NotebookLM は、あなたがアップロード（または接続）した資料だけを根拠に答える Google のリサーチ用 AI です。Web 全体を検索する一般的なチャットボットと違い、回答の足場を「手元の資料」に閉じるのが最大の特徴。中身は Gemini（2026年時点で 200 万トークン級の大きな文脈窓を持つモデル）で動き、答えの一文ごとに資料内の該当箇所への引用リンクが付くため、「どこに書いてあるか」をその場で検証できます。
FIG.1 Web 全体ではなく「与えた資料」を根拠に、引用番号つきで返す
使いどころは、リサーチの「集める」段ではなく「読み込んで検証・統合する」段。一般的な検索 AI で素材を集め、その素材を NotebookLM に入れて「根拠つきで読み解く」二段構えにすると、調査の信頼性が一段上がります。
2026 年 6 月の大型アップデートで搭載モデルが Gemini 3.5 に切り替わり、新機能 Antigravity によって「資料を読んで要約する」段から「調査の進め方そのものを設計する」段までを NotebookLM 内で完結させる方向へシフトしました。引用つきで答える資料接地（グラウンディング）の設計はそのままに、推論の深さと提案の質が一段上がっています（提供範囲は地域・プラン差があるため、最新条件は公式で確認してください）。
01何を「資料」として入れられるか
NotebookLM は多様な形式の資料を 1 つのノートブックにまとめられます。2026年時点で主に扱えるのは次のとおり。アップロードした各資料の内容は、横断的に質問の対象になります。
文書ファイル
PDF（長尺レポートも可）、Google ドキュメント／スライド、テキスト、Markdown、貼り付けテキスト。
Web・動画
Web ページの URL、YouTube 動画（字幕・文字起こしを自動抽出して根拠化）。
音声
音声ファイルを取り込み、内容を文字として扱って質問・要約の対象にできる。
無料プランでも、1 ノートブックあたり数十件規模の資料を入れられ、1 資料あたりの分量上限もかなり大きく取られています（具体的な件数・語数・1 日の生成回数などの上限は頻繁に変わるため、必ず公式の最新情報を確認してください）。
02なぜハルシネーションが「起きにくい」のか
NotebookLM の核心は、回答を与えられた資料の中だけに接地（グラウンディング）させる設計にあります。資料にない事柄は基本的に答えず、答えるときは「資料のどの箇所か」を引用として示します。これにより、もっともらしい作り話（ハルシネーション）に気づきやすくなります。
FIG.2 答えの一文ごとに資料内の出典が紐づくので、根拠をその場で確認できる
ただし「起きにくい」は「絶対に起きない」ではありません。資料の読み違いや、複数資料をまたぐ要約での飛躍はあり得ます。重要な判断に使う引用は、必ず元資料の該当箇所を自分の目で確認するのが安全な使い方です。
03Studio：要約・音声・動画・マインドマップ
資料を読み込ませたら、対話で質問する以外に、Studio から複数の「アウトプット」を生成できます。2026年時点では同じノートブック内に同種の出力を複数保存でき、音声を聴きながらマインドマップを眺める、といった並行利用もできます。
音声概要（Audio Overview）
資料を題材に AI が対話形式の音声を生成。形式は複数あり、二人で深掘りする Deep Dive、要点を約2分にまとめる Brief、内容を批評的に検討する Critique、賛否を戦わせる Debate などから選べます。多言語対応で、英語以外でも本編相当の長さ・深さが出るようになっています。
動画概要（Video Overview）
ナレーション付きスライドのような動画。資料中の画像・図・引用・数値を取り込みつつ、要点を説明する図も生成します。データや手順、抽象的な概念を視覚的に理解するのに向き、80 以上の言語で利用できます。
マインドマップ・ノート
資料の構造をマップ化したり、要約・FAQ・タイムラインといったテキスト成果物を作って保存できます。長い資料の全体像をつかむ入口に便利。
