NotebookLM ― AIが“ドヤ顔で喋る”のをやめて、ちゃんと資料を読んでくれる話

Last updated at 2025-12-15Posted at 2025-12-15

「このプロジェクトの資料、どこにありますか？」
「……全部だよ」

エンジニアなら、一度は聞いたことがあるセリフだと思います。

エンジニアあるある：資料が多すぎ問題

新しいプロジェクトに参加した初日。

渡されたもの：

PDF設計書 12本（1本50ページ超え）
Google Docs 8個（最終更新日：2年前）
議事録は Slack / Notion / Confluence に散乱
そして魔法の一言
「全部読めば分かるよ」

ChatGPTに聞いてみると：

「このシステムの全体構成は？」

返事はとても流暢。
それっぽい。
でも……

👉 どの資料を根拠にしてるのか分からない。

AIが悪いわけではありません。
「喋りすぎるAI」を信用できないだけです。

NotebookLMとは？（超ざっくり）

NotebookLMを一言で言うと：

渡した資料だけを根拠に答えるAI。
知らないことは「知らない」と言うAI。

最近のAI界隈では、これはもはや美徳です。

王道ユースケース：「プロジェクトの脳」

NotebookLMの一番強い使い方はこれです：

プロジェクト資料を全部突っ込んで、
「全部読んだ人」に質問する。

アップロードするもの：

Design Doc
API仕様書
Architecture資料（PDF）
議事録
ADR（設計判断メモ）

そして聞く：

「なぜRESTじゃなくてEvent-driven？」
「ユーザー登録の処理フローは？」
「今のtechnical debtはどこ？」
「この決定、いつ誰が決めた？」

重要ポイント
NotebookLMは資料外の知識を使いません。

つまり：

答え＝資料に書いてあること
なければ「見つかりません」

なぜNotebookLMはエンジニア向き？

1. 嘘をつかない（最重要）

書いてないことは言わない
「一般的には〜」を始めない
経験談で補完しない

👉 エンジニアにとって
嘘をつかないAI＝信頼できるAI

2. ドキュメント間の関係を理解する

NotebookLMは単なる検索ではありません。

設計書 × 議事録を横断
判断の背景を説明
「なぜそうなったか」を語れる

Ctrl + F では一生無理です。

3️. オンボーディングが爆速

新人：

同じ質問を何度もしなくていい
「読んだけど分からない」が減る

先輩：

夜中にSlackが鳴らない

キャッチアップ期間
数週間 → 数日

NotebookLMの中身

RAG（Retrieval-Augmented Generation）をご存じの方にはお馴染みの内容になりますが、 RAGについてあまり馴染みがない方は、以前こちらの記事で基本から解説しています。先に目を通していただくと、以降の内容がより理解しやすくなると思います。

AIの「ハルシネーション」？あなた専用データをAIに“参照”させるRAG (Retrieval-Augmented Generation)の仕組みとは

結論から言います。

NotebookLMは、めちゃくちゃ出来の良いRAGシステムです。

全体の流れ（やさしめ）

ドキュメント
 → 意味単位で分割
 → Embedding
 → Vector DB
 → 関連部分を検索
 → contextを整理
 → LLMが回答（制御あり）

はい、RAGそのものです。

NotebookLMがうまいところ

Chunkingが賢い

token数で雑に切らない
セクション・文脈単位
metadata付き（どの資料のどこか）

Contextの掃除が丁寧

top-kをそのまま投げない
重複を消す
定義・決定事項を優先

👉 LLMが考えやすい状態になる
→ hallucinationが激減

NotebookLMの鉄の掟

資料に書いてないことは使わない。

その結果：

創作は苦手
文章生成は地味
でも 業務利用では最強

NotebookLM vs 自作RAG

観点	NotebookLM	自作RAG
手軽さ	⭐⭐⭐⭐⭐	⭐⭐
カスタマイズ	⭐⭐	⭐⭐⭐⭐⭐
安定性	⭐⭐⭐⭐⭐	実装次第
ドキュメント理解	⭐⭐⭐⭐⭐	⭐⭐⭐

👉 NotebookLMは
「RAGベストプラクティスの完成形」

どんな時に使う？

🏁 まとめ

NotebookLMは、

何でも知ってるAIではない
ちゃんと読むAI

AIがどんどん饒舌になる時代に、
黙って資料を読んでくれるAIは貴重です。