メインコンテンツへスキップ
見出し画像

Google NotebookLMの紹介@2025年11月更新

    1.概要

     GoogleのAI リサーチ アシスタント「 NotebookLM」を紹介します。
     公式記事もあるのでご参考までに。

     他のGoogleサービスは以下の通り。

    1-1.NotebookLMの歴史

    【2023年:Google NotebookLMの発表】
     2023年5月のGoogle I/O(Googleが開催する年次開発者向け会議)において、”Project Tailwind”としてGoogle NotebookLMが発表された。これは「大規模言語モデル(LLM)を活用したAIノートブック」の実験です。

     思想は「It’s hard to go from information to insight(情報からインサイトへの移行は難しい)」であり、大量のデータ・情報から最も関心のある情報源を使って、より早くインサイト/つながりを見つけることです。

    画像
    図 NotebookLMが自動生成した資料の理解を深めるためのドキュメントガイド

     Bardとほぼ同時リリースのため、構想がめちゃくちゃ早いと感じます。

    【2024年】
     「Google I/O 2024」ではNotebookLM の音声出力や、日本語での提供開始が発表されています。

    【2025年】
     2025年4月30日より音声概要が日本語にも対応

    画像

    1-2.契約プラン

     大きく分けて「個人向け(Pro/Ultra)」と「企業向け(Enterprise)」があります。EnterpriseのみAPIが使えるなど、サービスが異なります。

    画像
    https://support.google.com/notebooklm/answer/16213268?hl=ja

    2.NotebookLMについて

     NotebookLMの仕様を紹介します。

    2-1.AIモデル

     NotebookLMのAIモデルは、2025年5月3日で”Gemini 2.5 Flash”です。

     2025年11月13日にDeepresearchの機能などが追加されたことから、モデルはProに近いものになっている可能性があります。

    2-2.できること

     現時点でNotebookLMでは下記のようなことができます。

    1. 情報の要約・分析

    2. ソースのウェブ検索/インポート(Discover Sources)

    3. チャット機能(質問する)

    4. メモ機能

    5. 音声概要機能

    6. 動画解説

    7. マインドマップ作成

    8. 学習支援機能(学習スイート)


    3.環境構築

     Googleアカウントがあれば、すぐに使用できます。
     本章では他に便利な機能を紹介します。

     Chrome拡張

     Chromeを使用する方はNotebookLM Chrome 拡張機能として「NotebookLM Web Importer」を追加すると、ブラウザ上からノートブックを簡単に作成できます。

    【参考(お役立ち):Chrome拡張機能のショートカット】
     Chromeの拡張機能をショートカットで使用する場合、自分で設定する必要があります。

    1. Chrome右上の「・・・」選択し、「設定」をクリック

    2. サイドバーの「拡張機能」を選択

    3. 「キーボードショートカット」を選択

    4. ショートカットを割り付けたい拡張機能のペンマークを押し、任意のキーを入力

    画像

    4.QuickStart

      とにかく触ってみて、理解を深めます。(2025年5月時点)

    とにかく触る

     フローは下記の通りです。

    1. 「Google Notebook LM」にサインイン

    2. 左側のパネルで [+新規作成]をクリック

    3. ノートブックにアップロードするソースを選択

      • ソース詳細は「公式Docs-ソース」参照

      • 「提供元をみる」ボタンで、Discovery Source機能(ソースを外部から検索)を利用可

      • アップロード後は必要に応じて「挿入」ボタンを押す

    4. NotebookLMが開き、中心部に自動生成されたソースの要約が表示

     ノートブックの大まかな構成は下図の通りです。

    画像

     NB作成+ソース追加

     「Google Notebook LM」からサインインすると、ノートブック一覧が表示され、デフォルトで「Notebook LM from Google」が確認できます。こちらは編集できないため、自作のノートブックを作成していきます。

    画像

     ホーム画面の「+新規作成」ボタンを押すと「ソースを追加」画面に移動します。
     今回のソースは私のnote記事のURL「https://note.com/kiyo_ai_note」を追加し、「挿入」ボタンを押しました。

    画像

     自動でノートブックが作成され下記が確認できます。

    • 自動でノートブックのタイトルが生成(編集可)

    • 追加したソース元が表示

      • クリックするとより詳細が確認できます。

    • 中央に、ソースの要約が記載

    画像

     機能の確認

     使用できる機能を触ってみて確認します。

    1. 要約・チャット

      • 質問する

      • ブリーフィング ドキュメント

      • よくある質問

    2. メモ

    3. マインドマップ

    4. 音声概要

     要約・チャット

    【チャット】
     NotebookLM に質問を渡すと”ソースを元にした”回答を渡してくれます。またソースはソースパネル(左側)から選択可能であり、質問に応じて選択可能です。
     適当に質問してみましたが、おそらく情報量が少ないためそこそこの回答(要約とほぼ同じ)でした。

    画像
    [Prompt]
    本記事はどのようなことを紹介しており、何が強みですか?
    [OUTPUT]
    ご提示いただいたソースは、KIYOさんのnoteプロフィールページからの抜粋ですね。「本記事」という言葉は特定の記事を指しているものではないようですので、ここではKIYOさんがnoteで公開されている記事全体の傾向や強みについて、ソースに基づいてご説明します。
    KIYOさんがnoteで紹介されている記事は、主にプログラミング、機械学習、IoTに関する内容を扱っています。具体的には、Pythonとそのライブラリの使用方法、AIニュース、便利なアプリやサービス、電子工作やマイコン(Raspberry Piなど)、そしてそれらを活用した実用的な試み(例:PowerPointの自動翻訳、PLC入門)などが含まれます。特に「Pythonでやってみたシリーズ」では、Pythonの基礎と共に、製造業(ご自身の職場)で使えるネタをコードとともに記載しているとのことです。
    KIYOさんの記事の強みとしては、以下のような点が挙げられます。
    •
    実用性とアウトプット重視: 内容は学術的なものよりも、実装やアウトプット(ほしくなるもの)を重視して作成されています。これは、実際に使えるもの、役立つものを目指していることを示唆しています。
    •
    網羅性: なるべく1つの記事で知りたいことを網羅することを目指しているとのことです。
    •
    製造業との関連性: ご自身の経験に基づき、特に製造業で使える内容に焦点を当てた記事があります(Pythonでやってみたシリーズなど)。
    •
    実践的なリソース: Pythonライブラリに関する記事は、教科書より参考書よりの内容とされており、実践的な手引きとして役立つことが期待されます。また、「Pythonでやってみたシリーズ」ではコードとともに記載されています。
    これらの点から、KIYOさんの記事は、特定の技術分野(プログラミング、機械学習、IoTなど)において、実践的で、具体的なアウトプットに焦点を当てた内容が豊富であり、特に製造業に関わる方にとって有用な情報源となりうることが強みと言えるでしょう。

     出力結果はメモに保存でき、必要に応じて見返したり、ソースに追加して更に学習させたりすることもできます。

    画像

    【ブリーフィング ドキュメント】
     概要説明(briefing document)は、Studio パネルの「ブリーフィング ドキュメント」ボタンを押すと作成できます。

