NotebookLM

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:

• vytvořit sešit pro jedno téma, projekt nebo klienta
• přidat zdroje — dokumenty, webové stránky, poznámky nebo video
• položit nad zdroji konkrétní dotaz v chatu
• z odpovědí si nechat vytvořit další výstupy, například audio přehled, prezentaci, infografiku nebo studijní materiály

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.

• Odpovědi obsahují citace na konkrétní zdroje.
• Po kliknutí na citaci se otevře příslušný dokument a zvýrazní se pasáž, ze které model vycházel.
• Aktivní zdroje je možné zapínat a vypínat, takže se dá poměrně dobře řídit kontext.
• Poznámky vytvořené v chatu je možné použít jako nový zdroj a dál nad nimi pracovat.

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:

• audio přehledy a podcastové formáty
• prezentace
• infografiky
• kvízy a flashcards pro učení

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:

• dohledávat konkrétní informace
• dělat shrnutí pro kolegy
• vytvářet onboarding materiály
• připravovat podklady pro schůzky

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:

1. nad větším množstvím zdrojů si nechat vypsat jen to důležité
2. výsledek uložit jako poznámku
3. poznámku použít jako samostatný zdroj
4. ostatní zdroje dočasně vypnout
5. teprve z takto zúženého kontextu generovat audio, prezentaci nebo další výstup

To je dobrý způsob, jak dostat z NotebookLM méně balastu a více kontrolovaný výsledek.

• Kvalita výstupu stojí a padá na kvalitě zdrojů.
• Pokud ve zdrojích něco není, NotebookLM to nemusí dohledat ani správně dopočítat.
• I když umí citace a je výrazně lépe ukotvený do podkladů než běžný chat, pořád je potřeba výstup ručně kontrolovat.
• U části generovaných výstupů dává smysl finální úprava v jiném nástroji.
• Funkce, limity i cenový model se mohou v čase měnit, takže je lepší brát videa jako praktickou ukázku workflow než jako definitivní produktovou dokumentaci.

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.

• NotebookLM
• 10 NotebookLM hacků, které vám dají neférovou výhodu
• Tutorial NotebookLM: 9 funkcí, které musíš znát