この記事は『2025年 人事 x AI活用 Advent Calendar 2025』の14日目の記事です。
このアドベントカレンダーでは、人事領域におけるAIの活用に必要となる基礎知識から事例まで、広くまとめます。
この記事では、NotebookLM を活用した情報収集についてまとめます。
前提
このアドベントカレンダーに関わる記事は、以下の分業でまとめています。
- お題の決定 : 私
- 記事内容の検討 : 私 & AI
- アウトラインの決定 : 私
- 詳細の執筆 : AI
- 詳細の文章の微調整 : 私
- 画像作成 : AI
NotebookLM を活用した情報収集
NotebookLM の活用法の一つとして、情報収集があります。
ソース情報の設定
| ソースの種類/機能 | 詳細 | 主な用途・メリット |
|---|---|---|
| Google ドキュメント | Google Driveに保存されているドキュメントファイル。 | 長文のレポート、議事録、研究論文など、テキストベースの詳細情報の分析。 |
| ローカルまたはGoogle Driveに保存されているPDFファイル。 | 既存のマニュアル、書籍の抜粋、外部資料、図表を含む資料の取り込み。形式を保持したまま情報を活用したい場合に有用。 | |
| テキストファイル | .txt形式のファイル。 |
コードスニペット、メモ書き、形式がシンプルなデータセットなど、純粋なテキスト情報の取り込み。 |
| Web サイト | 公開されているWebページのURL。 | ニュース記事、ブログ、公開されている調査データ、オンラインドキュメントなど、リアルタイムに近い情報の参照・分析。 |
| Google スライド | Google Driveに保存されているプレゼンテーションファイル。 | プレゼンテーション資料の概要把握、主要なポイントや箇条書きデータの抽出。発表内容に基づいたQ&Aや要約生成。 |
| YouTube 動画 | YouTubeの動画URL。（） | 動画のトランスクリプト（文字起こし）を利用した内容の要約、特定のトピックの検索、ディスカッションの作成。視覚情報よりも「話されている内容」の分析に強み。 |
| Fast Research | 既存のソースに基づき、素早く質問に回答したり、関連情報を抽出・要約する機能。 | 短時間で特定の情報を見つけたい、プロジェクトの概要を素早く把握したい場合に利用。効率的な情報検索。 |
| Deep Research | ソース全体を深く掘り下げ、異なる文書間の関連性や潜在的な洞察をあぶり出す機能。 | 複雑なトピックの多角的な分析、文書間の関係性の発見、新たな視点の創出。質の高い分析。 |
海外の記事を日本語で確認する
NotebookLMは、英語のソース情報を取り扱う際、特に言語の障壁を取り除くという点で高い利便性を提供します。
| ポイント | 詳細 |
|---|---|
| ソース情報が英語でも日本語で質問し、日本語で回答を得ることができる | ユーザーがプロジェクトに追加した英語のドキュメントやWebサイトに対し、日本語で質問や指示を出すことができます。NotebookLMは、その内容を正確に理解し、日本語で回答を生成します。これにより、外国語の読解力を問わず、内容を深く理解することが可能になります。 |
| レポート機能の作成も日本語で出力できる | 英語のソースを基に、要約、ブレインストーミング、レポート構成案などのレポート作成機能を利用する際、その出力結果はすべて日本語で提供されます。調査結果を日本のチームやクライアントに報告する際の翻訳・編集作業が不要になり、効率的なアウトプット作成をサポートします。 |
チャットを通して理解を深める
NotebookLMのチャット機能は、アップロードされたソース情報と対話することで、情報の理解度と分析能力を高めるのに役立ちます。
| 観点 | 詳細 | メリット |
|---|---|---|
| 要約でざっと確認する | 長文や複数のソースに対し、「要点を教えて」「主要な主張をまとめて」などとチャットで指示することで、内容の全体像や核心を迅速に把握できます。 | 精読する前に情報の価値や関連性を即座に判断でき、リサーチの効率が向上します。 |
| ポイントをチャットで質問し、理解を確かめる | 専門用語の意味や複雑な主張の具体的な事例、批判的な見解など、理解が曖昧なポイントについて直接質問し、答えを得ることで理解度を確認できます。 | 疑問点をすぐに解消し、能動的に学習を進めることで情報への洞察を深めることが可能になります。 |
| やりとりしている内容の引用元を元に、前後の確認ができる | チャットの回答には、情報がどのソースのどの部分に基づいているかが引用元として示されます。ユーザーは引用元をクリックし、該当箇所の原文や文脈を確認できます。 | 回答の信頼性を検証できるほか、文脈に戻って確認することで、AIによる要約や解釈のニュアンスの違いを確認し、より正確な理解を得られます。 |
ユースケース
NotebookLMは、多様なソースを取り込み、質問や分析を通して情報を効率的かつ深く理解するために利用できます。
| ユースケース | 詳細な利用シーン | NotebookLMの強み |
|---|---|---|
| 特定の分野の知識や概念を知りたい | 新しい技術の専門用語、歴史的な背景、学術的な概念などを、アップロードした資料を基に分かりやすく説明させる。 | 収集したソースに限定した、正確で文脈に沿った知識の獲得をサポートします。 |
| 特定の分野、サービスなどの新規ニュースを把握したい | 業界動向に関するWeb記事や競合他社のプレスリリースをソースに加え、それらの最新情報を迅速に要約・整理する。 | 複数のソースをまとめて処理することで、最新情報の概要と重要性を素早く把握できます。 |
| 多機能なサービスの要点を把握したい | 製品マニュアルや複雑なサービスの利用ガイドをソースとして設定し、特定の機能の使い方や主要なメリット・デメリットを抽出させる。 | 長大な説明書を読まずに、知りたい情報やキーポイントだけを効率的に引き出せます。 |
| 長大な一次情報から必要なデータ・事実を抽出したい | 数百ページにわたる企業の年次報告書（PDF）や業界の統計文書から、特定の数値、目標値、重要な事実情報をピンポイントで抽出する。 | 質問に対して引用元を明示しながら正確なデータを抽出するため、信頼性の高い事実確認作業が可能です。 |
| 動画コンテンツの内容を効率的に把握したい | YouTubeのセミナー動画やインタビュー動画をソースとして登録し、文字起こし（トランスクリプト）を基に、要約や特定の議論が行われた時間、キーとなる発言を検索する。 | 視聴にかかる時間を削減し、「話されている内容」に特化して必要な情報だけを効率的に把握できます。 |
ZennBook
この情報は以下のZennBookに関わる内容でした。
