2026. 6. 26. 07:00ㆍAI 정보와 활용
NotebookLM 딥 리서치 에이전트의 자율 웹 탐색과 백만 토큰 컨텍스트 창을 활용하여 기업 정보 사일로를 해체하고 지식을 자산화하는 실무 매뉴얼입니다 생성형 인공지능 신뢰 거버넌스 확립 및 비즈니스 모델 혁신을 위한 최고경영자 의사결정 전략을 지금 바로 확인해 보세요
1. 1M 토큰 컨텍스트 창의 전면 확대가 지식 집약적 산업의 R&D 워크플로우를 어떻게 혁신하는가?
기술 분석 및 특허 연구와 같은 지식 집약적 산업에서 '컨텍스트 창(Context Window)'의 용량은 분석의 질적 수준을 결정하는 핵심 차별화 요소입니다. 데이터를 단편화하여 처리할 수밖에 없었던 기존 환경과 달리, 대규모 컨텍스트 창은 전체 자료를 하나의 유기적인 지식 체계로 인식하게 함으로써 정보 간의 맥락적 단절을 원천적으로 차단합니다.
분석 자료 유형별 처리 가능 규모 (1M 토큰 / 약 75만 단어 기준)
| 자료 종류 | 처리 가능 용량 (추정치) | 비즈니스 가치 |
| 학술 논문 | 약 40~80편 | 전체 문헌 리뷰 및 방법론적 교차 검증 가능 |
| 특허 명세서 | 100건 이상 | 핵심 클레임(Claim) 비교 및 기술적 침해 리스크 분석 |
| 기술 보고서 | 수십 권 | 산업 트렌드 및 중장기 기술 로드맵(TRM) 수립 |
| 전자책(eBook) | 약 10~20권 | 방대한 이론적 배경 및 전문 지식의 통합적 이해 |
1) 지식 그래프 기반의 통합 분석과 기술 상용화 가속
1M 토큰 컨텍스트 창의 핵심은 데이터를 분절하지 않고 '지식 그래프(Knowledge Graph)' 스타일의 분석이 가능하다는 점입니다. 연구원은 20~30편의 논문이나 수백 장의 기술 보고서를 동시에 처리함으로써, 인간이 수동으로 찾기 어려운 문서 간의 '기술적 모순(Technical Contradictions)'이나 숨겨진 연결 고리를 실시간으로 포착할 수 있습니다. 이는 기술 사업화 보고서 작성 속도를 획기적으로 높이며, R&D 기획 단계에서의 시행착오를 줄여 경쟁사 대비 제품 상용화 주기를 단축하는 강력한 경쟁 우위를 제공합니다.
2) 디스플레이/세라믹 기술 평가
(1) 구현 방법
블랙 알루미나 특허, 경쟁사 기술 명세서, OLED 노광장비 사양서 등 관련 자료를 모두 업로드합니다.
(2) 실행 단계
1) 자료 업로드 → 2) "전체 소스를 기반으로 향후 5년간의 기술 발전 흐름 정리" 요청 → 3) 특정 소재(예: 세라믹 척)의 전략적 포지셔닝 및 차별성 도출.
(3) 핵심
이 프로세스를 통해 기업은 개별 문서 분석에 드는 비용을 절감하고, 고도화된 전문 페르소나를 통한 전략 수립에 집중할 수 있게 됩니다.
2. 'Chat Goals' 기능을 통한 맞춤형 페르소나 설정이 기업 내 전문 지식 자산화에 기여하는 바는 무엇인가?
기업 내 리서치 역량의 상향 평준화를 위해서는 'Persona-Driven AI'를 통한 분석 기준의 표준화가 필수적입니다. 'Chat Goals' 기능은 AI에게 최대 5,000자의 구체적인 역할과 목적을 부여함으로써, 응답의 일관성을 확보하고 기업의 요구 사항에 부합하는 전문적인 아웃풋을 보장합니다.
1) 표준화된 전문가 페르소나 정의 (Chat Goals 활용 예시)
(1) 학술 지도교수
모든 답변을 APA 7판 형식으로 인용하며, 논리적 허점이나 선행 연구 누락을 지적합니다. 특히 PLS-SEM(구조방정식) 등 연구 방법론의 적절성을 평가하여 학술적 엄밀성을 확보합니다.
(2) VC 투자심사역
시장 규모(TAM/SAM/SOM) 분석, Exit 가능성, 기술적 장벽 및 투자 리스크를 중심으로 사업성을 검토하여 투자 의사결정을 지원합니다.
(3) B2B 기술 영업 전문가
구매 담당자(비전문가)가 이해할 수 있는 언어로 기술 내용을 치환하며, 수치와 데이터를 기반으로 제품의 효능 및 ROI를 설명하는 고객 맞춤형 제안서를 작성합니다.
2) 범용 챗봇에서 표준화된 전문가 컨설팅으로의 격상
이 기능은 AI 활용 방식을 '단순 질의응답'에서 '기관화된 전문가 자문'으로 전환시킵니다. 사용자가 매번 번거로운 프롬프트를 입력할 필요 없이, 프로젝트별로 최적화된 페르소나를 고정함으로써 프롬프트 편차에 따른 결과물의 품질 저하를 방지합니다. 이는 퇴사나 인사이동에 관계없이 조직의 전문 지식과 분석 관점을 Notebook 내에 반영구적으로 자산화할 수 있음을 의미합니다.
3. 'Deep Research' 에이전트 기능은 기존의 수동 리서치 프로세스를 어떻게 자동화하며 데이터 신뢰성을 확보하는가?
현대의 비즈니스 환경은 정보의 수집 속도보다 분석의 속도가 더 중요합니다. 기존의 '검색 증강 생성(RAG)'이 업로드된 문서 내 검색에 국한되었다면, 'Deep Research'는 AI가 자율적으로 웹을 탐색하고 검증하는 '에이전틱 웹 리서치(Agentic Web Research)'를 구현합니다.
1) Deep Research 에이전트 워크플로우: [Planning → Crawling → Verification → Reporting]
AI는 사용자의 질문을 분석하여 리서치 계획을 수립하고, 수백 개의 웹 소스를 크롤링한 뒤, 정보의 신뢰성을 교차 검증하여 인용이 포함된 구조화된 리포트를 자동 생성합니다.
Fast Research vs. Deep Research 비교
| 구분 | Fast Research (빠른 리서치) | Deep Research (심층 리서치) |
| 작동 메커니즘 | 관련 소스의 신속한 나열 및 요약 | 자율적 계획 수립 및 웹 전체 심층 크롤링 |
| 분석 강도 | 즉각적인 팩트 체크 중심 | 정보 간 교차 검증 및 종합 보고서 작성 |
| 결과물 형태 | 간단한 소스 리스트 및 단답형 | 인용 출처가 포함된 구조화된 연구 리포트 |
| 주요 용도 | 일상적인 업무 확인 및 단순 검색 | 시장 동향 분석, 정책 연구, 기술 조사 |
2) 생산성 구조의 근본적 혁신 (70:30에서 10:90으로)
Deep Research는 연구원이 자료 수집에 투입하던 시간 비중을 70%에서 10%로 대폭 줄이고, 고도의 분석과 전략적 통찰 도출(90%)에 집중하게 만듭니다. 특히 AI의 답변을 수집된 소스에 엄격하게 고정하는 '앵커링(Anchoring)' 기술과 명확한 인용 표시는 비즈니스 임계 업무에서 치명적인 환각(Hallucination) 현상을 최소화하여 의사결정의 신뢰도를 보장합니다.