    画像
    [Output]
    ブリーフィングドキュメント:KIYO|note レビュー
    情報源の概要
    情報源は、noteユーザー「KIYO」のページです。自己紹介、マガジン一覧、および最新記事の一部から構成されています。
    
    主なテーマと重要なアイデア/事実
    この情報源から読み取れるKIYO氏の主なテーマと重要なアイデア/事実は以下の通りです。
    
    製造業の企画/開発/設計に携わる専門家: KIYO氏は自己紹介で「普段は製造業で企画/開発/設計しております」と明記しており、これが彼のnote記事の基盤となっています。
    技術に関する幅広い関心と専門知識: 彼の記事は「プログラミング・機械学習、IoT関係の記事をメイン」としており、特に以下の分野に焦点を当てています。
    プログラミング: 特にPythonに力を入れているようです。「Pythonライブラリ」マガジンには43本、「Pythonでやってみたシリーズ」には28本の記事があり、Pythonの様々なライブラリの使い方や、Pythonでできることを積極的に発信しています。
    機械学習: プログラミングの一部として扱っていると考えられます。
    IoT: 電子工作やマイコン(Raspberry Piなど)に関する記事も多数(46本)あり、ハードウェアとの連携にも関心が高いことがわかります。
    実践・アウトプット重視の姿勢: KIYO氏は、「内容は学術的より実装・アウトプット(ほしくなるもの)を重視して作成しています」と述べており、理論だけでなく、実際に使えるコードやシステムの構築に焦点を当てた記事作りを心がけていることが伺えます。これは、製造業での実務経験に基づいたアプローチと言えます。
    実務に役立つ情報発信: 「Pythonでやってみたシリーズ」のマガジン説明では、「Web系というより製造業(自分が使っている)で使えるネタをコードとともに記載していきます」と明確に述べています。これは、彼の記事が製造業における具体的な課題解決や効率化に役立つ情報を提供することを目的としていることを示しています。PowerPointの自動翻訳など、実務的なテーマを取り上げていることもこれを裏付けています。
    情報共有と備忘録: マガジン一覧には「便利アプリ・サービス」や「勉強・メモ用マガジン」といった個人的な備忘録的な要素を持つものもあり、自身の経験や学習内容を共有する場としてもnoteを活用しているようです。
    新しい技術への関心: 最新記事として「GitHub Copilotの紹介」や「AIニュース+αまとめ」といった比較的新しい技術動向に関する記事を掲載しており、常に新しい情報を取り入れ、自身の専門知識をアップデートしている様子がうかがえます。
    仕事への意欲: 「面白そうな仕事があればやりたいです!」と自己紹介で述べており、自身のスキルや知識を活かせる機会を求めていることも重要な点です。
    サポートする引用
    「普段は製造業で企画/開発/設計しております。」(自己紹介)
    「記事はプログラミング・機械学習、IoT関係の記事をメインで作成し、なるべく1つの記事で知りたいことを網羅していきます。」(自己紹介)
    「内容は学術的より実装・アウトプット(ほしくなるもの)を重視して作成しています。」(自己紹介)
    「Pythonでやってみたシリーズ... Web系というより製造業(自分が使っている)で使えるネタをコードとともに記載していきます。」(マガジン説明)
    「面白そうな仕事があればやりたいです!」(自己紹介)
    結論
    KIYO氏は製造業の企画/開発/設計に携わる専門家であり、プログラミング(特にPython)、機械学習、IoTといった技術分野において、実践的かつ実務に役立つ情報発信を積極的に行っています。彼の記事は、製造業における技術活用に関心のある人々にとって有益な情報源となる可能性が高いです。また、常に新しい技術動向にアンテナを張っており、自身の知識や経験を活かせる仕事の機会も探しているようです。

    【よくある質問】
     QAを、Studio パネルの「よくある質問」ボタンを押すと作成できます。
     名前を微妙に間違えたりしてますが、結果はそこそこだと思います。

    画像
    [OUTPUT]
    QIYO氏のnoteではどのような情報が発信されていますか?
    QIYO氏は製造業で企画/開発/設計に携わっており、その知見を活かしたプログラミング、機械学習、IoTに関連する記事をメインに発信しています。記事は実装やアウトプットを重視した内容となっています。
    
    QIYO氏のnote記事の特徴は何ですか?
    学術的な内容よりも、実際に使えるコードや方法に焦点を当てている点が特徴です。一つの記事で知りたいことを網羅することを目指しており、教科書や参考書よりも実践的な内容を目指しています。
    
    QIYO氏が特に力を入れている分野はありますか?
    Pythonに関連する記事が多く、「Pythonライブラリ」や「Pythonでやってみたシリーズ」といったマガジンがあります。製造業での利用を想定した内容も含まれています。
    
    QIYO氏が作成しているマガジンの種類と内容は?
    以下のマガジンがあります。
    
    便利アプリ・サービス: 使ったアプリやサービスの備忘録。
    自分用: 個人的なメモなど。
    Pythonライブラリ: Pythonライブラリの使用方法の紹介。
    勉強・メモ用マガジン: 勉強した内容の備忘録。
    Pythonでやってみたシリーズ: Pythonの基礎と製造業で使えるネタやコード。
    電子工作/マイコン(Raspberry Piなど): 電子工作やマイコンに関する内容。
    最近のQIYO氏のnote記事にはどのようなものがありますか?
    最近の記事としては、「GitHub Copilotの紹介」、「Pythonライブラリ(3元系状態図)」、「AIニュース+αまとめ」、「PowerPointの自動翻訳(DeepL-API)」、「PLC入門:GX Worksの使い方」などがあります。
    
    QIYO氏の記事はどのような読者層を想定していますか?
    製造業に関わる方でプログラミングやIoTに関心がある方、Pythonを使った開発に興味がある方、実践的な技術情報を求めている方などを想定していると考えられます。
    
    QIYO氏はどのようなスキルや経験を持っていますか?
    製造業での企画、開発、設計の経験があり、プログラミング(特にPython)、機械学習、IoT、電子工作、マイコンに関する知識や経験が豊富であることがうかがえます。
    
    QIYO氏は新しい仕事の機会を探していますか?
    noteのプロフィールには「面白そうな仕事があればやりたいです!」という記載があり、新しい仕事の機会に関心があることが示唆されています。

     メモ

     Studio パネルにあるメモは、通常通りのメモ帳だけでなく、特定の目的に応じた内容を自動で出力しメモ化してくれます。
     またメモはソースに追加することもできるため、状況に応じてAIを学習させることも可能です。

    • 通常のメモ帳

      • ネットに無い情報をテキストとして追加し、ソース化できる

    • 学習ガイド

    • ブリーフィング ドキュメント

    • よくある質問

    • タイムライン

    画像
    図 通常のメモ帳として追加

    【タイムライン】
     情報を時系列で表示してくれました。

    [OUTPUT]
    以下は、提供された情報に基づいたタイムラインと登場人物リストです。
    
    タイムライン
    
    このソースはブログ記事のリストであり、特定の出来事の連続を追うような内容は含まれていません。そのため、明確なタイムラインを作成することは困難です。ただし、記事の公開日に基づいて、最新の活動とそれ以前の活動を把握することができます。
    
