PDF 100개를 NotebookLM에 넣고 나니, 컴퓨터 전체를 뒤질 필요가 없어졌다
- notebooklm ai
- notebooklm 튜토리얼
- notebooklm
- notebooklm 공식
내 컴퓨터에는 최소 100개의 PDF가 있습니다. 논문, 계약서, 업계 보고서, 강의 자료, 고객 제안서……파일명은 final_v3_수정본.pdf, 폴더는 7~8단계로 중첩되어 있습니다. Spotlight는 파일명만 찾을 수 있고, 본문 단락은 검색되지 않습니다.
정말 필요한 수치나 결론이 필요할 때는 결국 하나씩 열어서 페이지를 넘겨야 했습니다.
이 자료를 일괄로 NotebookLM에 넣은 후 상황이 바뀌었습니다. 아래는 대량의 PDF를 관리하는 실전 notebooklm 튜토리얼이며, 로컬 검색보다 나은 이유도 설명합니다.
결론부터: NotebookLM이 해결하는 것은 ‘저장’이 아니라 ‘발견’
NotebookLM은 Google이 제공하는 무료 AI 지식 도구로, Gemini를 기반으로 합니다. PDF, 웹 페이지, 동영상 등을 업로드하면 검색 가능한 지식 베이스가 구축되고, 자연어로 질문할 수 있습니다. 답변에는 인용이 포함되어 클릭 한 번으로 원문 해당 구절로 이동합니다.
ChatGPT 같은 범용 채팅과 달리 업로드한 자료만 읽습니다. 근거 없이 답하지 않습니다. notebooklm ai를 검색하는 사람들은 대부분 이 ‘추적 가능한’ 기능을 원합니다.
공식 사이트: notebooklm.google.com
내 고민: PDF 100개, 로컬 검색으로는 한계
| 방법 | 실제 결과 |
|---|---|
| 연도/프로젝트별 폴더 | 대략적인 위치는 기억하지만 정확한 파일명은 모름 |
| 파일명 통일 | 유지 비용이 높고, 새 파일이 들어오면 다시 혼란 |
| OS 전문 검색 | 키워드 일치만 가능. ‘여러 보고서의 결론 비교’는 이해 못 함 |
| Excel 수동 인덱스 | 잠시 쓸 수 있지만 자료가 늘면 금방 구식이 됨 |
필요했던 것은 파일 간 질문이었습니다. 예: “작년 Q3 세 가지 경쟁사 보고서에서 가격 전략에 대한 공통 판단은?”——이런 질문은 기존 파일 관리로는 불가능합니다.
PDF 100개를 NotebookLM에 넣는 방법
무료 버전은 노트북당 최대 50개 소스, 소스당 약 50만 자 또는 200MB까지. PDF 100개를 한 번에 넣을 수는 없지만, 세 가지 일반적인 방법이 있습니다:
| 전략 | 적합한 상황 | 운영 포인트 |
|---|---|---|
| 두 개 노트북으로 분할 | 주제별 이원 분할 가능 (예: ‘제품 문서’ + ‘시장 조사’) | 각 50개씩 업로드. 주제 간 비교 필요 시 각각 질문 |
| 유사 PDF 병합 | 짧은 기사, 회의록, 브리핑 | PDF 도구로 하나의 파일로 합쳐 1개 소스 슬롯만 사용 |
| 하위 주제별 세분화 | 자료 범위가 넓고 장기 축적 | 무료 버전에서 약 100개 노트북 생성 가능. 프로젝트/연도별 분할 |
제 경우: ‘내부 문서’와 ‘외부 조사 보고서’로 각 노트북을 만들고 각 50개 업로드. 같은 주제의 짧은 보고서는 먼저 병합. 총 1시간 미만 소요.
업로드 시 주의사항
- DRM(복사 보호) PDF는 파싱 실패
- 스캔본은 텍스트 레이어가 선명한 것을 선택하거나 먼저 OCR 수행
- 파일당 200MB 이하. 긴 책은 장별로 분할
- 업로드 후 왼쪽 Sources 목록에서 완료 확인 (보통 파일당 10~30초)
사용 후 무엇이 달라졌나?