3) 비즈니스 유스케이스: 글로벌 EV 정책 분석
(1) 주제
"2024~2026년 EU 및 북미의 전기차 보조금 정책 변화와 한국 배터리 기업 점유율에 미친 영향 분석"
(2) 단계
소스 패널에서 'Web' 소스 타입 선택 → 'Deep Research' 옵션 트리거 → AI가 정부 통계, 학술 논문, 최신 뉴스를 종합하여 보고서 생성.
4. EPUB 및 PPTX 지원과 실시간 동기화 기능이 기업의 데이터 사일로(Silo) 문제를 어떻게 해결하는가?
현대 기업의 데이터는 PDF, 슬라이드, 전자책 등 다양한 포맷으로 파편화되어 있습니다. NotebookLM은 '소스 편재성(Source Ubiquity)' 전략을 통해 이러한 형식의 제약을 제거합니다.
1) 다중 포맷 통합 지원
EPUB 전자책과 PPTX 발표 자료를 직접 업로드할 수 있어, 별도의 변환 작업 없이 전공 서적이나 기존 프로젝트 덱을 즉시 분석에 활용합니다.
2) 3패널 UI 최적화
자료(Sources) → 질문(Chat) → 결과 생성(Studio)으로 이어지는 직관적인 인터페이스를 통해 워크플로우의 단절을 막습니다.
3) Google Drive 자동 동기화 (5월 26일 출시)
원본 문서(Docs, Sheets 등)가 수정되면 노트북 내 정보도 실시간 갱신되어, 수동 재동기화로 인한 정보의 부정확성을 완전히 배제합니다.
4) '인사이트에서 실행으로(Insight-to-Action)'의 가속화
NotebookLM은 이제 분석 도구를 넘어 '콘텐츠 팩토리(Content Factory)'로 기능합니다. 예를 들어, 경쟁사의 IR Deck(PPTX)을 업로드하여 전략적 약점을 파악하고, 이를 기반으로 15주 분량의 강의 PPTX에서 20문항의 퀴즈를 생성하거나 요약본을 도출하는 작업이 '원클릭'으로 가능해집니다. 이는 복잡한 데이터를 실시간으로 비즈니스 자산화하여 즉각적인 실행(Action)으로 연결하는 속도를 비약적으로 향상시킵니다.
5. Google AI Ultra 요금제 개편과 Gemini 3.5 Flash 탑재가 기업의 AI 도입 ROI 및 확장성에 미치는 영향은?
Gemini 3.5 Flash의 기본 탑재는 응답 속도를 기존 대비 4배 이상 높였으며, 에이전틱 벤치마크에서 우수한 성적을 거두어 기업의 운영 효율성을 극대화합니다.
[NotebookLM 플랜별 상세 한도 및 ROI 분석 (2026년 5월 기준)]
| 플랜 | 가격(월) | 소스 한도 | 일일 채팅 한도 | Cinematic Video 한도 | Deep Research / 특이사항 |
| Free | 무료 | 50개 | 50회 | 3회 | 기본 리서치 지원 |
| Plus/Pro | $7.99 / $19.99 | 100~300개 | 점진적 확대 | 점진적 확대 | Pro: 5TB 스토리지 포함 |
| Ultra 20TB | $99.99 (기존 $249) | 500개 | 2,500회 | 2회 / 일 | 75회 / 일 |
| Ultra 30TB | $200.00 | 600개 | 5,000회 | 20회 / 일 | 200회 / 일, Gemini Spark 포함 |
Ultra 20TB 플랜의 가격이 $249.99에서 $99.99로 파격 인하된 것은 기업의 AI 도입 진입장벽이 크게 낮아졌음을 의미합니다. 특히 기업 단위의 인텔리전스 부서나 전략 기획팀은 Ultra 30TB 플랜을 선택하는 것이 전략적으로 유리합니다. 해당 플랜에 포함된 'Gemini Spark(24/7 백그라운드 에이전트)'는 사용자가 접속하지 않은 시간에도 데이터를 상시 모니터링하고 분석을 수행하여 시장의 급격한 변화에 선제적으로 대응할 수 있는 '상시 가동형 인텔리전스' 환경을 제공하기 때문입니다.
6. AI 경영 실행 전략 및 실행 프레임워크
1) AI 경영 실행 전략
(1) RAG 기반 지식 자산화로 조직 분석 역량을 표준화하라
기업 내 리서치 역량의 상향 평준화를 위해, 분산된 특허·보고서·논문을 하나의 RAG 기반 지식 저장소로 통합하고 Chat Goals로 전문가 페르소나를 고정해야 한다. 이를 통해 담당자가 바뀌어도 AI 경영 분석 품질이 유지되며, 조직의 전문 지식이 반영구적 자산으로 축적된다.
(2) 에이전틱 Deep Research로 경영전략 의사결정 속도를 혁신하라
수동 리서치에 소비되던 업무 시간의 70%를 AI 활용으로 10% 이하로 낮추고, 절감된 자원을 전략 수립과 비즈니스모델혁신에 재투자하는 구조가 필요하다. Deep Research의 Planning→Crawling→Verification→Reporting 워크플로우를 내재화하면, 팀장급 실무자도 C레벨 수준의 인텔리전스를 즉각 생산할 수 있다.
(3) 다중 포맷 소스 통합으로 데이터 사일로를 해체하고 실행력을 가속하라
EPUB·PPTX·PDF·Drive 등 포맷 제약을 제거하고, Sources→Chat→Studio의 3패널 워크플로우로 '인사이트에서 실행'까지의 속도를 비약적으로 단축해야 한다. 파편화된 데이터를 하나의 생태계로 통합함으로써 경영전략 보고서, 영업 제안서, 투자 자료가 단일 플랫폼에서 원클릭으로 생성되는 AI 경영 체계가 완성된다.
2) 전략 실행 프레임워크
(1) 개인화된 AI 경영 페르소나 설계 (Persona-Driven AI)
프로젝트 단위로 Chat Goals에 최대 5,000자의 역할·분석 프레임·응답 기준을 고정하여, 범용 챗봇이 아닌 기관화된 전문 자문 시스템으로 AI 활용 방식을 전환한다. 기술심사역, VC 투자심사역, B2B 영업 전문가 등 직무별 페르소나를 노트북에 자산화함으로써 조직 전반의 분석 품질이 표준화된다.
(2) 지식 공유 자산 생태계 구축 (Knowledge Asset Sharing)
1M 토큰 컨텍스트 기반의 RAG 지식 저장소를 팀 단위로 공유하고, 인사이동·퇴사와 무관하게 조직의 분석 관점이 노트북에 반영구적으로 누적되는 구조를 설계한다. 비즈니스모델혁신의 핵심 자산인 지식이 개인 역량에서 조직 자산으로 전환될 때, 진정한 AI 경영 경쟁력이 창출된다.
