に構造を整理しやすくなります。
おすすめ順序：
- 全体像がわかる資料（概要書・要件一覧）
- 詳細仕様（API詳細、画面仕様）
- 補足資料（議事録・図表・社内メモ）
これだけでNotebookLMの回答精度が体感で変わります。
🔸 テクニック③：回答スタイルを "指定する" のが上級者のコツ
NotebookLMはスタイル指示がとても強力です。
例：
- 「PL向けに要点だけ」
- 「新人が理解できるように例え話を入れて」
- 「データベース経験のない人でも理解できるように」
- 「技術ブログ調で」
特にQiitaやドキュメント作成時は、
「ブログ調」「仕様書調」「講師調（教材っぽく）」
の3つを使い分けると驚くほど表現力が変わります。
🔸 テクニック④：複数資料の“横断要約”でプロジェクト理解スピードが爆上がりする
実務で一番効果が出るのがこれ。
複数の資料をアップロードして、こう指示します：
「これらの資料から、プロジェクトの目的・制約・関係者・重要機能を一覧化して」
NotebookLMは資料間の関係性を踏まえて、プロジェクトの全体像を人間より速くまとめます。
新人配属時や、途中参画時のキャッチアップが数時間→数十分に短縮されます。
🔸 テクニック⑤：資料間の“食い違い”や“曖昧さ”を発見させる
NotebookLMはレビュー支援が超優秀です。
使い方例：
- 「資料Aと資料Bに矛盾点はある？」
- 「この設計書の曖昧な記述をリストアップして」
- 「想定外のケースやエラー条件を抽出して」
これは手動では非常に時間がかかる作業。
NotebookLMを使うと 漏れ防止 × 時短 の両方を実現できます。
🔸 テクニック⑥：議事録の“行間”を読ませる（推論力の活用）
議事録を読み込ませて、こう指示してみてください：
- 「この会議で表面化していない懸念点を推測して」
- 「議論の背景や意図を解釈して」
- 「次回持ち越しになりそうな課題を予測して」
驚くほど本質的な答えが返ってきます。
会議の“理解コスト”を大幅に下げられます。
🔸 テクニック⑦：NotebookLMで作った要約を、そのまま資料へ“逆輸入”する
NotebookLMは要約や構造化が得意ですが、
その内容を設計書・議事録・報告書に転記することで、
資料の品質そのものが底上げされます。
特に次のような項目はNotebookLMの生成結果をそのまま使うと高品質：
- システム概要
- 対象機能一覧
- 例外ケース一覧
- APIの要点まとめ
- 評価観点（テスト仕様書向け）
資料作成に“骨子だけAI生成 → 仕上げだけ人間”という流れが定着すると、
仕事の速度がとにかく速くなります。
📝 NotebookLMが向いているタイプ（エンジニア版）
- 調査資料をたくさん読む必要がある
- 要件定義や設計フェーズで情報整理に苦戦している
- 複数ドキュメントの関係性を理解したい
- プロジェクトマネジメント寄りの業務が多い
- 引き継ぎ資料を効率よく作りたい
- プロジェクトメンバーへ説明することが多い
1つでも当てはまるなら、NotebookLMは“刺さる”はずです。
🙌 最後に
この記事が「NotebookLM 触ってみようかな！」というキッカケになれば嬉しいです。
それでは、良いAIライフを〜🚀✨