NotebookLM

NotebookLM er et gratis værktøj fra Google, hvor du uploader egne kilder som PDF'er, Google Docs, hjemmesider og YouTube-videoer og stiller spørgsmål. Svarene bygges udelukkende på det uploadede materiale og leveres med kildehenvisninger. Funktionen Audio Overview kan lave en podcast-lignende gennemgang af dit materiale, også på dansk, og der findes en betalt Workspace-udgave med ekstra virksomhederettede funktioner.

Sådan virker NotebookLM i praksis

NotebookLM fungerer som en søgemaskine blandet med en samtalepartner, men kun for det indhold I har givet den. Du trækker eller uploader dokumenter, vælger hvilke kilder der må bruges, og skriver et spørgsmål. Modellen læser kilderne, finder relevante afsnit og formulerer et svar med henvisninger til de sider eller tidspunkter i en video, hvor svaret findes. Tænk på det som en intern konsulent, der kun læser i jeres mapper, ikke internettet. Det gør det til et enkelt eksempel på RAG, hvor retrieval betyder, at svarene hentes fra jeres egne dokumenter.

Hvorfor NotebookLM er relevant for din virksomhed

Du støder på NotebookLM, fordi det er den letteste vej til "AI på vores egne dokumenter" uden et stort IT-projekt. Som leder kan du bruge det til at få hurtige svar fra projektmapper, kontrakter eller supportdokumenter uden at skulle træne en model. Det betyder, at dokumentforståelse kan distribueres til personer ude i virksomheden, men det kræver styring: hvem må uploade hvilke dokumenter, og hvordan håndterer I fortrolighed og persondata. NotebookLM er praktisk, men det er ikke en erstatning for en sikker dokumentproces.

Eksempel: NotebookLM hos en IT-chef i en rådgivervirksomhed

IT-chefen i en mindre rådgivervirksomhed skal sikre, at konsulenter kan finde procedurer i en stor mappe med standarder og tilbudsmateriale. Det er tirsdag morgen, ugen før en stor tilbudsfrist, og fem konsulenter har brug for hurtige svar fra en 120-siders standardmanual og en samling scannede tegninger. IT-chefen uploader materialet til NotebookLM, markerer nogle mapper som 'kun internt', og deler et link til modellen. De første svar er lovende, men nogle scannede sider blev tolket forkert, og Audio Overview læste et afsnit med forkert rækkefølge. Der gik to dage med at rydde op i dokumentnavne, udskifte to dårlige skannede PDF'er og justere adgangsindstillinger. Resultatet var, at konsulenterne kunne finde relevante afsnit på få minutter, men indsatsen med rydning og adgangsstyring tog tid og krævede beslutninger fra IT-chefen om hvilke mapper der må være tilgængelige.

NotebookLM er ikke det samme som Gemini eller Perplexity

NotebookLM bruger modeller fra Google, herunder varianter af Gemini, men NotebookLM er et produkt, ikke selve sprogmodellen. Gemini kan være motoren, mens NotebookLM er grænsefladen, hvor I kontrollerer kilderne. Perplexity og andre lignende tjenester tilbyder også svar og overviews, men de henter ofte fra åbne internetskilder med brede søgninger. NotebookLM svarer kun fra det, I selv har uploadet, hvilket gør det mere velegnet til fortrolige interne dokumenter og som eksempel på AI Overviews, når I vil have en samlet gennemgang af jeres materiale.

Sådan kommer du i gang med NotebookLM

1. Saml de vigtigste kilder: PDF'er, Google Docs, kontrakter og relevante videoer. Prioriter 2 til 5 dokumenter første gang.
2. Opret en struktur: opret mapper med adgangsregler, og beslut hvem der må uploade eller slette kilder.
3. Upload og test: stil konkrete spørgsmål til materialet, kontroller kildehenvisningerne, og ret dårlige scanningsfiler.
4. Sæt regler for persondata: fjern eller anonymiser følsomme oplysninger før upload, eller undlad dokumenter med personfølsomme data.
5. Evaluer efter en uge: hvem brugte værktøjet, hvilke typer spørgsmål gav dårlige svar, og skal I opgradere til Workspace-udgaven.

NotebookLM er et hurtigt værktøj til at få AI til at arbejde med jeres dokumenter, men det kræver stillingtagen til adgang, kvaliteten af kilderne og persondata. Men ikke hvis du er lidt smart, så kan det spare tid for de folk, der søger viden i daglige arbejdsgange.

Det er svært at læse sig til NotebookLM. I kommer længere med en workshop, hvor I bygger på jeres egne opgaver.