    3年前: 固定記事「作成ノート(+予定)一覧 by KIYO」を公開。
    2週間前: Pythonライブラリに関する記事「Pythonライブラリ(3元系状態図):」および「Pythonライブラリ(3元系状態図):python-ternary」を公開。
    1か月前:AIニュースまとめ記事「AIニュース+αまとめ@2025年4月」を公開。
    Python関連の記事「Pythonでやってみた18:PowerPointの自動翻訳(DeepL-API)」を公開。
    PLCに関する記事「PLC入門:GX Worksの使い方~基礎編~」を公開。
    2日前: GitHub Copilotに関する記事「GitHub Copilotの紹介(Visual Studio Code向け)」を公開。
    登場人物
    
    提供された情報源に登場する主要な人物は以下の通りです。
    
    KIYO:本ソースの筆者であり、ブログを運営している人物。
    普段は製造業で企画、開発、設計に携わっている。
    プログラミング、機械学習、IoT関連の記事を主に執筆しており、実践的な内容を重視している。
    面白そうな仕事に興味がある様子。

    【学習ガイド】
     クイズ一覧や用語集が生成されました。多分教科書とか読ませて勉強用の用途かもしれません。

    [OUTPUT]
    KIYO|note 研究ガイド
    
    クイズ
    
    KIYO氏のnoteで最も本の数が多いマガジンは何ですか? その内容は何に焦点を当てていますか?
    KIYO氏の note は、学術的な内容と実装・アウトプットのどちらを重視していますか?
    最近の記事の中で、AI関連のニュースをまとめたものはいつ投稿されましたか?
    KIYO氏が「Pythonでやってみたシリーズ」で焦点を当てている分野は何ですか?
    「便利アプリ・サービス」マガジンの目的は何ですか?
    GitHub Copilotに関する最新の記事はいつ投稿されましたか?
    KIYO氏は、製造業においてどのような職務に就いていますか?
    「勉強・メモ用マガジン」の主な用途は何ですか?
    Pythonライブラリに関する記事は、教科書と参考書のどちらに近い内容ですか?
    PLCに関する入門記事は、具体的に何の使い方について解説していますか?
    クイズ解答
    
    KIYO氏のnoteで最も本の数が多いマガジンは「電子工作/マイコン(Raspberry Piなど)」です。その内容は、電子工作やRaspberry Piなどのマイコンに関連するテーマに焦点を当てています。
    KIYO氏の note は、学術的な内容よりも実装・アウトプットを重視しています。具体的な実装や、欲しくなるようなアウトプットに重点を置いています。
    最近の記事の中で、AI関連のニュースをまとめたものは、2025年4月に投稿されました。「AIニュース+αまとめ@2025年4月」というタイトルです。
    KIYO氏が「Pythonでやってみたシリーズ」で焦点を当てている分野は、Web系というよりは製造業で使えるネタです。具体的なコードとともに、製造業で役立つPythonの活用法を紹介しています。
    「便利アプリ・サービス」マガジンの目的は、使ったアプリやサービスの備忘録として記録することです。KIYO氏自身が利用したアプリやサービスについてまとめています。
    GitHub Copilotに関する最新の記事は、2日前に投稿されました。「GitHub Copilotの紹介(Visual Studio Code向け)」というタイトルです。
    KIYO氏は、製造業において企画、開発、設計の職務に就いています。普段の仕事で得た知識や経験が記事の内容に活かされています。
    「勉強・メモ用マガジン」の主な用途は、KIYO氏自身が勉強した内容の備忘録です。学習したことを記録し、整理するために活用されています。
    Pythonライブラリに関する記事は、教科書というよりは参考書に近い内容です。具体的な使用方法や活用法に焦点を当てています。
    PLCに関する入門記事は、具体的にGX Worksの使い方について解説しています。基礎編として、その使用方法が紹介されています。
    エッセイ形式の質問
    
    KIYO氏の note は、どのような読者をターゲットにしていると考えられますか? その理由を、記事の内容やマガジンの構成に基づいて説明してください。
    KIYO氏が製造業での経験をどのように note の記事に活かしているか、具体的な記事の例を挙げて考察してください。
    KIYO氏の note で最も関心を持った記事やマガジンは何ですか? その理由と、その記事から何を学べそうかについて詳しく説明してください。
    KIYO氏が今後どのようなテーマの記事を投稿する可能性があるか、現在の記事傾向から予測し、その理由を述べてください。
    KIYO氏の note を通じて、プログラミング、機械学習、IoTなどの分野を学ぶ上でどのようなメリットがあると考えられますか?
    用語集
    
    プログラミング: コンピュータに特定のタスクを実行させるための指示(コード)を書くこと。
    機械学習: コンピュータがデータからパターンを学習し、明示的にプログラムされずに予測や判断を行う能力を開発する人工知能の一分野。
    IoT (Internet of Things): 様々な物理的なデバイスがインターネットに接続され、データの収集や交換を行う仕組み。
    Python: 汎用的で読みやすいコードが特徴のプログラミング言語。データ分析、機械学習、Web開発など幅広い分野で利用される。
    Pythonライブラリ: Pythonで特定の機能を実現するためのコードの集まり。様々なタスクを効率的に行うために利用される。
    実装: プログラムやシステムを実際に構築し、動作するようにすること。
    アウトプット: プログラムやプロジェクトの結果として得られる成果物や機能。
    製造業: 製品を生産する産業。機械、電子機器、自動車など様々な分野が含まれる。
    PLC (Programmable Logic Controller): 工場などの産業オートメーションで機械やプロセスを制御するために使用される特殊なコンピュータ。
    3元系状態図: 物質科学や化学工学などで、3つの成分系の相の状態を温度や圧力などの条件下で図示したもの。
    GitHub Copilot: 人工知能によるコード補完ツール。プログラマーがより迅速にコードを書くのを支援する。
    Visual Studio Code: 軽量で高機能なソースコードエディタ。多くのプログラミング言語に対応している。
    DeepL-API: DeepLという翻訳サービスのAPI(Application Programming Interface)。プログラムから翻訳機能を利用できる。
    Raspberry Pi: 低価格で小型のシングルボードコンピュータ。教育や電子工作などに広く利用される。

     マインドマップ

     「マインドマップ」ボタンを押すとStudio パネルにマインドマップが表示されます。クリックするとソースの構成を確認可能です。

    画像
    画像

     構成をみるとなかなか良いですが情報が不足しています。原因は情報をスクレイピングで取得(ソースより)しているがJavaScriptまでは動かしていないため(HTMLベース)、読み込みが必要な情報が取得できていないと推測されます。

    画像

     音声概要

     「音声概要」ボタンを押すとStudio パネルの”音声概要”欄にポッドキャスト風な会話が生成されます。
    ※音声概要の生成には時間がかかり、今回は5min程度かかりました。

