NotebookLM je nástroj od Googlu pro práci nad vlastními zdroji — typicky nad dokumentací, weby, poznámkami, PDF nebo YouTube videi. Oproti obecnému AI chatu je užitečný hlavně tam, kde je potřeba držet odpovědi u konkrétních podkladů, dohledat citace a rychle z velkého množství materiálů udělat shrnutí, rešerši nebo studijní výstupy.
Tato aktualizace vychází hlavně z videí 10 NotebookLM hacků, které vám dají neférovou výhodu a Tutorial NotebookLM: 9 funkcí, které musíš znát, která ukazují aktuálnější práci s nástrojem než původní staré video.
Základní princip je jednoduchý: do jednoho sešitu se nahrají zdroje a nad nimi se pak vede chat nebo se z nich generují další výstupy. Důležité je, že model má pracovat nad dodanými podklady, ne nad obecným internetovým kontextem.
Typický workflow vypadá takto:
Praktická hodnota NotebookLM je hlavně v tom, že umí z jedné sady zdrojů udělat použitelnou pracovní znalostní bázi. Místo ručního procházení desítek stran dokumentace je možné rychle zjistit hlavní body, porovnat témata nebo si nechat připravit podklady pro další práci.
Silná stránka NotebookLM je kontrola nad tím, z čeho odpověď vznikla.
To je užitečné hlavně ve chvíli, kdy je potřeba omezit „rozplizlé“ odpovědi. Ve videích je dobře ukázané workflow, kdy se nejdřív z více zdrojů udělá výběr důležitých bodů, ten se uloží jako poznámka a potom se další výstup generuje už jen z této jedné vybrané poznámky. Tím se výrazně zlepší kontrola nad tím, co se do výsledku dostane.
NotebookLM se hodí pro první orientaci v rozsáhlých materiálech. Umí zkrátit dlouhé dokumenty do použitelného souhrnu, vytáhnout hlavní body nebo odpovědět na konkrétní dotaz nad nahranými zdroji.
Ve videích je ukázané použití pro průzkum konkurence, porovnávání služeb nebo hledání slepých míst v argumentaci. Pokud se do sešitu nahrají relevantní weby nebo dokumenty, NotebookLM z nich umí vytáhnout srovnání, seznam rozdílů nebo přehled toho, co ve zdrojích chybí.
NotebookLM už neslouží jen jako chat nad dokumenty. Ve videích jsou ukázané i další výstupy:
To je užitečné hlavně tehdy, když je potřeba stejný zdrojový materiál převést do jiného formátu — například z interní dokumentace udělat onboarding materiál nebo rychlý briefing na cestu.
Ve videích je zmiňovaný i režim Deep Research, který slouží pro širší rešerši a natažení většího množství zdrojů k jednomu tématu. Prakticky to dává smysl tam, kde člověk nechce ručně hledat a třídit desítky odkazů, ale potřebuje si nad tématem rychle postavit první pracovní základ.
Jedno z nejpraktičtějších použití je nahrání interních směrnic, zápisů z porad, technické dokumentace nebo klientských podkladů do samostatného sešitu. Nad tímto sešitem se pak dá:
Ve videu je ukázané i propojení s dalšími Google AI workflow. NotebookLM může dobře posloužit jako první analytická vrstva: nejdřív se vytáhne strukturovaný obsah a teprve potom se použije jiný nástroj na finální text, web, e-mail nebo prezentaci.
Prakticky zajímavý postup je tento:
To je dobrý způsob, jak dostat z NotebookLM méně balastu a více kontrolovaný výsledek.
Video je zaměřené hlavně na praktické workflow, lepší kontrolu nad zdroji, tvorbu výstupů a použití NotebookLM v byznysu, rešerších a obsahové produkci.
Druhé video je užitečné hlavně jako přehled toho, jak NotebookLM funguje jako uzavřená znalostní báze, jak pracuje s citacemi a jak se dá použít pro firemní znalosti, studium i tvorbu výstupů bez slepého spoléhání na obecný AI chat.