(3) 환각 통제 기반 신뢰 거버넌스 모델 (Hallucination-Controlled Governance)
AI 답변을 업로드된 소스에 엄격히 고정하는 앵커링(Anchoring) 기술과 명확한 인용 표시 체계를 경영 의사결정 프로세스의 거버넌스 원칙으로 채택해야 한다. 환각 통제는 선택이 아닌 필수이며, 이 기준을 충족한 AI 활용만이 임계 경영 업무에서 신뢰할 수 있는 판단 근거로 기능한다.
(4) 사용 기반 과금 연계 조직 민첩성 확보 (Usage-Based Agility)
Ultra 20TB($99.99)와 Ultra 30TB($200) 플랜의 Deep Research 횟수·소스 한도·Gemini Spark 백그라운드 에이전트를 팀 규모와 프로젝트 빈도에 맞춰 선택하여, 고정 비용 없이 AI 활용 강도를 동적으로 조절할 수 있다. 이 구조는 스타트업과 팀장급 실무자가 C레벨 인텔리전스 인프라를 저비용으로 즉시 확보하는 진입 전략이 된다.
(5) 멀티포맷 협업 생태계 기반 비즈니스모델혁신 (Multi-Format Collaborative Ecosystem)
EPUB·PPTX·Google Drive 자동 동기화·Gemini 앱 연동으로 구성된 멀티포맷 생태계는, 분석→전략→결과물 생성까지의 전 과정을 단일 플랫폼에서 실행하는 협업 인프라다. 기존 산업 구조에서 분절되었던 리서치·기획·제작 업무가 하나의 동태적 시스템으로 통합될 때, 기업의 비즈니스모델혁신 사이클은 근본적으로 가속된다.
7. AI 경영 실무 매뉴얼 및 평가지표
1) RAG 기반 지식 자산화로 조직 분석 역량을 표준화하라
2) 에이전틱 Deep Research로 경영전략 의사결정 속도를 혁신하라
3) 다중 포맷 소스 통합으로 데이터 사일로를 해체하고 실행력을 가속하라
4) 통합 실행 가이드: 전략 연계 및 관리 방안
(1) 전략 간 연계성 및 실행 주체
전략 A(지식 자산화)는 정확한 페르소나와 소스를 제공하는 기반층으로, 전략 B(Deep Research)가 수집한 외부 인텔리전스와 결합될 때 분석 품질이 극대화됩니다.
전략 C(다중 포맷 통합)는 두 전략의 산출물을 실행 결과물로 전환하는 실행층입니다.
전략 A는 IT·지식관리팀, B는 전략기획팀, C는 현업 팀장급 실무자가 주도합니다.
(2) 실행 순서 및 소요 기간
전략 A를 1~4주 내 선행 구축하여 표준 페르소나와 지식 저장소를 확보한 뒤, 전략 B를 2~6주차에 병행 도입해 리서치 워크플로우에 통합합니다.
전략 C는 5주차 이후 후행 실행으로, A와 B의 산출물이 충분히 축적된 시점에 3패널 워크플로우와 멀티포맷 생태계를 전사 표준으로 확장하는 순서를 권장합니다.
(3) KPI 모니터링 및 정기 검토 주기
정량 지표(리서치 소요 시간·소스 활용률·인용 오류 건수)는 주간 단위로 팀장이 자체 모니터링하고, 정성 지표(팀원 체감 만족도·경영진 채택률)는 월간 설문 또는 회의에서 수집합니다.
통합 KPI 보고는 분기별 경영전략 회의에서 실시하며, 반기 시점에 목표 재설정 및 AI 경영 투자 범위를 재검토하는 구조를 권장합니다.
8. CEO 인사이트
AI 경영 혁신의 가장 치명적인 도전 과제는 생성형 AI 결과물에 대한 무비판적 수용 문화입니다. 전략 A·B·C 모두 AI 활용 산출물이 경영전략 의사결정의 직접 근거가 되는 구조인 만큼, 팀원이 Deep Research 보고서나 RAG 기반 분석을 검증 없이 수용하는 순간 환각(Hallucination)은 조직 전체의 판단 오류로 증폭됩니다. CEO는 지금 즉시 "AI는 우리의 분석 속도를 높이는 도구이지, 우리의 판단을 대체하는 주체가 아니다."라고 선언해야 합니다. 비즈니스모델혁신은 AI가 만든 결과를 실무자가 비판적으로 검증하고, 인용 원문을 확인하며, 최종 책임을 사람이 지는 거버넌스 문화 위에서만 지속 가능합니다.
9. 핵심 용어
백만 토큰 컨텍스트 창 (1M Token Context Window): 방대한 분량의 자료를 분할 없이 한 번에 입력하여 문맥 단절 없이 유기적으로 통합 분석하는 대규모 인공지능 데이터 처리 기술입니다.
딥 리서치 에이전트 (Deep Research Agent): 사용자 질문을 바탕으로 스스로 웹을 탐색하고 정보를 교차 검증하여 출처가 명확한 심층 리포트를 자동 생성하는 자율 연구 시스템입니다.
챗 골스 (Chat Goals): 인공지능에게 전문적인 역할과 목적을 고정 부여하여 대화 내내 일관된 분석 프레임과 전문가 수준의 응답 기준을 유지하는 페르소나 설정 기능입니다.
환각 현상 앵커링 (Hallucination Anchoring): 인공지능의 답변을 업로드된 검증 문서에 엄격하게 고정시켜 허위 정보 생성을 원천 차단하고 의사결정의 신뢰도를 보장하는 거버넌스 기술입니다.
다중 포맷 정보 통합 (Multi Format Integration): 문서 파일이나 전자책 프레젠테이션 등 파편화된 자료 형식을 단일 생태계로 결합하여 기업 내 고질적인 정보 사일로 현상을 해결하는 기능입니다.
프롬프트 : 1. NotebookLM의 2026년 05월에 Update 및 upgrade된 부분과 수정된 서비스 내역은 무엇인지 설명해줘.
ChatGPT의 답변 :
1. NotebookLM 2026년 05월 Update 및 Upgrade 주요 내용
NotebookLM은 2026년 5월 기준으로 단순 문서 Q&A 도구에서 Research Operating System(연구 운영 플랫폼) 수준으로 진화했습니다. 핵심 변화는 다음 4가지입니다.
(1) 1M 토큰 컨텍스트 창 전면 확대
기존에는 일부 상위 플랜에서만 사용 가능했으나, 현재는 유료 사용자 전체에 제공됩니다.
- 최대 100만 토큰 처리
- 약 75만 단어 수준
- 책 1권 + 논문 20~30편 동시 분석 가능
- 전체 자료를 하나의 지식 그래프로 통합 분석
예시
- 박사논문 작성
- 특허 분석
- 기술사업화 보고서
- 국가 R&D 과제 기획
등에서 자료를 잘게 나누지 않고 한 번에 분석할 수 있습니다.
(2) Chat Goals (맞춤 목표)
Notebook 단위로 AI의 역할과 목적을 고정할 수 있습니다.