    画像
    画像

     ▷ボタンで再生でき、リンクの共有や音声のダウンロードも可能です。

     ソースの検索・追加

     Discovery Source機能を使用して、ソースをウェブ検索して追加してみます。使用方法はソースパネルの「検索」ボタンを押し、どのような情報が欲しいかチャットするだけです。ソースの一覧が出るため、欲しいソースを選択します。

     チャット(プロンプト)が適当だったため、不必要な情報や重複情報も混ざっております。ここでもプロンプトエンジニアリングが必要になります。

    画像

    Youtubeを触る

     Youtube情報をサクッと抽出してみます。

     エガちゃんねる

     ソースは下記です。結論は「微妙は数値に間違いはあるが総評はほぼ正しい」です。

     まずは新規ノートブックを作成し、ソースを追加します。

    画像

    【チャット(質問する)】
     「エガちゃんの試した商品と結果をテーブル形式で出力して」と質問した結果は下記の通り。
     総評自体は問題ないが、点数に間違いあり。また後述のブリーフィング ドキュメントとも数値の数値のズレあり。

    画像

    【マインドマップ】
     Youtubeはロジックより楽しみの方が強いため、この動画を体系的にまとめるのは難しそうです。

    画像

    【ブリーフィング ドキュメント】
     出力結果より、コメントは下記の通り。

    1. 目次構成(1. 概要、2. 主要テーマと重要な事実・アイデア、3. まとめ)は良いと思う

    2. 流れでどんなメニューを試したか全部抽出できてる。凄い!

      • ビッグマック

      • テリヤキマックバーガー

      • ベーコンレタスバーガー

      • ソーセージエッグマフィン(朝マック)

      • アップルパイとマックシェイク

    3. 少し間違ってる部分もある

      • ビッグマックとソーセージエッグマフィンの点数が✖

      • アップルパイは言い直しの部分が抽出できていない

    はい、承知いたしました。提供されたソース「江頭55歳、初めてのマクドナルド」を基に、詳細なブリーフィング資料を作成します。

    ブリーフィング資料:「江頭55歳、初めてのマクドナルド」レビュー

    1. 概要

    本動画は、お笑い芸人の江頭2:50さんが、マクドナルドの特定のメニューに対する人生初の体験を記録したものです。マクドナルドに普段行かないという江頭さんに対し、周囲のスタッフがおすすめのメニューをプレゼンし、江頭さんがそれらを試食し、フィレオフィッシュを100点満点とした際の採点を行う形式で進行します。江頭さんの率直なリアクションと独特な食の好みが随所に見られます。

    2. 主要テーマと重要な事実・アイデア江頭2:50の独特な食の好み:
    江頭さんは普段あまりマクドナルドに行かないと明言しており、「人生初のマックだった」と語っています。
    唯一食べたことのあるマクドナルドのメニューは「月見バーガー」のみであることが衝撃的な事実として挙げられます。
    好きなものには非常に一途な傾向があり、「ガツンとみかんとかスキーになったらそれだけがいいんだよ」「フィレオフィッシュだけがいいんだよ」と、一度気に入ったもの(フィレオフィッシュ)に固執する姿勢が見られます。
    モスバーガーが好きで、特にテリヤキバーガーを好むという事実も判明し、これがマクドナルドのテリヤキマックバーガーとの比較評価に影響を与えています。
    フィレオフィッシュへの絶大な信頼と評価基準:
    本動画における全てのメニュー評価は、「フィレオフィッシュを100点満点とした場合の点数」という独特な基準で行われます。これは江頭さんのフィレオフィッシュへの絶対的な信頼と愛情を示しています。
    他のメニューを評価する際、フィレオフィッシュと比較してどうかが常に意識されています。
    試食メニューとその評価:
    ビッグマック:
    スタッフからは「マックといえばビッグマック」「名前の通りでかい」と紹介されます。
    江頭さんは初めてのビッグマック体験。「うーむ」「へー」といった最初の反応の後、「いけ!」「うまい!」「うわぁ!」「いやこれ肉最高だよ」と高評価を与えます。
    特に「ビッグマックソースっていうのが入って味が違うのがめちゃくちゃソースうまい」とソースを絶賛しています。
    フィレオフィッシュを100点とした場合の評価は90点と非常に高い点数です。
    テリヤキマックバーガー:
    モスバーガーのテリヤキを好む江頭さんに対し、スタッフが用意します。
    江頭さんは「テリヤキ好きだったらだけどあのモスバーガーのテリヤキ食った方がうまい」と、いきなりモスバーガーとの比較で評価します。
    スタッフが必死にフォローする中、「どこが不満ですかね」「それを言われたらじゃあ」「だって俺フィレオフィッシュが100点だって言ってるだろ」と、フィレオフィッシュ基準での厳しさを見せます。
    「ソースはまあまあいい」「あとレタスの関係...もう生きてない」「あと肉がペタッとしてて」「何も言えそうだよう」と具体的な不満点を挙げます。
    フィレオフィッシュを100点とした場合の評価は**30点(マイナス40点と表記揺れあり)**と非常に低い点数です。
    ベーコンレタスバーガー:
    スタッフが「結構困ったらベーコンレタスバーガー」と紹介します。
    江頭さんは「フィレオフィッシュ全くベーコン向いてないであ」と、ここでもフィレオフィッシュ基準で語り始めます。
    試食後の反応は「んー」「まあまあ」「まさかですよ色々」と評価は高くない様子です。
    しかし、「やべえ俺ベーコン好きなんだよね」「それがしっかり味がついてて美味しかったねえ」とベーコン自体は気に入ったようです。
    フィレオフィッシュを100点とした場合の評価は70点です。フィレオフィッシュほどの高評価ではないものの、ベーコンレタスバーガー単体としては評価しています。
    ソーセージエッグマフィン(朝マック):
    「朝マック知らないってちょっとかわいそう」というスタッフの声を受け、朝マックメニューを試します。
    江頭さんは朝マックの存在自体を知りません。「こういう時間帯(10時半頃)ってヤバい!朝マック終わっちゃうって言って1番焦ります」というスタッフに驚きます。
    ソーセージエッグマフィンに対しては「なんでだー」「これもうまいですよ」「ポテト発色がええぞ」「ホットと全く違うよ」と、通常のポテトとの違いを含めて高評価です。
    フィレオフィッシュを100点とした場合の評価は70点です。「フィレオフィッシュとこのコンビがいいねえ」「やあだったらこれ食ったらこれ食いたんだよ」と、フィレオフィッシュとの組み合わせの良さを評価しています。
    アップルパイとマックシェイクの組み合わせ:
    バーガーではないが「マジで自信あります」とスタッフが最後にプレゼンします。
    江頭さんは「アップルパイ大嫌いなんだよ」と衝撃の告白をします。
    しかし、試食すると「んー」「うまい!」「あれ?全然機能(嫌いな気持ちが)しないぞ」「俺マジ食わず嫌いだった」「うまい!」「ポロッとしててちょっとちょっと温かいで」「美味しかった」と、アップルパイ単体で評価を覆します。
    さらに、スタッフの提案でマックシェイクにディップして食べると、「うわぁ!」「これ最高!」「うまい!」と絶賛します。
    「これ発明だよ」「たぶんそういうメニュー」と、この組み合わせのオリジナリティと美味しさに感心しています。
    フィレオフィッシュを100点とした場合の評価は100点です。「これアップルパイだけでも大きいんだけど」「これとコラボすると100点超えだ」と、フィレオフィッシュを超える、あるいは同等の感動を与えたことを示しています。
    マクドナルドとモスバーガーの比較論:
    江頭さんはモスバーガーと比較することが多く、「モスバーガーとマックって比べるもんじゃないと思うんですよ」「全然違うよね」「この値段でこのクオリティを出すマックがすごい」というスタッフの意見に対し、「笑っちゃうんだよ」と同意せず、自身の基準で評価しています。この点は、自身の好みに正直な江頭さんの姿勢をよく表しています。
    動画の構成とユーモア:
    各メニューの試食後にフィレオフィッシュ基準での点数を発表する形式が繰り返され、そのたびにスタッフの期待と江頭さんの率直な評価のギャップがユーモアを生んでいます。
    特にテリヤキマックバーガーに対する辛辣な評価や、アップルパイ嫌いを克服するリアクションなど、江頭さんらしい飾らない言葉遣いや表情が魅力となっています。
    「絶対テレビじゃったらカットされてますよね」というスタッフのコメントなど、舞台裏を意識した発言も含まれています。


