문서 기반 질의 실험 기준 할루시네이션 13% vs 40%, 100페이지 보고서 10분 파악 워크플로우
2026년 04월 16일 발행
캡션: NotebookLM — 제가 올린 자료를 중심으로 답하는 소스 기반 AI 도구입니다
이 글의 핵심
- NotebookLM은 제가 업로드한 자료를 중심으로 답하는 소스 기반 AI 도구입니다. 문서 기반 질의 실험에서는 NotebookLM의 할루시네이션 비율이 13%, ChatGPT·Gemini는 각각 40%로 보고됐습니다.
- 소스 업로드 → 질문 공식 → 오디오·비디오 개요, 이 3단계로 100페이지 보고서를 10분 안에 파악하는 흐름을 만들 수 있습니다.
- ChatGPT와 대체 관계가 아니라 분업 관계입니다. 상황별 도구 선택 기준표까지 함께 정리했습니다.
NotebookLM은 제가 올린 자료를 중심으로 답을 생성하는 Google의 AI 연구·요약 도구입니다. 핵심은 “AI에게 인터넷 전체를 물어보는 것”이 아니라 “내가 넣은 문서 묶음 안에서 근거를 찾아 답하게 하는 것”입니다.
할루시네이션 수치도 이 차이를 보여줍니다. arXiv 논문 Not Wrong, But Untrue: LLM Overconfidence in Document-Based Queries는 300개 문서 코퍼스를 바탕으로 문서 기반 질의 실험을 진행했고, 이 실험에서 NotebookLM은 13%, ChatGPT와 Gemini는 각각 40%의 할루시네이션 비율을 보였다고 보고했습니다. 다만 이 수치는 모든 업무·모든 질문에서 항상 그대로 반복되는 일반 성능 보증이 아니라, 해당 논문의 문서 기반 질의 조건에서 나온 결과로 이해해야 합니다.
ChatGPT를 이미 쓰고 있는데 “AI가 자신 있게 틀린 내용”을 보고서에 넣었다가 지적받은 적이 있다면, NotebookLM을 따로 써야 하는 이유가 바로 여기에 있습니다. 아이디어를 넓히는 데는 ChatGPT나 Claude가 편하지만, 제가 가진 PDF·회의록·보고서 안에서 근거를 찾아야 하는 업무라면 NotebookLM이 훨씬 안전한 출발점이 됩니다.
NotebookLM이 ChatGPT와 근본적으로 다른 이유는 무엇인가요?
NotebookLM과 ChatGPT의 가장 큰 차이는 답변을 만드는 범위입니다. ChatGPT는 학습된 지식과 현재 대화 맥락을 바탕으로 폭넓게 답을 구성하는 범용 AI입니다. 반면 NotebookLM은 사용자가 넣은 소스를 중심으로 답을 만들도록 설계된 도구입니다.
쉽게 말하면 ChatGPT는 시험 범위가 넓은 구술시험에 가깝고, NotebookLM은 자료를 펼쳐놓고 치르는 오픈북 시험에 가깝습니다. 제가 PDF, Google 문서, Google 슬라이드, 웹페이지, YouTube URL, 텍스트, 오디오 자료를 넣으면 NotebookLM은 그 자료를 바탕으로 요약하고, 질문에 답하고, 출처를 함께 제시합니다.
실무에서 중요한 차이는 인용입니다. NotebookLM 답변에는 원문 근거를 확인할 수 있는 인용 표시가 붙습니다. 보고서 작성 중 “이 수치 어디에서 나온 거예요?”라는 질문을 받았을 때, 답변만 복사하는 것이 아니라 원문 위치까지 다시 확인할 수 있습니다. 이 점이 회의록 정리, 정책 문서 분석, 리서치 보고서 검토에서 특히 유용합니다.
다만 “소스 기반”이라는 말이 “절대 틀리지 않는다”는 뜻은 아닙니다. 인용이 잘못 연결되거나, 원문에 없는 해석이 섞이거나, 여러 문서를 종합하는 과정에서 뉘앙스가 달라질 수 있습니다. 그래서 중요한 문장, 숫자, 법적·재무적 판단은 반드시 인용된 원문까지 열어서 확인해야 합니다.
보안도 현실적으로 봐야 합니다. Google NotebookLM 도움말은 개인 Google 계정 기준으로 개인정보를 NotebookLM 학습에 사용하지 않는다고 설명하지만, 사용자가 피드백을 제공하면 쿼리, 업로드 자료, 모델 응답이 문제 해결·남용 방지·개선 목적으로 검토될 수 있다고 안내합니다. Google Workspace 또는 Workspace for Education 계정은 업로드 자료, 쿼리, 응답이 사람 검토 대상이 아니며 AI 모델 학습에도 사용되지 않는다고 별도로 설명합니다. 그래도 회사 내부 계약서, 인사 자료, 고객 개인정보, 미공개 재무자료라면 먼저 회사의 AI 사용 정책과 보안 승인 범위를 확인하는 것이 맞습니다.