04資料の探し方：Discover と Deep Research
「手元に資料がまだ無い」段階でも、NotebookLM 内から Web や Google ドライブの資料を探して取り込めます。検索ボックスに調べたいことを入れると候補が提示され、より深く調べたいときは Gemini の Deep Research を NotebookLM の中から直接走らせることもできます。
注意したいのは、こうして集めた資料はあくまで「根拠の素材」だということ。出典の信頼性（一次情報か、いつの情報か、立場に偏りがないか）は人間が見極める必要があります。NotebookLM は「入れた資料に基づいて」忠実に答えるので、素材が偏れば答えも偏ります。
NotebookLM の答えの質は、モデルの賢さより「入れる資料の質と網羅性」で決まる。
05一般チャット AI との違い
同じ「AI に質問する」でも、根拠の置き方が根本的に違います。用途で使い分けるのがコツです。
| NotebookLM（資料接地型） | 一般的なチャット AI |
|---|---|
| 入れた資料の中だけを根拠に答える | 学習知識や Web 全体から答える |
| 一文ごとに資料内の引用が付く | 出典が曖昧なことがある |
| 「資料に無い」を答えとして返しやすい | 知らないことも埋めようとしがち |
| 手元資料の検証・統合・読み込みに強い | 幅広い発想・下書き・一般知識に強い |
どちらが上ということではなく、役割分担です。広く集める・発想を広げるのは一般チャット AI、集めたものを根拠つきで読み解くのは NotebookLM、という流れが噛み合います。
06料金とプラン（変動するので公式確認）
NotebookLM には無料で使える範囲があり、より多くの資料・生成回数・大きい成果物が必要な人向けに上位プラン（Google AI のサブスクリプションに含まれる Plus / Pro、さらに上位の Ultra、学生向け・企業向けなど）が用意されています。
ただし各プランの価格・上限（資料件数、1 日の生成回数、出力品質など）は頻繁に改定されます。本記事の数値を鵜呑みにせず、契約前に必ず NotebookLM 公式の料金ページで最新条件を確認してください。まずは無料枠で「自分の資料で試す」ところから始めるのが堅実です。
Privacy & Safe Use
「自分の資料に閉じる」強みは、扱い方を間違うと弱みになる
機微な調査を手元の資料の中で完結できるのは大きな利点です。一方で、アップロードは外部サービスへのデータ提供でもあります。機密情報・個人情報を入れる前に、利用規約とデータの取り扱い（学習に使われるか、保存期間、共有設定）を必ず確認しましょう。組織で使うなら、個人アカウントと、データ保護条件が異なる業務向け（Enterprise 等）の違いも要確認です。
FIG.3 機密・個人情報は「規約・権限・共有範囲」を確認してから入れる
また、他人の著作物を大量に取り込んで再配布する使い方は避けましょう。NotebookLM は自分が正当に扱える資料を、自分の検証・学習のために読み解くツールとして使うのが筋の良い使い方です。
07最初の一歩
テーマを 1 つ決めて資料を入れる
調べたい論点に関わる PDF・記事 URL・YouTube などを 1 ノートブックに集める。まずは少数で十分。
引用つきで質問する
「この主張の根拠は資料のどこ？」「資料 A と B で食い違う点は？」と聞き、引用先を元資料で確認する。
Studio で全体像をつかむ
音声概要・動画概要・マインドマップで俯瞰し、理解の入口にする。長い資料ほど効果的。
08まとめ
NotebookLM は、Gemini を土台に「自分の資料だけ」を根拠に、引用つきで答えるリサーチ AI です。一般チャット AI で広く集め、NotebookLM で根拠に基づき検証・統合する——この二段で調査の信頼性が上がります。強みを生かす鍵は、入れる資料の質を選ぶことと、引用を自分の目で確かめること。料金や機能上限は変わりやすいので、まずは無料枠で「自分の資料で試す」ところから始めましょう。