    3. まとめ

    「江頭55歳、初めてのマクドナルド」は、江頭2:50という独自の食の価値観を持つ人物が、普段接点のないマクドナルドの様々なメニューに触れる様子を描いたユニークなドキュメンタリー動画です。彼の絶対的な「フィレオフィッシュ愛」を基準とした評価は予測不能で面白く、ビッグマックやアップルパイとマックシェイクの組み合わせには高評価を与えつつも、テリヤキマックバーガーには厳しい評価を下すなど、江頭さんの正直なリアクションが魅力となっています。マクドナルドのメニューを江頭さんの視点から再発見するという構成で、終始笑いを誘う内容となっています。特にアップルパイとマックシェイクの組み合わせを「発明」と評し、100点を超える評価を与えた点は、動画のハイライトの一つと言えるでしょう。

     太田上田【公式】

     ソースは下記の通りです。動画は4本に分かれているためソースは4つ追加しました。

    画像

    【チャット(質問する)】
     「えなり君が話したトークネタを箇条書きして」と質問した結果は下記の通りであり、比較的十分な情報がとれてると思います。

    画像

    【マインドマップ】
     ネタの構成がしっかりしている分、比較的体系的なマインドマップが作成されています。

    画像

    【ブリーフィング ドキュメント】
     出力結果より、コメントは下記の通り

    • 4本の動画内で、どの引用から抽出したか記載あり

    • 人が感じるニュアンスみたいな部分も解釈してくれている

    • テーマの抽出・まとめ方は良いと思う

    ブリーフィングドキュメント:【太田上田#459①②】【太田上田#460①②】レビュー

    はじめに

    本ブリーフィングドキュメントは、提供されたYouTube動画「【太田上田#459①】10年目突入・・・ということで、えなりかずきさんが来てくれました。」、「【太田上田#459②】えなりさんは”上田さんの優しさ”を伝えたい。」、「【太田上田#460①】上田さんとの旅行中にえなりさんがおかしくなりました。」、「【太田上田#460②】上田さんの"可愛らしい話"を聞かせてくれました。」の4つの動画を基に、主要なテーマ、重要なアイデア、および事実をレビューするものです。これらの動画は、番組開始10周年を記念して俳優のえなりかずきがゲストとして登場し、太田光(爆笑問題)と上田晋也(くりぃむしちゅー)との間で交わされた会話を収録しています。

    主要テーマ

    提供されたソースにおいて、最も顕著なテーマは以下の通りです。えなりかずきから見た上田晋也の「優しさ」と「気遣い」: えなりは一貫して上田の優しさや気遣いについて語り、具体的なエピソードを披露します。しかし、その描写は時に上田自身が否定したり、えなりの解釈に対して疑問を呈したりするような、独特の「優しさ」として描かれています。
    上田晋也の「照れ隠し」としての攻撃的な態度: えなりは、上田が本当は優しいにも関わらず、照れや恥ずかしさを隠すために攻撃的な態度をとる傾向があると分析します。これにより、えなりが上田の行動を「優しさ」と解釈する一方で、上田は自身の行動が誤解されていると主張する構図が生まれています。
    人間関係における「線引き」と「気遣い」の難しさ: 上田がえなりに対して、もっと気を遣わず友達のように接してほしいと伝える一方で、えなりは人間関係において「線引き」や「礼儀」を重んじる姿勢を示します。しかし、その「気遣い」が上田にとっては「余計なお世話」となることもあり、人間関係における距離感や気遣いの難しさが浮き彫りになっています。
    えなりの「ネタ帳」と上田エピソードのストック: えなりは、上田との会話や行動を詳細にメモしており、それが番組で話すエピソードの源となっていることが明かされます。上田はこれに対して面白がりつつも、えなりの「ネタ」として扱われることに複雑な反応を示します。
    上田晋也の人間的な「可愛らしさ」: えなりは、上田の「照れ隠し」や、人前で泣かないようにするという信条、娘や妻への愛情表現の独特さなどを「可愛らしい」側面として捉え、語ります。


    最も重要なアイデア/事実と引用

    以下に、各テーマにおける最も重要なアイデアや事実、および関連する引用をまとめます。

    1. えなりかずきから見た上田晋也の「優しさ」と「気遣い」:えなりは、上田を「気遣いの塊」と形容し、様々なエピソードを通してその優しさを伝えようとします。
    ラスベガス旅行でiPadをプレゼントしたエピソードや、ゴルフバッグをプレゼントしようとしたエピソードが挙げられます。
    引用: えなり「そうそれはね太田さん見たことがないからですよどういうこと上田さんの気遣えなんですよそれは」【太田上田#459①】
    引用: えなり「で その後 に いや 俺 は こんな の が 欲しく て 君 を 旅 に 誘っ た わけ じゃ ねえ ん だ よ お前 こんな の もらっ たら さ 次 から エナリ を 旅 に 誘い に 行く だろ が つっ て あ やっぱり だ から いつでも 誘い たい から こんな の は いら ねえ と わざと そ 怒っ て はい だ から 返さ れ そう に なっ た ん です よ その iPad お」【太田上田#459①】
    しかし、上田はこれらの行動が必ずしも「優しさ」や「気遣い」としてえなりが解釈するような意図ではなかったと否定したり、えなりの解釈が過剰であると指摘したりします。
    引用: 上田「俺も頭おかしいんだそんなの本当なんです」【太田上田#459①】
    引用: 上田「いやいやいやいやそねプレゼントさせてください」【太田上田#459①】