정리하면, 중요 보고서 분석은 NotebookLM, 새로운 아이디어 기획은 ChatGPT나 Claude, 최신 웹 검색은 Perplexity처럼 분리해서 쓰는 방식이 가장 실용적입니다.
100페이지 보고서를 10분에 파악하는 3단계 워크플로우는?
소스 업로드 → 질문 공식 → 스튜디오 활용, 이 3단계를 익히면 대부분의 업무 자료 분석이 훨씬 빨라집니다. 100페이지 보고서를 처음부터 끝까지 정독하기 전에, NotebookLM으로 구조와 핵심 쟁점을 먼저 잡아두면 읽어야 할 곳과 건너뛰어도 되는 곳이 분명해집니다.
Step 1 — 소스 업로드
notebooklm.google에 접속해서 새 노트북을 만듭니다. PDF, 웹사이트, Google Docs, Google Slides, YouTube URL, 텍스트, 오디오 파일 등 업무에서 자주 쓰는 자료를 소스로 넣을 수 있습니다.
무료 플랜 기준으로는 노트북 100개, 노트북당 소스 50개, 일일 채팅 50회, 오디오 생성 3회, 비디오 생성 3회가 제공됩니다. 소스 하나당 최대 50만 단어 수준까지 처리할 수 있으므로, 일반적인 보고서 몇 개를 묶어 분석하는 데는 무료 플랜만으로도 충분한 경우가 많습니다.
핵심은 주제별로 노트북을 분리하는 것입니다. “Q1 전략 보고서”, “경쟁사 분석”, “회의록 아카이브”, “정부 지원사업 자료”처럼 나누면 답변이 덜 섞입니다. 반대로 서로 관련 없는 자료를 한 노트북에 많이 넣으면, AI가 맥락을 잘못 엮을 가능성이 커집니다.
Step 2 — 질문 공식
“이 보고서 요약해줘”도 가능하지만, 실무에서는 비교·근거·리스크를 묻는 질문이 훨씬 쓸모 있습니다. 바로 복사해서 쓸 수 있는 질문은 아래와 같습니다.
- “이 보고서에서 반복적으로 언급된 리스크 요소를 인용과 함께 정리해 주세요.”
- “핵심 결론 3가지와 각각의 근거 문단을 연결해 주세요.”
- “2024년 데이터와 2025년 데이터의 차이를 표로 비교해 주세요.”
- “이 문서에서 의사결정자가 먼저 읽어야 할 부분을 우선순위 순서로 알려 주세요.”
- “보고서의 결론을 뒷받침하는 수치와 출처를 따로 모아 주세요.”
- “상반된 주장이나 서로 충돌하는 문장이 있으면 인용과 함께 표시해 주세요.”
회의록에도 같은 방식이 통합니다. 1년치 회의록을 넣고 “반복적으로 언급된 리스크 요소”를 물으면, 사람이 하나씩 다시 읽을 때보다 훨씬 빠르게 패턴을 잡을 수 있습니다. 다만 결과를 그대로 확정하지 말고, 중요한 회의 날짜와 발언 맥락은 인용을 눌러 다시 확인해야 합니다.
Step 3 — 스튜디오 기능
질문 답변이 끝나면 스튜디오 패널에서 마인드맵, 보고서, FAQ, 타임라인, 오디오 개요, 비디오 개요 같은 결과물을 만들 수 있습니다. 문서를 읽기 전에 마인드맵으로 구조를 보고, 핵심 회의 전에는 브리핑 문서를 만들고, 이동 중에는 오디오 개요로 듣는 식으로 나누면 효율이 좋아집니다.
엑셀 파일을 다룰 때도 AI가 도움이 되지만, NotebookLM의 강점은 여러 문서를 한 노트북에 넣고 “문서들 사이의 공통점과 차이”를 뽑아내는 데 있습니다. 단일 파일 요약보다 다중 문서 비교에서 체감 효과가 더 큽니다.
오디오 개요 — 이동 중에 30페이지 보고서를 소화하는 방법은?
오디오 개요(Audio Overview)는 단순한 음성 요약이 아닙니다. AI 호스트가 제가 넣은 소스를 바탕으로 대화형 설명을 만들어 주는 기능입니다. 자료를 눈으로 읽기 어려운 출퇴근길, 산책 시간, 집안일 중에 보고서의 큰 흐름을 먼저 잡을 때 유용합니다.
