Google NotebookLM으로 대량의 PDF 문서를 빠르게 요약하고 분석하는 실전 가이드. Deep Research, 오디오 요약, 데이터 테이블 추출까지 개발자 관점에서 직접 써본 활용법을 정리했습니다.
이 글에서 다루는 것
저는 지난달에 회사에서 기술 스펙 문서 48개를 3일 안에 비교 분석해야 하는 상황을 만났습니다. 각 문서가 평균 20~30페이지. 솔직히 사람 손으로는 불가능한 양이었습니다. 그때 동료가 "NotebookLM 써봤어요?"라고 한마디 던졌고, 그게 제 워크플로우를 완전히 바꿔놨습니다.
이 글을 다 읽고 나면 여러분은 이런 것들을 할 수 있게 됩니다:
PDF, Google Docs, 웹페이지 등 다양한 소스를 NotebookLM에 한 번에 올리기 50개 문서에서 핵심 내용만 10분 안에 뽑아내기 Deep Research 기능으로 문서 간 교차 분석하기 요약 결과를 슬라이드나 구조화된 테이블로 내보내기 혹시 논문 리뷰, 기술 문서 비교, 경쟁사 분석 같은 작업에 시간을 너무 쏟고 계신 분이라면, 이 글이 꽤 도움이 될 겁니다.
사전 준비: 시작 전에 챙길 것
필수 준비물:
Google 계정 (개인 Gmail도 가능) NotebookLM 접속: notebooklm.google 분석할 PDF 파일들 (Google Drive에 업로드해두면 편합니다) 2026년 2월 기준 NotebookLM 스펙:
엔진: Gemini 3 기반 (2026년 초 업그레이드) 노트북당 소스 제한: 최대 50개 지원 파일 형식: PDF, Google Docs, Google Sheets, Google Slides, 웹 URL, YouTube 링크, .docx, 이미지 가격: 무료 (Google One AI Premium 구독 시 추가 기능) 한 가지 팁을 먼저 드리면, PDF를 로컬에서 직접 올리는 것보다 Google Drive에 먼저 올린 다음 Drive에서 추가하는 게 훨씬 빠릅니다. 로컬 업로드는 파일당 2~3초 걸리는데, Drive 연동은 50개를 한 번에 선택해서 추가할 수 있거든요. 이것만으로 초기 세팅 시간이 절반으로 줄어듭니다.
Step 1: 노트북 생성과 소스 업로드 (3분)
노트북 만들기
NotebookLM에 접속하면 "새 노트북" 버튼이 바로 보입니다. 클릭하면 빈 노트북이 생성되고, 소스를 추가하라는 화면이 나옵니다.
저는 프로젝트별로 노트북을 분리합니다. "2026-Q1-기술스펙-비교" 이런 식으로 이름을 지어두면 나중에 찾기도 편합니다.
대량 소스 추가 방법
여기가 핵심입니다. PDF 50개를 하나씩 올리면 세상이 끝나기 전에 끝나지 않습니다.
방법 1: Google Drive 일괄 추가 (추천)
Google Drive에 폴더를 만들고 PDF를 전부 업로드합니다 NotebookLM에서 "소스 추가" > "Google Drive" 선택 해당 폴더에서 Ctrl+A (또는 Cmd+A)로 전체 선택 "추가" 클릭 제 경험상 48개 PDF를 이 방법으로 올렸을 때 약 90초 정도 걸렸습니다. 파일 크기에 따라 다르겠지만, 평균 20~30페이지짜리 기준으로 그 정도입니다.
방법 2: 웹 URL 일괄 추가
온라인에 공개된 문서라면 URL을 복사해서 추가할 수도 있습니다. 한 번에 하나씩 추가해야 해서 PDF보다는 느리지만, 다운로드 과정을 생략할 수 있다는 장점이 있습니다.