    2. 上田晋也の「照れ隠し」としての攻撃的な態度:えなりは、上田の攻撃的な態度は照れ隠しであると分析します。
    引用: えなり「照れてる時は照れてらな そうなです照れてる時は自分の照れを隠すために相手に攻撃的になるんですよ上田さんは」【太田上田#459②】
    iPadやゴルフバッグをプレゼントしようとした際の、上田の怒ったような反応がその例として挙げられます。
    引用: えなり「で その後 に いや 俺 は こんな の が 欲しく て 君 を 旅 に 誘っ た わけ じゃ ねえ ん だ よ お前 こんな の もらっ たら さ 次 から エナリ を 旅 に 誘い に 行く だろ が つっ て」【太田上田#459①】
    上田は、えなりのこの分析に対して「絶対そんなのないよ」と否定します。
    引用: 上田「絶対そんなのないよって言ってもらったんですけどそそうシンガポールでええと思って怖くなっちゃって」【太田上田#460②】


    3. 人間関係における「線引き」と「気遣い」の難しさ:上田は、えなりに「線引き」をせず、友達のように接してほしいと伝えます。
    引用: 上田「君さいつまでたってもなんかすごい線引いてくるよなと挨拶もめちゃくちゃ固く挨拶してくるしどういうつもりなのつって言われたことがあって」【太田上田#460①】
    えなりは、過去の経験から人間関係における礼儀や線引きの重要性を強調します。
    引用: えなり「いやただお言葉ですが上田さん僕初めてですうんうんうんあの僕今までの人振り返って疎になった人とかま仲悪くなった人を考えるとかなんかお互い色々こう線を乗り越えすぎちゃってなんかお互い多分失礼なことをしちゃったりしてあなんかちょっとお互い腹の立つこと抱えてしまってなんとなく距離できちゃうっていうことが多かったなって思うんですと」【太田上田#460①】
    シンガポール旅行でのタクシーにおけるやり取りは、えなりの過剰な気遣いが上田にとって「余計なお世話」となり、関係性の難しさを示す象徴的なエピソードとして語られます。
    引用: 上田「だからねそういう気遣い本当余計なんだよと」【太田上田#460①】
    引用: 上田「いいか人付き合いで10のうちのね10そっちが気遣来たらこっちも10返さなきゃいけないだから2ぐらいでいいじゃんていう話はしたのよ」【太田上田#460①】


    4. えなりの「ネタ帳」と上田エピソードのストック:えなりは、上田とのやり取りを詳細にメモしていることが明かされ、上田は驚きと面白さを感じます。
    引用: 上田「今今まで話した話って結構メモってんの」【太田上田#459②】
    引用: えなり「まメモってはいますよ」【太田上田#459②】
    上田は、えなりのメモを「ネタ帳」と呼び、今日の収録のために準備してきたのかと尋ねます。
    引用: 上田「それで来てんだお前はおちょっと待って1回そのネタ帳見せろ」【太田上田#459②】
    えなりは、上田の娘さんや奥さんに関するエピソードも「ネタ帳」にストックしていることを明かし、上田はそれを「家族ブロック」と称します。
    引用: えなり「次はあの娘さんへの愛情ですいよいよ家族編」【太田上田#459②】
    引用: 上田「家族ブロック作ってんじゃねえかちゃんと」【太田上田#459②】


    5. 上田晋也の人間的な「可愛らしさ」:えなりは、上田の様々な側面を「可愛らしい」と表現します。
    引用: えなり「じゃああのじゃ本当にかわいらしいなと思うのはあそうそれちょ本当にかわいらしいなと思うのは」【太田上田#460②】
    人前で泣かないという信条や、野球観戦中に感情を隠そうとする様子などが語られます。
    引用: えなり「ただやっぱ泣くことはあるんですよあ見た」【太田上田#460②】
    引用: えなり「そしたらちょっとこうってやって見てたんですよ」【太田上田#460②】
    引用: 上田「いや今日のいい試合だったけどさやっぱりあれぐらいのいい試合見ても俺泣かないよねつ」【太田上田#460②】
    娘の恋愛観や、妻との関係性に見られる独特の愛情表現も「可愛らしさ」として捉えられています。
    引用: えなり「その感じがいやそうなんだよねっていうその優しいというかなあ普段と違ってちょっと甘えてるみたいな言い方も入ってんのかなみたいな感じで聞こえてきたんですよ」【太田上田#459②】
    プレゼントを贈る際の照れ隠しや、絵画教室でのやり取りなども、えなりにとっては上田の「可愛らしさ」の現れとして描かれています。
    引用: えなり「でだ多分嬉しかったと思ってくださったんだろうなと思って」【太田上田#459①】
    引用: えなり「いやえ君にはさもうAあげたよつってえいやもらってないですよ僕」【太田上田#460②】


    まとめ

    これらの動画は、えなりかずきという独特のフィルターを通して見た上田晋也の姿を描いています。えなりは上田の言動を「優しさ」や「気遣い」、そして「可愛らしさ」として解釈しようとしますが、上田自身はその解釈に反論したり、照れ隠しをしたりします。このユーモラスな相互作用を通して、人間関係におけるコミュニケーションの難しさや、他者を理解することの多様性が示唆されています。また、えなりの徹底したメモによるエピソードのストックは、上田の人間的な魅力を引き出す要素としても機能しています。全体として、長年にわたる二人の関係性が生み出す、独特で面白いやり取りが描かれたシリーズと言えます。

    PDFを触る

     次にPDFでノートブックを作成します。サンプルは下記の通り。

    日本の営業生産性は なぜ低いのか

     「日本の営業生産性は なぜ低いのか@2021 McKinsey & Company」のノートブックを作成します。
     もともとのドキュメントにまとまりがあるため、比較的綺麗に抽出できていると思います。

     本PDFはWebに公開されているためChrome拡張機能「NotebookLM Web Importer」を使用しました。

    画像

    【チャット(質問する)】
     「最終的に日本企業は何をしたらよいのか?テーブル形式でまとめて」への回答は下記の通り。
     表のまとめ方は非常に良い。結果があってるかどうかまで確認しきれていないが、あってるならめっちゃ凄い!