Google NotebookLM 도움말 기준으로 오디오 개요는 80개 이상 언어를 지원합니다. 비디오 개요도 80개 이상 언어로 확장되어, 한국어 자료를 한국어 설명으로 듣거나 볼 수 있는 활용 폭이 넓어졌습니다. 노트북과 계정 설정의 출력 언어에 따라 결과 언어가 달라질 수 있으므로, 원하는 언어가 나오지 않으면 계정 언어와 노트북 설정을 함께 확인하는 것이 좋습니다.
예를 들어 30페이지짜리 시장 보고서를 넣고 오디오 개요를 만들면, 10~15분 안팎의 대화형 요약으로 주요 쟁점, 반복되는 수치, 의사결정 포인트를 먼저 들을 수 있습니다. 그다음 실제 문서를 열어 인용이 붙은 부분과 핵심 표만 확인하면 정독 시간이 줄어듭니다.
주의할 점도 있습니다. 오디오 개요는 듣기 좋게 설명하는 과정에서 원문보다 더 자연스러운 표현을 붙일 수 있습니다. 그래서 회의 자료나 외부 제출 보고서에 쓸 문장은 오디오 내용을 그대로 옮기지 말고, 다시 채팅 답변과 원문 인용으로 확인하는 순서가 필요합니다. 오디오는 “이해를 빠르게 여는 도구”이고, 최종 근거 확인은 원문에서 해야 합니다.
캡션: 문서 기반 질의 실험에서 NotebookLM은 13%, ChatGPT와 Gemini는 각각 40%의 할루시네이션 비율을 보였습니다. 출처: arXiv 논문 「Not Wrong, But Untrue」
NotebookLM vs ChatGPT vs Claude — 상황별로 어떤 도구를 써야 할까요?
어떤 AI가 무조건 더 좋다고 보기는 어렵습니다. 상황별로 최적 도구가 다릅니다. Perplexity AI 활용법을 정리한 글에서도 다뤘지만, 핵심은 도구를 분업시키는 것입니다.
내 자료 분석이라면 NotebookLM, 새로운 아이디어 기획이라면 ChatGPT나 Claude, 실시간 웹 정보 탐색이라면 Perplexity가 편합니다. 이렇게 역할을 나누면 각 도구의 장점만 가져올 수 있습니다.
| 상황 |
최적 도구 |
이유 |
| 내 자료 기반 분석·요약 |
NotebookLM |
소스 기반 답변, 인용으로 원문 확인 가능 |
| 새로운 아이디어·창작 |
ChatGPT / Claude |
폭넓은 지식 조합, 초안 작성, 표현 개선에 강함 |
| 실시간 웹 정보 탐색 |
Perplexity |
검색 특화, 출처 확인 흐름이 빠름 |
| 코드 작성·개발 |
Claude / ChatGPT |
코드 이해, 리팩터링, 디버깅 대화에 강함 |
| 긴 회의록·보고서 구조화 |
NotebookLM |
여러 문서의 반복 패턴과 근거 문단 추적에 유리함 |
무료 플랜으로 시작하기에도 충분합니다. 무료 기준으로 노트북 100개, 소스 50개/노트북, 일일 채팅 50회, 오디오 생성 3회, 비디오 생성 3회가 제공됩니다. 일반 직장인이라면 이 한도 안에서 웬만한 업무 자료 분석은 가능합니다.
하루 50회 이상 질문하거나, 한 노트북에 50개를 넘는 자료를 묶어야 하거나, 오디오·비디오 개요를 자주 만들어야 한다면 Google AI Pro를 검토할 수 있습니다. Google 공식 플랜 기준 NotebookLM in Pro는 노트북 500개, 소스 300개/노트북, 일일 채팅 500회, 오디오 생성 20회, 비디오 생성 20회까지 한도가 늘어납니다. 한국 Google AI Pro 공식 표기 가격은 월 29,000원입니다. 실제 결제 금액과 제공 범위는 계정 국가, 프로모션, Workspace 계약 여부에 따라 달라질 수 있으므로 가입 전 공식 플랜 페이지에서 확인해야 합니다.
2026년 4월 8일 Google은 Gemini 앱 안에서 NotebookLM과 연결되는 Notebooks 기능을 발표했습니다. 다만 모든 사용자에게 동시에 열린 기능은 아니었습니다. 발표 당시에는 Google AI Ultra, Pro, Plus 웹 사용자부터 순차 제공되고, 이후 모바일과 무료 사용자로 확대되는 흐름이었습니다. 그래서 “Gemini 앱에서 바로 된다”고 단정하기보다는, 본인 계정의 플랜과 웹·모바일 지원 여부를 확인하는 것이 정확합니다.
