新着情報

はじめに

 

 

今回は、11月に大幅アップデートされた Google NotebookLM をご紹介します。

今年は AI エージェントの普及により、コーディングのあり方が大きく変わりました。

「AI に支援してもらう」段階から、「タスクそのものを AI に委ねる」段階へと進んでいます。

弊社の一部プロジェクトでも、設計補助・コード生成・レビュー自動化などの取り組みが進んでいます。

AI がコードを書くことで、人間は設計や要件整理、技術選定、アーキテクチャ設計といった本質的な業務に集中できるようになりました。

一方で、

• 生成されたコードの意図が分かりづらい
• どこまで信用してよいか判断が難しい
• 実装経験が蓄積されにくい

といった課題も見えてきています。

そこで今回は、NotebookLM を活用した「理解を深める仕組み」をご紹介します。

弊社では AI エージェントと NotebookLM を組み合わせ、「作る」と「理解する」を同時に進める開発スタイルを実践しています。

 

NotebookLM とは

 

NotebookLM は、Google の大規模言語モデル Gemini を搭載した AI リサーチアシスタントです。

一般的な LLM は事前学習済みデータをもとに回答を生成します。

そのため、最新情報への弱さや、文脈不足による誤回答（いわゆるハルシネーション）が課題として挙げられます。

そこで重要になるのが RAG（検索拡張生成） という考え方です。

 

RAG とは

RAG は、外部資料を参照しながら回答を生成する仕組みです。

参照元が明確になるため、回答の正確性や信頼性が高まります。

 

NotebookLM の強み

NotebookLM は、この RAG を直感的に使える形で提供しているツールです。

資料をアップロードするだけで、

• 資料にもとづく質問応答
• 要約や構造化
• 図解化
• スライド生成
• 音声・動画の生成

まで行えます。

最大の特徴は、アップロードした資料を「前提知識」として扱う点です。

つまり、自分専用の AI ナレッジベースを手軽に構築できます。

 

11月アップデートの注目ポイント

Gemini 3 のリリースに合わせて、NotebookLM も大きく進化しました。

 

DeepResearch 機能

これまでは事前に資料を用意する必要がありましたが、DeepResearch の登場により、NotebookLM 上でリサーチそのものを完結できるようになりました。

Web 情報の収集、複数資料の比較、要点整理までを一括で行います。

従来であれば数時間かかっていた調査作業が、大幅に短縮されます。

 

出力フォーマットの進化

Gemini 3 Pro Image の強化により、スライド生成の品質も向上しました。

従来の生成AIは「情報は出せるが、デザインは弱い」という印象がありましたが、現在はレイアウトや階層構造を意識した整理、配色、図やチャートの生成まで対応しています。

情報収集から資料作成までを NotebookLM 内で完結できる点は、大きな魅力です。

 

NotebookLM の使い方

1. NotebookLM にアクセス

   https://notebooklm.google.com/

2. ノートブック作成

3. 調べたいテーマを入力し、Fast Research または Deep Research を選択

4. 検索結果をインポート

5. スライド生成を選択

6. デザイン指定（任意）

例：

ブランドカラー：#06c7b0
シンプル・清潔感あるフラットデザイン
図解中心構成
若年層向けの親しみやすいトーン おおよそ10分程度で、実用レベルの資料が完成します。

弊社での活用事例

弊社では Claude Code を活用した AI 開発を行っています。

ただし、コードを書く体験が減ることで理解が浅くなる可能性もあります。

そこで、次のプロセスを取り入れています。

 

STEP 1：AI で実装（Claude Code）

まずは Claude Code を使い、高速に成果物を作成します。

 

STEP 2：実装内容を解説ドキュメント化

カスタムスラッシュコマンド /generate_knowledge_note を使用し、

• 変更範囲の整理
• 設計意図の言語化
• 変更前後コードの比較
• 技術的判断の背景
• 学習ポイントの整理

までを自動生成します。

単なる説明ではなく、「なぜそう実装したのか」という思考プロセスまで可視化するのがポイントです。

 

STEP 3：NotebookLM で図解・構造化

生成したドキュメントを NotebookLM に取り込み、要点整理や図解化を行います。

テキストだけでは把握しづらい全体像や関係性が整理され、理解が一段深まります。

 

STEP 4：チーム共有・勉強会

最後にチームで共有します。

属人化の防止、ナレッジの蓄積、若手育成の支援につなげています。

 

このプロセスの本質

 

重要なのは、AI に実装を任せること自体ではありません。

AI が行った実装を「人が理解し、言語化し、共有する」仕組みをプロセスに組み込むことです。

これにより、開発スピードを落とさずに、学習の継続と技術力の向上を両立できます。

 

まとめ

NotebookLM は単なる要約ツールではありません。

• 自分専用の RAG 環境の構築
• 高度なリサーチ支援
• 図解やスライドの自動生成
• 理解と学習の補助

まで幅広く活用できます。

AI 時代の開発では、「作る」だけでは不十分です。

理解し、言語化し、共有することが組織の力になります。

弊社では今後も AI エージェントと NotebookLM を活用し、開発組織の強化に取り組んでいきます。