    画像

    【マインドマップ】
     目次の項目はしっかり抽出できており、課題に関しても綺麗に分類できていると思います。

    画像
    画像

    【ブリーフィング ドキュメント】
     綺麗ではあるけど、もう少し要点を抽出してほしい気持ちはある。

    ブリーフィングドキュメント:日本の営業生産性に関する課題と解決策

    出典: 「日本の営業生産性は なぜ低いのか」(マッキンゼー)

    概要:

    本ブリーフィングドキュメントは、マッキンゼーのレポート「日本の営業生産性は なぜ低いのか」に基づき、日本の法人営業における生産性の低さという長年の課題とその根本原因、そして改善のためのアプローチについて要約するものです。レポートは、日本の労働生産性全体がG7諸国の中で常に最下位である現状を踏まえ、特に法人営業活動に焦点を当てて詳細な分析を行っています。グローバル競合との比較を通じて、日本企業固有の課題を明らかにし、企業努力による生産性向上策を提言しています。

    主要テーマと重要なアイデア・事実:日本の労働生産性の現状: OECDのデータによると、日本の時間当たり労働生産性はOECD加盟36ヶ国中21位(2018年)であり、主要先進7ヶ国(G7)の中では1970年以降一貫して最下位である。この労働生産性の低さは、企業の営業活動においても例外ではない。
    引用: "OECDデータに基づく2018年の日本の時間当たり労働生産性 ( 就業1時間当たり付加価値 ) は 、46.8ドル (4,744円 / 購買力平価 (PPP) 換算 )。米国 (74.7ドル / 7,571円) の6割強の水準に相当し、 順位は OECD 加盟36ヵ国中21位だった。主要先進7ヵ国でみると、 データが取得可能な1970年以降 、 最下位の状況が続いている。"
    営業生産性の指標としての「営業ROI」: 営業効率性を測る指標として「営業ROI」が用いられる。これは、営業活動にかかるコストを「投資」、営業活動によって得られる粗利(または売上高総利益率)を「リターン」と見なした指標である。グローバルの法人営業平均では4〜5倍の営業ROIが一般的だが、日本企業の多くはグローバル競合と比較して営業ROIが低い傾向にある。
    引用: "営業の生産性を測る指標の一つとして、「営業 ROI」という考え方がある。営業人件費や旅費その他経費など、営業活動を行うためにかかるコストを「投資 (Investment)」と見なし、営業の結果として得られる粗利(または売上高総利益率)を「リターン(Return)」と見なしたときに、投資に対して何倍のリターンが 得られるのかを見た指標である。"
    引用: "マッキンゼーの経験では、法人営業では4~5倍、すなわち営業コストの4~5倍の粗利を稼ぐのがグローバルの平均となっている。ところが後で見るように、日本企業の多くはグローバル競合と比較して営業 ROI が低い。"
    日本企業の営業効率性が低い根本課題 (7つのポイント): レポートでは、日本企業の営業効率性が低い原因として、主に以下の7つの根本課題を指摘している。
    組織全体の調和と協調を志向するがゆえの不明瞭な責任分担: チームでの協調を優先するあまり、個々の役割や責任が不明確になり、業務の重複や調整に時間がかかる。「大名行列」と呼ばれる大人数での顧客訪問などが例として挙げられる。
    引用: "その結果、グローバル競合においては1名の営業員が責任を持って実施している1つの業務を、「チームで遂行する」と言えば聞こえはよいが、複数人で実施することが起きる。"
    「お客様第一主義」文化に起因した非効率性: 顧客の要望に過度に応じる文化により、詳細な資料作成や顧客ごとの請求書フォーマット対応など、煩雑な業務が発生している。また、受注後の顧客対応も営業が担う文化が根強く、本来の営業活動に時間を割けない。
    引用: "日本企業の多くは「お客様第一主義」を掲げており、社内において「顧客がこう言っているから仕方ないのだ」との逃げ道・言い訳の影響力が比較的大きいことも理由の一つである。"
    顧客との取引関係が固定化することによる、新規成長領域へのリソース振り向け不足: 長年の取引関係や、利益が出ない顧客との取引を解消できないことが、利益率の低下や新規顧客開拓へのリソース不足につながっている。
    引用: "日本においては、長年取引関係のある顧客やOBが転職した顧客に対して、また旧財閥系であれば資本関係は無いものの緩やかな連帯感・グ ループ意識があり、顧客ポートフォリオを見直すのが難しいケースが多い。"
    前線営業マンが直接の顧客対応以外に時間をかけ過ぎていること: 社内会議、報告書作成、社内資料作成など、社内業務に費やす時間がグローバル競合と比較して圧倒的に多い(2〜4割)。CRM導入後も、システム設計の課題から業務量が増えるケースも見られる。
    引用: "マッキンゼーにおいて、複数の日本企業において営業の業務時間サーベイを実施したところ、社内会議への出席、営業日報・ 週報・月次報告、案件審査に向けての稟議書作成、その他社内資料の作成といった社内対応の占める時間は全体の2~4割に及ぶことが分かった。"
    ITシステムの過剰なカスタマイズとデジタル化の遅れ: 既存業務フローに合わせた過度なITシステムカスタマイズにより、維持費が増大し、クラウド型デジタルツールの導入が進まない。CRM導入後も、二重入力や非効率な運用が見られる。COVID-19下でのリモートワークへの対応遅れも指摘されている。
    引用: "日本企業の営業経費率がグローバル競合と比較して高い理由の一つとして、ITシステムの維持費が大きいこともある。営業の効率性を上げるとい う名目で、日本企業はシステムに業務フローを合わせるのではなく、システムを既存の業務フ ローに合うよう多大な工数をかけてカスタマイズさせることが多く、日本企業におけるITシステム のカスタマイズ比率は非常に高い。"
    「ベンチマーク」を嫌う企業での、営業経費削減の「相対評価」による負のインセンティブ構造: 一律の経費削減目標設定により、既に努力している部署が不利になる「やった者負け」の状況が生じ、全体的な削減効果が限定的になる。ベンチマーク活用への抵抗感も指摘されている。
    引用: "しかし、過去に経費削減を頑張った部署は更に追加で他の部署と同じ目標を課されてしまう「やった者負け」の状況が作り出される。結果としてどの部署にも経費削減を極力抑えようという負のインセンティブが働き、十 分な削減効果を得られないことが往々にして起 きる。"
    子会社・海外拠点へのガバナンス不足による経費削減の遅れ: 本社からのガバナンスが効きにくい子会社や海外拠点では、全社的な経費削減施策の展開が遅れる傾向がある。
    営業効率性を高めるための解決アプローチ: レポートでは、上記の課題を克服し、営業効率性を向上させるために、以下の4つのアプローチを提案している。
    営業プロセスの徹底した見える化と改革: 時間分析による営業活動状況の定量的な把握、あるべき営業プロセス・スキルの定義と役割分担の明確化、子会社・海外拠点における生産性向上への取り組み。現場主導のアイデアと経営陣の覚悟が必要。
    引用: "マッキンゼーが過去に行った事例に基づくと、これ らのアプローチにより、営業や業務を担当している メンバーが現在使っている時間の2~4割が削減可能 な業務であり、新たに生じた時間とリソースを、新 規顧客や新規市場の開拓など企業の成長につなが る活動に振り向けることができる。"
    専門性・知見の集約と共通化: 専門的なスキルを持つプロフェッショナルによる営業サポート体制の充実、提案書や顧客情報などの知識・ノウハウの共通化・資産化。
    引用: "むしろ、営業サポート部隊を専門的技能集団と捉え、単純な業務ではなく、提案書やデモ作成、業界・ 顧客調査、社内手続きといったコア業務を専門に受 け持つプロという形で教育・採用することで、前線 営業がより力を発揮することができる。"
    マネジメントの「腹決め」とそれを可能にする意思決定インフラの整備: 経営陣によるファクトに基づいた顧客の選別と優先順位付け、過度に正確性の高い報告を求める文化の修正(8割の正確性を目指す)、顧客別利益率などのKPIデータのダッシュボード化、ベンチマークデータの活用。
    引用: "過去のサンクコストや関係性に囚われずに、ファクトベースでの意思決定を経営陣自らが行うことが重要である。"
    営業のデジタル化による効率化の向上: 営業前線(リモート営業、Webツール)、営業中間領域(販社・代理店とのシステム連携)、営業バックヤード(RPA、CRMデータ分析)のデジタル化推進。COVID-19後のデジタル投資への前向きな姿勢が必要。
    引用: "世界に視野を向けると、この機会を前向きにとらえ、営業やマーケティング活動のデジタル化を大幅に進めることで 、 営業の効率性を上げている企業が多くある。"