예)
- "기술경영(MOT) 교수처럼 답변"
- "SCI 논문 심사위원 관점으로 검토"
- "VC 투자심사역 관점 분석"
- "전략컨설턴트 스타일"
이후 모든 대화가 해당 목표를 기준으로 진행됩니다.
(3) Deep Research
NotebookLM이 스스로 외부 웹을 탐색하여 연구자료를 수집합니다.
기존
사용자가 자료를 업로드 → 분석
현재
사용자가 주제 입력 → AI가 자료 수집 → 분석 → 보고서 작성
으로 진화했습니다.
(4) EPUB / PPTX 지원
신규 지원 형식
- EPUB 전자책
- PPTX 발표자료
이제 별도 변환 없이 직접 업로드 가능합니다.
Gemini의 답변 :
1. NotebookLM 최근 주요 업데이트 및 서비스 변경 내역
최근(2026년 기준) NotebookLM은 단순한 문서 분석 툴을 넘어, 강력한 맞춤형 리서치 및 학습 통합 환경으로 진화했습니다. 주요 업데이트 사항은 다음과 같습니다.
- 대규모 소스 관리 및 동기화: 이제 노트북당 최대 600개의 외부 소스(PDF, URL, Google 드라이브 파일, 오디오 등)를 업로드할 수 있습니다. 또한 iOS 및 Android 기기와의 양방향 동기화가 완벽하게 지원되어, 언제 어디서나 리서치를 이어갈 수 있습니다.
- 시네마틱 비디오 오버뷰 (Cinematic Video Overviews): 텍스트나 문서를 기반으로 팟캐스트 형태의 오디오를 생성하던 'Audio Overviews' 기능이 확장되어, 복잡한 주제를 시각적으로 요약해 주는 시네마틱 비디오 생성 기능이 추가되었습니다.
- 통합 스튜디오 패널 (Studio Panel): 진행 중인 채팅, 메모, 플래시카드, 문서들을 폴더별로 깔끔하게 정리할 수 있는 인터페이스가 도입되었습니다.
- 환각 현상(Hallucination) 최소화: AI의 답변을 업로드된 문서에 엄격하게 고정(Anchoring)하여, 정보의 신뢰도를 극대화했습니다.
Perplexity의 답변 :
5월 업그레이드로 강조된 핵심 기능
5월 24일 기준으로 정리된 Google Workspace 발표/해설을 보면, NotebookLM의 “5월 업그레이드”는 크게 네 가지 축으로 요약됩니다. 이 기능들은 2025년 말~2026년 초에 단계적으로 도입되었지만, 2026년 5월에 공식적으로 한 번에 묶여 설명되면서 “지난 1년 중 최대 규모 업그레이드”로 포지셔닝되었습니다.
- 1M-token 컨텍스트 전면 개방
- Chat Goals(맞춤 목표/페르소나) 강화
- Deep Research(자동 크로스웹 조사)
- EPUB / PPTX 소스 타입 지원
마인드맵·시각화 쪽 5월 체감 변화
공식 릴리스 노트 외에 사용자 커뮤니티에서는 마인드맵 기능이 5월에 ‘완전히 다른 도구가 되었다’는 평가가 많습니다.
- 5월 업데이트 이후, 마인드맵을 만들 때 단순 자동 구조가 아니라 프롬프트로 구조·레이아웃·스타일을 세밀하게 조정할 수 있게 되어, 사용자가 “논쟁 구조(Tension Map)”, “의사결정 아키텍처”, “문헌 군집(컨스텔레이션)” 등 특정 패턴을 정해 생성하는 사례가 늘었습니다.
- 각 노드를 클릭하면 해당 노드를 중심으로 별도의 탐색·요약 세션을 시작할 수 있어, 장기 연구 프로젝트(논문, 리서치 등)에서 지식 네비게이션 도구로 쓰기 좋게 개선되었다는 피드백이 나옵니다.
요금제·사용 한도 측 “서비스 수정” 내역 (AI Ultra 재편)
5월 19일 Google I/O 2026에서 발표된 Google AI Ultra 요금제 재편이 NotebookLM 서비스 구조에도 직접적인 변화를 주었습니다.
- Ultra 단일 플랜 → 20TB/30TB 2단계 구조
- NotebookLM 기준으로 본 플랜별 주요 한도(5월 시점)
- 기타 서비스 측 변경 사항
이 부분이 5월 기준으로 봤을 때 “서비스 내역이 수정된 것”에 해당하며, 같은 기능이라도 어떤 플랜에서 어느 정도까지 쓸 수 있는지가 크게 달라진 것이 핵심입니다.
모델 업그레이드(Gemini 3.5)와 NotebookLM
5월 19일 Google I/O 2026에서 Gemini 3.5 Flash가 Gemini 앱·검색 등 전반의 기본 모델로 도입되었고, 이는 NotebookLM에도 직접적인 영향을 주는 것으로 정리됩니다.
- 공개 자료에 따르면, Gemini 3.5 Flash는 기존 Gemini 3.1 Pro보다 여러 벤치마크에서 더 좋은 성능을 보이면서도 약 4배 빠른 응답 속도를 제공하도록 설계되었습니다.
- 다만 NotebookLM이 5월 시점에 이미 Gemini 3.5 Flash로 완전히 전환되었는지에 대해서는 구글이 공식적으로 명시하지 않았고, 12월에 도입된 Gemini 3(Flash)을 기반으로 3.5 Pro가 6월에 추가 도입될 예정이라는 식으로 “전환 과정”에 있다는 정도만 확인됩니다.
정리: 5월 업그레이드를 어떻게 이해하면 좋은가
- 기능 측면에서는 1M-token 컨텍스트, Chat Goals, Deep Research, EPUB/PPTX 소스 타입을 전면에 내세우며 “연구 워크플로우 도구”라는 포지셔닝을 강화했고,
- 사용 경험 측면에서는 마인드맵/스튜디오/시각화 기능의 프롬프트 제어와 깊이가 커뮤니티에서 체감할 수 있을 정도로 향상되었으며,
- 사업·서비스 측면에서는 AI Ultra 요금제 이원화와 그에 따른 NotebookLM 한도 재조정이 가장 큰 구조적 변경 사항으로 볼 수 있습니다.
Claude의 답변 :
1. 2026년 05월 주요 업데이트 및 수정 내역
① Google I/O 2026 발표 (5월 19일) — Gemini 3.5 Flash 탑재 및 AI Ultra 요금제 개편
구글은 I/O 2026(5월 19일)에서 NotebookLM에 Gemini 3.5 Flash를 탑재하고, Google AI Ultra 요금제를 $99.99/월(20TB)과 $200/월(30TB)의 두 티어로 개편했다. Fello AI
Gemini 3.5 Flash는 대규모 플래그십 모델에 필적하는 성능을 Flash 시리즈 특유의 속도로 제공하며, 터미널 벤치마크(76.2%) 등 주요 에이전틱 벤치마크에서 Gemini 3.1 Pro를 능가한다. Google
현재 요금제 구조는 다음과 같이 정비되었다.