자주 묻는 질문
Q. NotebookLM과 ChatGPT, 언제 어떤 걸 써야 할까요?
A: 내 자료 기반 분석·요약이면 NotebookLM이 더 적합합니다. 새로운 아이디어, 문장 초안, 기획안 발상처럼 넓게 확장해야 하는 작업은 ChatGPT나 Claude가 편합니다. 보고서 작성, 수치 인용, 회의록 정리처럼 할루시네이션이 치명적인 업무라면 문서 기반 질의 실험에서 나온 13% vs 40% 차이를 참고할 만합니다. 다만 중요한 결과는 NotebookLM 답변도 원문 인용까지 확인해야 합니다.
Q. 직장인 회의록 정리가 실제로 되나요?
A: 됩니다. 회의록을 월별 또는 프로젝트별로 묶어 올리고 “반복된 리스크 요소”, “결정됐지만 실행되지 않은 항목”, “부서 간 이견이 반복된 주제”처럼 질문하면 핵심 패턴을 빠르게 볼 수 있습니다. 인용을 통해 어떤 날짜의 회의록에서 나온 내용인지 확인할 수 있으므로, 보고서에 넣기 전에 원문 맥락을 다시 검토하기도 쉽습니다.
Q. NotebookLM은 할루시네이션이 없나요?
A: 없지는 않습니다. 13%라는 수치는 0%가 아닙니다. 해당 수치는 arXiv 논문 「Not Wrong, But Untrue」의 문서 기반 질의 실험에서 보고된 값이며, 모든 업무 상황에서 항상 같은 비율이 나온다는 뜻은 아닙니다. 특히 여러 문서를 종합하거나 오디오 개요처럼 자연스러운 설명으로 바꾸는 과정에서는 원문에 없는 해석이 섞일 수 있습니다. 그래서 NotebookLM의 장점은 “절대 안 틀림”이 아니라 “인용을 통해 검증하기 쉬움”에 있습니다.
Q. NotebookLM 무료 플랜으로 충분한가요?
A: 일반 직장인은 무료 플랜으로 충분한 경우가 많습니다. 무료 기준으로 노트북 100개, 소스 50개/노트북, 일일 채팅 50회, 오디오 생성 3회, 비디오 생성 3회가 제공됩니다. 연구자, 컨설턴트, 기획자처럼 자료를 대량으로 다루는 사용자는 Google AI Pro의 NotebookLM in Pro 한도를 검토할 만합니다. Pro에서는 노트북 500개, 소스 300개/노트북, 일일 채팅 500회, 오디오·비디오 생성 각각 20회까지 늘어납니다.
Q. NotebookLM이 2026년에 달라진 점은 무엇인가요?
A: 2026년 기준 NotebookLM은 Gemini 계열 모델을 기반으로 문서 분석, 멀티모달 소스 처리, 오디오·비디오 개요, 마인드맵, 보고서 생성 같은 기능을 계속 확장하고 있습니다. 오디오 개요와 비디오 개요는 모두 80개 이상 언어를 지원합니다. Gemini 앱과의 Notebooks 연동도 발표됐지만, 초기에는 Google AI Ultra, Pro, Plus 웹 사용자부터 순차 제공됐기 때문에 계정별 사용 가능 여부를 확인해야 합니다.
마치며
NotebookLM은 제가 가진 자료를 중심으로 답을 만드는 소스 기반 AI 도구입니다. 문서 기반 질의 실험에서는 NotebookLM의 할루시네이션 비율이 13%, ChatGPT와 Gemini는 각각 40%로 보고됐습니다. 이 차이는 “NotebookLM은 절대 틀리지 않는다”가 아니라 “원문 근거를 확인하면서 일할 수 있다”는 실무적 장점으로 이해하는 것이 정확합니다.
소스 업로드 → 비교 분석 질문 → 오디오·비디오 개요, 이 3단계만 익혀도 100페이지 보고서의 핵심을 훨씬 빠르게 잡을 수 있습니다. 처음부터 완벽한 최종 보고서를 만들려고 하기보다, 먼저 구조를 파악하고, 리스크를 뽑고, 근거 문단을 확인하는 방식으로 쓰면 효과가 큽니다.
도구가 많다고 생산성이 자동으로 오르지는 않습니다. 내 자료를 검증해야 할 때는 NotebookLM, 아이디어를 넓힐 때는 ChatGPT나 Claude, 최신 웹 출처를 찾아야 할 때는 Perplexity처럼 역할을 나누는 것이 가장 현실적인 AI 업무 방식입니다.
✍️ 작성자 선정현 · 게시 2026-04-16
댓글
댓글 쓰기