    結論:

    レポートは、日本の法人営業における生産性の低さが、日本固有の文化や歴史的経緯に根差した複雑な課題であることを強調しています。表面的な対策だけでは不十分であり、真の課題を見極め、営業プロセス、組織構造、ITシステム、そして経営陣の意思決定プロセスを含めた抜本的な改革が必要であると結論付けています。グローバル競争に勝ち抜くためには、グローバル競合並みの効率性を実現することが不可欠であり、デジタル化への投資と営業員スキルの向上がその鍵となることを示唆しています。

    今後の展望:

    今後、中国やアジア、アフリカといった新興市場で成長していくためには、日本企業は営業効率性を向上させ、グローバル競合と対等に戦える体制を構築していく必要があります。本レポートで示された課題とアプローチは、そのための重要な指針となるでしょう。


    5.仕様詳細/ヘルプ

    ソース(入力データ)

     ソースはNotebookLMにアップロードするデータです。ここでは、何をインプットできるか」「何を実行できるか」「どう調整できるか」を紹介します。

    画像

    サポートされたソース
     現在NotebookLM では、次のソースの種類がサポートされています。インポート時にファイルはコピーされるためオリジナルは編集されません。
     2025年11月の大幅アップデートの情報も更新しました。

    • Google ドキュメント

    • Google スライド

    • PDF、テキスト、マークダウン ファイル

    • ウェブサイトの URL

    • コピー&ペーストしたテキスト

    • 公開されている YouTube 動画の URL(字幕や内容を認識)

    • オーディオ ファイル(.mp3,.wav など)

    • 2025年11月アップデート

      • 画像(Images)

      • Google Sheets(スプレッドシート)

      • Microsoft Word(.docx)

      • Google Drive との連携(PDFやSheets)

     Googleドライブとの同期

     Googleドライブと同期させることで、ドライブ上で編集したファイルがNotebookLMにも自動で反映されます。
     つまりGoogleドライブ上の最新ファイルの状態を常に維持できます。

    この機能を待ってた人多いはず!
    NotebookLMがGoogle Driveと追加済みソースをワンクリックで同期できるように。
    これにより削除→再追加の必要がなくなり、同期ボタンひとつで最新版に更新できる。
    これはさすがに神アプデだ。 pic.twitter.com/TehPLVBiw6

    — mugu@地方創生に挑むエンジニア (@mugu_KagawaAI) November 16, 2025

     Deepresearch

     Deep Researchにより、Webから大量のソースを自動で収集可能です。選べる2つのモードが用意されています。

    • Fast Research:素早い検索に最適です。情報を迅速にスキャンし、すぐにソースを確認してインポートできます。

    • Deep Research:完全なブリーフィングに最適です。高品質なソースを見つけるために詳細な分析を実行します。これはバックグラウンドで実行されるため、作業を続けることができます。

     使用方法は以下の通り。

    1. ノートブック左側の「ソースを追加」から「Web」を選択

    2. 調査したいトピックを入力

    3. AIが「リサーチプラン(調査計画)」を自動で生成

    4. AIがプランに基づき、数百のWebサイトを自律的に巡回・分析

    5. 数分後、調査結果をまとめたソース付きの構造化レポートと根拠となったWebソースのリストを生成

    6. 生成されたレポートとソースをワンクリックでソースに追加可能

    画像

    Studioパネル

     Studioパネル(画面右側)は、追加したソース群を様々な角度から分析・変換するための機能が集約された場所です 。

    • 単語帳 (Flashcards)

      • ソース(講義ノート、教科書PDFなど)から、AIが重要と判断した用語、日付、概念を抽出し、暗記用の「単語帳」を即座に自動生成します 。

    • クイズ (Quizzes)

      • ソースの内容に基づき、あなたの理解度をテストするための「クイズ」を自動生成します 。

    • レポート (Reports)

      • 従来の「ブリーフィングドキュメント」が進化。ソース群の概要レポートを作成する際に、「構造(例:箇条書き、パラグラフ)」「スタイル(例:専門的、カジュアル)」「トーン(例:客観的、分析的)」を細かく指定できるようになりました。130以上の言語で利用可能です 。

    • マインドマップ (Mind Maps)

      • ソース内のトピックや概念間の「関連性」を視覚的なマインドマップとして自動生成します。複雑なテーマの全体像を把握するのに役立ちます。

    • 音声概要 (Audio Overviews)

      • ソースの内容を、AIホスト2名による「ポッドキャスト風の対話」として音声化します。

    • 動画解説 (Video Overviews)

      • ソースの内容を、ナレーション付きのスライドショー形式の「ビデオ」として自動生成します

    設定

     モード/出力言語は右上の⚙から設定可能です。
     他にチャットの回答をカスタマイズすることができ、様々なペルソナ/口調を調整することが出来ます。設定は以下の通り。

    画像

    6.事例紹介

     応用事例を紹介します。

     英語教材の作成

     英語(日本語を含む 50 以上の言語)学習用にリスニングやシャドーイング用教材を簡単に作成できます。

     右上の「設定」から「出力言語」を選択し、言語をEnglishを選択して保存するだけです。後は音声概要を出力すると英語のポッドキャスト風会話が生成されます。
     これは音声速度も変えることが出来るため実力や用途に合わせた学習ができます。

    画像

     ポッドキャスト化

     私がNotebookLMで常用しているのが「音声概要を車の中で聞く」です。音声概要化したものをアプリ(iPad)内にダウンロードし、車のオーディオからかけるとネット無しでも音声が聞けます。



    参考資料

    別添1:Google NotebookLM

    別添2:Python

    あとがき

     「AI×検索」はシュンペーターの新結合みたいで、まさにイノベーションに近いように感じた。
     この検索に関して論文データや社内情報などをセキュリティ的に安全に繋ぐことが出来れば更なる可能性が生まれそう。

     ただ、文章生成やオーディオ生成で無価値なブログが増えるリスクも存在しているのは少し懸念している。


     
     

    KIYO

     
     
    普段は製造業で企画/開発/設計しております。記事はプログラミング・機械学習、IoT関係の記事をメインで作成し、なるべく1つの記事で知りたいことを網羅していきます。内容は学術的より実装・アウトプット(ほしくなるもの)を重視して作成しています。 面白そうな仕事があればやりたいです!

    あなたへのおすすめ