| 플랜 | 월정액 | 소스 한도 |
| Free | 무료 | 노트당 50개 |
| AI Plus | $7.99 | 노트당 100개 |
| AI Pro | $19.99 | 노트당 300개 |
| AI Ultra | $99.99 / $200 | 노트당 600개 |
② Google Drive 자동 동기화 (5월 26일 공식 배포)
이전에는 Google Docs, Sheets, Slides를 NotebookLM에 업로드한 경우, 원본 파일이 수정되면 NotebookLM 내에서 수동으로 업데이트 버튼을 눌러야 했다. 이번 업데이트로 Drive 파일의 내용이 변경되면 노트북의 정보도 자동으로 갱신되어 별도의 재동기화 작업 없이 항상 최신 상태를 유지할 수 있게 되었다. Google Workspace
이 기능은 2026년 5월 26일부터 최대 15일에 걸쳐 단계적으로 배포되며, 개인 Google 계정을 포함한 모든 Google Workspace 사용자에게 제공된다. Google Workspace
③ Gemini 앱 Notebooks — 모바일 전면 확대 (4월 말~5월)
Gemini 앱의 Notebooks는 Gemini와 NotebookLM 간에 완전히 동기화되어, 한쪽에서 추가한 소스가 반대쪽에도 자동으로 반영된다. 덕분에 Video Overviews, 인포그래픽 등 각 앱의 고유 기능을 유연하게 활용할 수 있다. Google
소스 한도도 플랜별로 확대되었다: Free 50개, AI Plus 100개, AI Pro 300개, Ultra 최대 600개. Pasquale Pillitteri
④ Gemini 3.5 Flash 기업용(Enterprise) 기본 탑재 (5월 29일)
Gemini Enterprise에서 Gemini 3.5 Flash는 전 세계, 미국, EU 리전에서 정식(GA) 출시되었다. 2026년 6월 8일 이후에는 기능 관리 토글이 제거되고 기본값으로 완전히 고정된다. Google
Copilot의 답변 :
1. 2026년 05월까지 NotebookLM 업데이트 총정리
✅ 핵심 업데이트 타임라인 (요약)
- 2025.10 → 1M 토큰 + Chat Goals + Chat 저장
- 2025.11 → Deep Research
- 2025.12 → Gemini 3 (추론 개선)
- 2026.02 → 슬라이드 편집 + PPTX
- 2026.03 → EPUB + 비디오/인포그래픽
- 2026.04 → 3패널 UI (Sources·Chat·Studio)
- 2026.05 → Gemini 3.5 Flash + AI 요금 구조 개편 [felloai.com]
✅ 2026년 주요 기능 업데이트
① UI 구조 혁신 (3패널)
- 좌: Sources / 중앙: Chat / 우: Studio
→ “자료 → 질문 → 결과 생성” 워크플로우 완성 [aitodo.co]
👉 의미
→ 단순 챗봇 → “연구 툴”로 전환
② Studio 콘텐츠 자동 생성
- 보고서 / 슬라이드 / FAQ / 마인드맵 / 영상
- “원클릭 콘텐츠 팩토리” 기능 [aitodo.co]
👉 실무 변화
→ 자료 → 바로 결과물 생성 (PPT/보고서 자동화)
③ EPUB 업로드 + PPTX 지원
- eBook 바로 입력 가능
- 슬라이드 생성 → PPTX 다운로드 가능 [workspaceu...leblog.com]
👉 의미
→ 기존 PDF 중심 → “모든 문서 플랫폼 통합”
④ 시각화 기능 대폭 강화
- 인포그래픽 스타일 10종
- Cinematic Video Overviews [workspaceu...leblog.com]
⑤ 학습 기능 개선
- 플래시카드 저장
- 퀴즈 진행 기록 유지 [workspaceu...leblog.com]
✅ 핵심 변화 요약
👉 NotebookLM = “개인 연구 AI + 자동 콘텐츠 제작 시스템”
프롬프트 : 2. 1M 토큰 컨텍스트 창 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
2. 1M 토큰 컨텍스트 창 사용법과 예시
개념
100만 토큰은 대략 다음 규모입니다.
| 자료 종류 | 수량 |
| 논문 | 40~80편 |
| 특허 | 100건 이상 |
| 기술보고서 | 수십 권 |
| 전자책 | 10~20권 |
| PPT 자료 | 수백 장 |
사용법
Step 1
자료 업로드
- 논문 PDF
- 특허 PDF
- 정부 보고서
- 시장 보고서
- 기업 IR 자료
Step 2
초기 질문
예)
"이 자료 전체를 기술·시장·사업화 관점으로 구조화해줘"
Step 3
심층 분석
예)
"2020~2026년 디스플레이용 세라믹 소재 기술 발전 흐름을 정리해줘"
기술사업화 사례
귀하의 TSJ 사업에 적용한다면
업로드 자료
- 블랙알루미나 특허
- 경쟁사 특허
- OLED 노광장비 기술문서
- 반도체 세라믹 시장 보고서
- 고객사 요구사항
질문
"향후 5년간 블랙알루미나 세라믹의 전략적 포지셔닝을 도출해줘"
결과
- 기술맵
- 경쟁사 분석
- 시장예측
- 사업전략
을 통합 생성할 수 있습니다.
주의점
최근 장문 컨텍스트 연구에서는
- 1M 토큰을 지원한다고 해서
- 1M 전체를 완벽하게 활용하는 것은 아님
이라는 결과도 있습니다.
실무적으로는
- 300K~500K 단위
- 주제별 Notebook 분리
전략이 더 안정적입니다.
Gemini의 답변 :
2. 1M 토큰 컨텍스트 창 (1M Token Context Window)
100만(1M) 토큰 컨텍스트 창은 방대한 양의 데이터를 한 번에 모델에 입력하고 분석할 수 있게 해주는 기능입니다. 책 수십 권 분량의 텍스트, 수 시간 분량의 비디오, 방대한 코드베이스를 쪼개지 않고 한 번에 처리할 수 있습니다.
- 사용법:
- 사용 예시:
Perplexity의 답변 :
① 1M 토큰 컨텍스트 창 — 사용법과 예시
개념
1M 토큰은 영어 기준 약 75만 단어, 한국어 기준으로는 이보다 적지만 A4 용지 수백 페이지 분량의 문서를 하나의 대화에서 동시에 분석할 수 있는 수준입니다. 이전에는 한 노트북에 올린 소스들 중 컨텍스트 한계를 넘는 부분이 잘렸지만, 이제는 50개 소스(Pro 기준 300개) 전체를 하나의 연결된 사고 흐름 안에서 처리합니다.