1. Chat: 파일 간 Q&A + 인용 이동
Chat 패널에서 직접 질문:
- “이 계약서들의 결제 주기는 각각 얼마인가?”
- “세 가지 업계 보고서가 예측하는 2026년 시장 성장률 범위는?”
- “고객 제안 A와 B의 핵심 차이를 표로 정리해 줘”
각 답변 옆에 인용 번호가 있어 클릭하면 해당 PDF 원문으로 이동. 보고서 작성, 조항 확인, 데이터 대조 시 폴더를 뒤지는 것보다 한 단계 빠릅니다.
2. 소스 선택: 검색 범위 좁히기
왼쪽 Sources에서 일부 파일만 체크 가능. 예: 2025년 8개 보고서만 선택 후 “성장 동인은 무엇인가” 질문——오래된 자료가 결론을 오염시키지 않습니다.
3. Studio: 검색 결과를 산출물로 변환
| 기능 | 내가 자주 쓰는 상황 |
|---|---|
| Audio Overview | 출퇴근길에 20페이지 보고서 요점 듣기 |
| Slide Deck | 주간 회의에서 여러 PDF를 10장 슬라이드로 압축 |
| Data Table | 표 형식 PDF에서 핵심 지표 추출 비교 |
| Briefing Doc | 동료에게 1페이지 실행 요약 전달 |
| Mind Map | 한 주제의 여러 자료 개념 관계 정리 |
생성 전에 소스 범위를 선택하고 프롬프트에 형식을 명시하세요.
세 가지 고빈도 실전 시나리오
| 시나리오 | 내 설정 | 전형적 질문 |
|---|---|---|
| 업계 분석 작성 | 외부 조사 노트북, 올해 12개 PDF 선택 | ”각 기관의 세부 세그먼트에 대한 합의와 분열 정리” |
| 계약 검토 | 법무 관련 PDF 전용 노트북 | ”이 계약들의 위약금 조항 차이는?” |
| 시험 준비/독학 | 교재 + 강의 + 문제 PDF | ”장별 플래시카드 생성, 원문 인용 포함” |
무료 버전 한도로 충분한가?
| 제한 항목 | 무료 버전 |
|---|---|
| 노트북 수 | 약 100개 |
| 노트북당 소스 수 | 50개 |
| 소스당 글자 수 | 약 50만 자 |
| 일일 대화 | 약 50회 |
| Audio Overview | 약 3회/일 |
개인 사용자의 업무/학습 자료 정리에는 보통 충분합니다. 소스가 특히 많을 때는 한 노트북에 억지로 넣기보다 주제별 분할이 더 명확합니다.
‘PDF를 클라우드에 올리는 것’과 무엇이 다른가?
클라우드 스토리지는 백업을 해결하지만 이해는 돕지 않습니다. NotebookLM의 가치는:
- 의미 검색: 키워드가 아닌 의미로 질문
- 파일 간 종합: 한 답변에 여러 PDF 인용
- 추적 가능: 모든 결론을 원문에서 확인
- 다양한 출력 형식: 듣기, 보기, 연습——PDF만 넘기지 않아도 됨
notebooklm 공식이나 notebooklm 튜토리얼을 찾고 있다면, 가장 자주 여는 5~10개 PDF로 먼저 시도해 보세요. 보통 10분 안에 로컬 검색과의 차이를 느낄 수 있습니다.
이 사이트에서 같은 워크플로우를 체험하려면 (Gemini 채팅 포함) 아래 버튼을 클릭하세요:
마무리
100개의 PDF를 하드디스크에서 방치할 필요는 없습니다. 주제별 노트북, 적절한 분할·병합, Chat으로 파일 간 Q&A, Studio로 요약과 슬라이드——NotebookLM은 ‘자료 찾기’를 ‘자료에게 묻기’로 바꿉니다.
컴퓨터 전체를 뒤지던 날들에서, 브라우저에서 한마디 질문하면 인용이 달린 답이 나오는 것까지——이것은 제가 사용한 가장 시간을 절약하는 notebooklm ai 워크플로우 중 하나입니다.