사용법
- notebooklm.google.com에 접속 → 새 노트북 생성
- 좌측 Sources 패널에 PDF, 논문, Google Docs, 웹페이지 URL 등을 복수로 업로드
- 컨텍스트 창은 별도 설정 없이 자동 활성화 — 소스를 올리는 것만으로 적용됨
- 채팅창에서 여러 소스 간 비교·연결·패턴 분석 요청 가능
실전 예시 (기술경영 컨설팅 관점)
시나리오: 아모티(기술거래 컨설팅)에서 반도체·세라믹 분야 기술 평가 프로젝트를 수행할 때
- 특허 20건(PDF) + 기술 평가 보고서 5건 + 산업 동향 보고서 10건 + 관련 논문 15편을 동시에 업로드
- 질의: "이 특허군에서 블랙 알루미나 세라믹 진공척 관련 핵심 클레임을 뽑아, 동일 분야 논문들과 기술 차별성을 비교해줘"
- 결과: NotebookLM이 50편 전체를 한 번에 참조하여 기술 차별성 분석표 + 인용 출처 자동 생성
Claude의 답변 :
2. 1M 토큰 컨텍스트 창 사용법
개요
1M 토큰 컨텍스트 창은 2025년 10월 업데이트에서 도입되었다. 이 기능으로 NotebookLM은 여러 편의 긴 논문이나 책에 걸친 방대한 분량을 한꺼번에 분석하고, 문서들 사이의 연결고리를 찾아낼 수 있게 되었다. 무료 플랜 포함 전 티어에 제공된다. Fello AI
사용법
- NotebookLM 노트북에 소스를 추가한다 (PDF, Docs, URL 등 복수 업로드 가능).
- 별도 설정 없이 대화창에서 질문하면, AI가 전체 소스를 컨텍스트로 참조한다.
- "이 다섯 편의 논문에서 공통으로 언급되는 방법론은 무엇인가?" 같은 교차 분석 질문이 가능하다.
실용 예시
- 논문 리뷰: 10~20편의 학술 논문을 한 노트북에 올리고 "모든 논문에서 공통된 한계점을 정리해줘"라고 요청.
- 법률·계약서 비교: 여러 계약서를 동시 업로드 후 "계약 A와 B의 위약금 조항 차이를 표로 정리해줘" 요청.
- 소설 집필 지원: 긴 원고 전체를 올리고 "3장에서 언급된 복선이 7장에서 어떻게 회수되는지 분석해줘" 요청.
Copilot의 답변 :
2. 1M 토큰 컨텍스트 창 사용법
✅ 개념
- 최대 100만 토큰(≈ 책 수백 권 + 대화 기록) 처리 가능 [androidexperto.com]
👉 특징
- 대화 + 문서 + 노트 모두 한 번에 기억
- 긴 프로젝트 지속 가능
✅ 사용법
Step 1. 자료 최대한 업로드
- PDF, EPUB, Docs 등
Step 2. “구조 질문” 먼저
Plain Text
전체 내용을 계층적으로 요약해줘
더 많은 선 표시
Step 3. 세부 확장
Plain Text
3번 섹션을 깊게 분석해줘
더 많은 선 표시
✅ 좋은 사용 패턴
📌 패턴 1: 대형 보고서 분석
Plain Text
이 10개 문서를 기반으로 산업 구조를 정리하고
핵심 경쟁 우위를 5가지로 압축해줘
더 많은 선 표시
📌 패턴 2: 책 전체 이해
Plain Text
이 EPUB 책 전체를
- 핵심 개념
- 프레임워크
- 실제 적용법
으로 정리해줘
더 많은 선 표시
✅ 핵심 팁
- “무작정 많이 넣기 ❌”
- “범위 제한 ✅” → 정확도 크게 상승
프롬프트 : 3. Chat Goals (맞춤 목표/역할 설정) 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
3. Chat Goals 사용법과 예시
설정 방법
Notebook 생성
↓
Chat Goals
↓
역할 정의
↓
모든 대화에 자동 적용
예시 1 : 박사논문
Goal
"MIS 분야 SSCI 논문 지도교수 역할"
질문
"연구모형의 이론적 기여도를 평가해줘"
출력
- 연구갭
- 이론기여
- 한계점
- Reviewer 대응전략
중심으로 응답
예시 2 : 기술거래 컨설턴트
Goal
"기술평가기관 수석심사역"
질문
"이 특허의 기술가치를 평가해줘"
출력
- 권리성
- 시장성
- 사업성
- 기술성숙도(TRL)
기준으로 분석
예시 3 : 투자심사
Goal
"Series A VC 심사역"
질문
"이 스타트업 투자 여부를 검토해줘"
출력
- TAM
- SAM
- SOM
- Exit 가능성
- 경쟁우위
관점으로 정리
Gemini의 답변 :
3. Chat Goals (맞춤 목표 / 역할 설정)
Chat Goals는 AI에게 특정한 페르소나(역할), 어조, 제약 조건 또는 최종 목표를 부여하여, 대화 내내 해당 설정을 일관되게 유지하도록 만드는 기능입니다.
- 사용법:
- 사용 예시:
Perplexity의 답변 :
② Chat Goals (맞춤 목표/역할 설정) — 사용법과 예시
개념
노트북별로 AI가 어떤 역할로, 어떤 목표를 향해 대화해야 하는지를 최대 5,000자 분량으로 사전 설정하는 기능입니다. 설정 후에는 매번 역할을 지시할 필요 없이, 모든 대화가 자동으로 해당 목표에 맞춰 정렬됩니다.
사용법
- 노트북 열기 → 채팅 패널 우상단 ⚙️ Configure(설정) 아이콘 클릭
- Goals 섹션에 역할·톤·분석 프레임을 입력 (최대 5,000자)
- 저장 후 대화 시작 — 이후 채팅 전체에 목표가 자동 적용됨
- 프로젝트가 바뀔 때마다 노트북을 새로 만들어 각각 다른 Goal 설정 권장
실전 예시
예시 1 — 박사 논문 준비 (한국외국어대 경영정보학과)
"당신은 경영정보학(MIS) 분야의 엄격한 지도교수입니다. 모든 답변은 APA 7판 형식으로 인용하고, 논리적 허점이나 선행 연구 누락을 반드시 지적해주세요. 연구 방법론(PLS-SEM, 서베이 설계 등)에 특히 주의를 기울이고, 내 논문이 SSCI급 저널에 게재될 수 있는 수준인지 기준으로 피드백을 주세요."
예시 2 — 티에스제이 그린케어 세라믹 영업 자료 작성
"당신은 B2B 기술 영업 전문가입니다. 모든 답변은 구매 담당자(비전문가)가 이해할 수 있는 수준으로 기술 내용을 쉽게 풀어주고, 원적외선·항균·탈취 기능의 효능을 수치와 비교 데이터로 설명하는 방식을 유지하세요."
Claude의 답변 :
3. Chat Goals (맞춤 목표/역할 설정) 사용법
개요
Custom Goals and Personas 기능은 각 노트북마다 AI의 행동 방식을 설정하는 기능이다. 최대 5,000자(기존 500자에서 대폭 확장)까지 역할을 정의할 수 있다. 설정 방법은 노트북에서 채팅 패널의 "Configure(톱니바퀴)" 아이콘을 클릭한 후 "Goals" 항목에 역할을 입력하면 된다. Fello AI
사용법
- 노트북 우측 채팅 패널 상단의 ⚙️(Configure) 아이콘 클릭.
- "Goals" 또는 "Persona" 입력란에 역할 지시문 작성.
- 저장 후 이 설정이 해당 노트북의 모든 대화에 지속 적용된다.
실용 예시
| 목적 | Goals 입력 예시 |
| 학습 도우미 | "당신은 인내심 있는 대학 교수입니다. 모든 개념을 쉬운 비유로 설명하고, 이해했는지 확인하는 질문을 마지막에 반드시 추가하세요." |
| 편집자 역할 | "당신은 한국어 출판 편집자입니다. 문장의 어색함, 반복 표현, 시제 불일치를 중심으로 교열 의견을 제시하세요." |
| 경영 전략 자문 | "당신은 스타트업 전문 컨설턴트입니다. 답변은 항상 실행 우선순위 3단계로 구분하여 제시하세요." |
Copilot의 답변 :
3. Chat Goals (맞춤 목표/역할 설정)
✅ 개념
- AI의 역할/사고방식을 고정하는 기능 [9to5google.com]
👉 즉:
“AI를 그냥 쓰는 것 → 전문가로 설정해서 쓰기”
✅ 사용법
Step 1. 목표 설정
Plain Text
너는 전략 컨설턴트다.
모든 답변은 실행 중심으로 작성해라.
더 많은 선 표시
Step 2. 역할 유지 상태에서 질문 반복
✅ 실전 예시
📌 1) 경영 컨설턴트 모드
Plain Text
너는 McKinsey 컨설턴트다.
자료를 기반으로 핵심 문제와 해결 전략을 제시해라.
더 많은 선 표시
📌 2) 연구 지도 교수 모드
Plain Text
너는 PhD 지도교수다.
논리 오류를 지적하고 질문을 던져라.
더 많은 선 표시
📌 3) 마케팅 전략가
Plain Text
즉시 실행 가능한 마케팅 액션 플랜만 제시해라.
더 많은 선 표시
✅ 효과
- 답변 스타일 일정
- 품질 안정화
- 조직용 표준화 가능
프롬프트 : 4. Deep Research (자동 크로스웹 리서치) 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
4. Deep Research 사용법과 예시
동작 구조
사용자 질문
↓
AI 연구계획 생성
↓
웹 자료 수집
↓
교차 검증
↓
구조화 보고서 생성
예시 1 : 국가 AI 정책 연구
질문
"한국형 Sovereign AI 정책을 연구해줘"
자동 수행
- OECD 사례
- 미국 사례
- EU 사례
- 중국 사례
- 일본 사례
수집
↓
정책 보고서 작성
예시 2 : 디스플레이 세라믹
질문
"EUV 노광장비용 세라믹 척 시장 분석"
수집 자료
- ASML
- Applied Materials
- 특허
- 학술논문
- 산업보고서
↓
시장 전망 작성
예시 3 : 박사논문
질문
"AI Governance 연구동향 분석"
자동 수행
- SSCI 논문
- 학회자료
- 연구보고서
↓
Literature Review 생성
Deep Research 장점
기존
- 자료 찾기 70%
- 분석 30%
현재
- 자료 찾기 10%
- 분석 90%
구조로 전환됩니다.
Gemini의 답변 :
4. Deep Research (자동 크로스웹 리서치)
사용자가 큰 주제를 던져주면, AI가 사람처럼 자율적으로 웹을 탐색하고, 여러 출처의 정보를 교차 검증하며, 방대한 데이터를 종합하여 완성도 높은 리포트를 작성해 주는 기능입니다.
- 사용법:
- 사용 예시:
Perplexity의 답변 :
③ Deep Research (자동 크로스웹 리서치) — 사용법과 예시
개념
NotebookLM이 직접 인터넷을 탐색해 수십~수백 개의 관련 소스를 자동으로 수집하고, 인용이 포함된 구조화된 리서치 리포트를 백그라운드에서 작성해주는 에이전트 기능입니다. 리서치가 진행되는 동안 사용자는 다른 작업을 계속할 수 있습니다.
사용법 (단계별)
- 노트북 열기 → 소스 패널에서 "Web" 소스 타입 선택
- Fast Research vs Deep Research 옵션 중 Deep Research 선택
- 리서치 주제를 입력하고 제출
- NotebookLM이 자동으로 리서치 계획 수립 → 수백 개 웹 소스 크롤링 → 리포트 작성 (백그라운드 실행, 수 분 소요)
- 완료 후 리포트와 소스를 한 번의 클릭으로 노트북에 추가
Fast vs Deep 차이: Fast Research는 관련 웹소스를 빠르게 나열해 사용자가 직접 선별하는 방식이고, Deep Research는 AI가 계획을 세우고 심층 분석해 완성된 보고서를 자동 생성하는 방식입니다.
실전 예시
예시 1 — 기술거래 시장 동향 조사
입력: "2025~2026년 대한민국 기술이전·기술거래 시장 현황, 정부 정책 변화, 주요 기관 현황"
결과: NotebookLM이 특허청 보도자료, KIAT 보고서, 학술 논문, 뉴스 기사 등 수십 개를 자동 수집 → 인용 포함 시장 분석 리포트 생성 → 노트북에 추가해 Chat Goals로 설정한 컨설팅 보고서 작성에 바로 활용
예시 2 — 디스플레이 제조 공정 진공척 기술 조사
입력: "Display manufacturing vacuum chuck black alumina ceramic 2024-2026 technology trends and key patent holders"
결과: 글로벌 특허 동향, 경쟁사 현황, 주요 논문 자동 수집 → 영업·기술 전략 수립 자료로 활용
Claude의 답변 :
4. Deep Research (자동 크로스웹 리서치) 사용법
개요
Deep Research는 2025년 11월 업데이트에서 추가된 기능으로, NotebookLM을 단순 문서 분석 도구에서 에이전틱 리서처로 전환시켰다. 이 기능은 웹을 자동으로 탐색하고 수백 개의 고품질 소스를 수집하여 인용 출처가 표시된 보고서를 자동으로 작성한다. Fello AI
사용법
① 소스 패널에서 소스 유형으로 Web을 선택한다. ② Fast Research와 Deep Research 두 가지 옵션이 표시된다. ③ 복잡한 주제에는 Deep Research를 선택한다. ④ 리서치 주제를 입력하고 실행하면, AI가 리서치 계획을 수립하고 수백 개의 고품질 소스를 검색하며 보고서를 백그라운드에서 작성한다. 작업이 완료되면 보고서와 소스를 원클릭으로 노트북에 추가할 수 있다. Fello AI
Fast Research vs Deep Research 비교
Fast Research는 즉시 검토할 수 있는 소스를 빠르게 수집하는 방식이며, Deep Research는 심층 분석을 수행하고 포괄적인 보고서를 생성하므로 광범위한 인용 품질이 중요한 복잡한 주제에 적합하다. Fello AI
실용 예시
- "2025~2026년 한국 생성형 AI 스타트업 투자 트렌드를 Deep Research로 분석해줘" → 자동으로 뉴스·보고서 수백 개를 수집하고 인용 포함 보고서 생성.
- 기존에 업로드한 내부 자료와 Deep Research 결과를 결합해 "내 자료 + 최신 시장 동향"을 교차 분석하는 리포트 작성.
Copilot의 답변 :
4. Deep Research (자동 크로스웹 리서치)
✅ 개념
- AI가 웹을 자동 탐색하고 보고서를 생성 [openai.com]
👉 기능
- 검색 → 분석 → 종합 → 리포트
✅ 작동 구조
- 질문 분석
- 조사 계획 생성
- 웹 자동 탐색
- 정보 비교/검증
- 리포트 생성 [gemini.google]
✅ 사용법
Step 1. Deep Research 선택
Step 2. 프롬프트 입력
Plain Text
한국 전기차 시장의
경쟁 구조와 투자 기회를 분석해줘
더 많은 선 표시
Step 3. 계획 검토 후 실행
✅ 실전 예시
📌 1) 시장 분석
Plain Text
AI SaaS 시장의
성장률, 주요 플레이어, 투자 리스크 분석
더 많은 선 표시
📌 2) 경쟁 분석
Plain Text
Tesla vs Hyundai EV 전략 비교
더 많은 선 표시
📌 3) 의사결정 보고서
Plain Text
스타트업 투자 여부 판단 보고서 작성
더 많은 선 표시
✅ 핵심 장점
- 사람이 몇 시간 걸릴 작업 → 자동 수행
- 근거 기반 출력
프롬프트 : 5. EPUB / PPTX 소스 업로드 지원 사용법과 예시를 설명해줘.
ChatGPT의 답변 :
5. EPUB / PPTX 업로드 지원 사용법과 예시
EPUB 활용
사용법
전자책 파일
(.epub)
↓
NotebookLM 업로드
↓
챕터별 분석
↓
요약 및 토론
예시
The Lean Startup EPUB 업로드
질문
"린 스타트업의 핵심 프레임워크를 정리해줘"
가능한 출력
- 핵심 개념
- 사례
- 실무 적용방안
- 요약 노트
- 퀴즈 생성
PPTX 활용
사용법
발표자료 업로드
↓
슬라이드 분석
↓
스토리라인 추출
↓
발표 스크립트 생성
예시
기업 IR Deck 업로드
질문
"투자자 관점에서 부족한 부분을 찾아줘"
분석 결과
- 시장성 설명 부족
- 재무 논리 부족
- 경쟁우위 근거 부족
- Exit 전략 부재
도출 가능
Gemini의 답변 :
5. EPUB / PPTX 소스 업로드 지원
기존의 PDF나 텍스트 파일 외에도, 전자책 표준 포맷인 EPUB과 프레젠테이션 파일인 PPTX를 원형 그대로 업로드하여 지식 기반으로 활용할 수 있습니다.
- 사용법:
- 사용 예시:
Perplexity의 답변 :
④ EPUB / PPTX 소스 업로드 지원 — 사용법과 예시
개념
기존에는 PDF, 웹페이지, Google Docs 등이 주요 소스 포맷이었지만, 이번 업그레이드로 EPUB 전자책과 PPTX 슬라이드 파일을 소스로 직접 업로드할 수 있게 되었습니다. 파일을 변환하거나 복사·붙여넣기 없이 원본 그대로 활용 가능합니다.
사용법
- 노트북 열기 → 소스 패널의 "+ Add Source" 클릭
- "Upload file" 선택 → .epub 또는 .pptx 파일 드래그 앤 드롭
- 업로드 완료 후 일반 소스와 동일하게 채팅 질의·요약·비교 분석에 활용
- PPTX의 경우 각 슬라이드 내용이 텍스트로 파싱되어 분석에 사용됨
실전 예시
예시 1 — 전북대·한국외대 학위논문·강의 자료 분석 (박사 논문 준비)
- 지도교수 강의 슬라이드 (PPTX 10개) + 참고도서 전자책 (EPUB 3권)을 한 노트북에 업로드
- 질의: "이 강의 자료에서 내 논문 주제(예: 기술경영 분야 디지털 전환)와 직접 연결되는 핵심 이론·프레임워크를 뽑아 정리해줘"
예시 2 — 그린케어 세라믹 고객사 제안서 역분석
- 경쟁사 제안서나 학술대회 발표자료 PPTX를 업로드
- 질의: "이 슬라이드에서 원적외선 방사 소재 관련 핵심 주장과 근거 데이터를 추출하고, 우리 제품과 차별화 포인트를 정리해줘"
Claude의 답변 :
5. EPUB / PPTX 소스 업로드 지원 사용법
EPUB 지원
EPUB은 모든 NotebookLM 사용자가 이용 가능한 기능으로, 전자책의 표준 개방형 파일 포맷인 EPUB 파일을 소스로 업로드할 수 있다. 이를 통해 장편 디지털 서적을 NotebookLM에서 직접 리서치하고 분석하는 것이 가능해졌다. Google Workspace
EPUB 사용 예시
- 전자책(소설, 기술서, 학술 단행본)을 EPUB으로 업로드 후 "이 책의 핵심 주장 5가지를 요약해줘" 요청.
- 복수의 EPUB을 함께 업로드하고 비교 분석: "이 두 권의 책에서 AI 윤리 관련 견해 차이를 정리해줘".
- Gemini 앱 모바일에서도 PDF, doc, 링크와 함께 EPUB 업로드가 지원된다. Pasquale Pillitteri
PPTX 지원
2026년 2월 18일 업데이트에서 PPTX 내보내기 기능이 추가되었다. 또한 특정 슬라이드를 "슬라이드 3을 수정해줘" 또는 "슬라이드 5를 더 간결하게 만들어줘"와 같이 지시하는 프롬프트 기반 슬라이드 편집이 가능해졌다. 여러 편집을 큐에 쌓은 뒤 한 번에 생성할 수 있어, 수정하지 않은 슬라이드는 그대로 유지된다. Fello AI
PPTX 사용 예시
- 보고서 PDF를 업로드하고 "이 내용을 기반으로 10슬라이드 발표 자료를 만들어줘" → 슬라이드 생성 후 PPTX로 내보내기.
- 생성된 슬라이드 중 특정 슬라이드만 "슬라이드 4의 차트 설명을 더 구체적으로 수정해줘" 명령으로 부분 수정.
- 완성된 덱을 PPTX로 다운로드하여 PowerPoint나 Google Slides에서 추가 편집.
Copilot의 답변 :
5. EPUB / PPTX 업로드 기능
✅ EPUB 업로드
✔ 기능
- 전자책 그대로 분석 가능 [jetstream.blog]
✅ 사용법
- EPUB 파일 업로드
- Chat에서 질문
✅ 예시
Plain Text
이 책의 핵심 프레임워크 5가지를 추출해줘
더 많은 선 표시
✅ 활용
- 책 요약
- 개념 구조화
- 강의 콘텐츠 제작
✅ PPTX 기능
✔ 기능
- AI 생성 슬라이드 → PPTX 다운로드 [workspaceu...leblog.com]
✅ 사용법
1단계
Plain Text
이 자료로 발표용 슬라이드 만들어줘
더 많은 선 표시
2단계
→ Studio에서 자동 생성
3단계
→ PPTX export
✅ 예시
📌 보고서 → 발표자료 변환
Plain Text
이 보고서를 10장 발표 슬라이드로 만들어줘
더 많은 선 표시
✅ 활용
- 업무 보고 자동화
- 교육자료 제작
- 컨설팅 결과물 생성
🔥 전체 핵심 정리
NotebookLM = 3가지 핵심 진화
1️⃣ 초대형 기억 (1M tokens)
→ “모든 자료를 한 번에 분석”
2️⃣ 역할 기반 AI (Chat Goals)
→ “AI = 전문가화”
3️⃣ 자동 연구 (Deep Research)
→ “리서처 역할 대체”