주의사항
스캔한 PDF(이미지로 된 PDF)는 OCR이 잘 안 되는 경우가 있습니다. 텍스트 기반 PDF가 훨씬 정확합니다 50개 제한을 넘기면 두 번째 노트북을 만들어야 합니다. 저는 한번 52개를 올려야 해서 노트북 2개로 나눴는데, 나중에 교차 참조가 안 되는 게 좀 아쉬웠습니다 한글 PDF도 잘 인식됩니다. 다만 표가 많은 문서는 가끔 레이아웃을 잘못 읽을 때가 있습니다
Step 2: AI 요약과 핵심 추출 (5분)
자동 생성 가이드 활용하기
소스를 모두 추가하면 NotebookLM이 자동으로 "노트북 가이드"를 생성합니다. 여기에 전체 소스의 요약, 주요 토픽, 그리고 추천 질문이 나옵니다.
솔직히 이 자동 요약만으로도 80%는 해결됩니다. 48개 기술 스펙 문서를 넣었을 때, 자동 가이드에서 "5개 문서가 마이크로서비스 아키텍처를 다루고, 3개가 모놀리식을 선호한다"는 식의 패턴을 바로 잡아줬거든요.
질문으로 원하는 정보 뽑기
자동 요약이 부족하면 채팅창에 직접 질문합니다. 이때 프롬프트를 잘 쓰는 게 중요합니다.
나쁜 프롬프트:
이 문서들 요약해줘 좋은 프롬프트:
업로드된 50개 문서에서 다음 기준으로 비교표를 만들어줘: 1. 각 문서가 제안하는 핵심 아키텍처 2. 예상 비용 범위 3. 구현 난이도 (상/중/하) 4. 주요 리스크 요소 구체적으로 물어볼수록 결과가 정확합니다. "요약해줘"보다 "이 기준으로 비교해줘"가 10배는 유용한 결과를 줍니다.
Deep Research 활용하기
2026년에 추가된 Deep Research 기능은 진짜 게임체인저입니다. 단순 요약이 아니라, 업로드된 문서들을 기반으로 심층 분석 리포트를 자동 생성해줍니다.
사용 방법:
채팅창 옆의 "Deep Research" 버튼 클릭 분석 주제 입력 (예: "이 기술 스펙들 중 비용 대비 성능이 가장 좋은 옵션 3개를 비교 분석해줘") NotebookLM이 문서를 교차 분석하면서 리포트를 생성 제가 써봤을 때 Deep Research 결과가 나오기까지 약 2~3분 정도 걸렸습니다. 대신 결과물의 퀄리티는 확실히 일반 질문보다 높습니다. 각 주장마다 어떤 소스의 몇 번째 문서에서 나온 건지 인용 표시도 달아줍니다.
다만 한 가지 아쉬운 점. Deep Research는 문서 밖의 외부 정보는 참조하지 않습니다. 순수하게 업로드한 소스 안에서만 분석하기 때문에, 최신 시장 데이터 같은 건 별도로 확인해야 합니다.
Step 3: 결과물 내보내기와 활용 (2분)
데이터 테이블로 내보내기
이건 공식 문서에서 잘 안 나오는 팁인데요. NotebookLM이 비교표를 생성하면, 그걸 바로 Google Sheets로 내보낼 수 있습니다.
프롬프트: "위 비교 결과를 테이블 형태로 정리해줘" 결과가 테이블로 나오면 테이블 우측 상단에 "Sheets로 내보내기" 아이콘이 나타납니다. 클릭 한 번이면 바로 스프레드시트로 변환됩니다. 제가 48개 문서 비교표를 이걸로 만들었을 때, 수작업으로 하면 하루 종일 걸렸을 작업이 10분 만에 끝났습니다.
AI 슬라이드 생성
요약 결과를 팀에 공유해야 할 때 유용합니다. NotebookLM의 2026년 업데이트에서 추가된 기능인데, 분석 결과를 기반으로 슬라이드 덱을 자동 생성해줍니다.
노트북 가이드 화면에서 "슬라이드 생성" 옵션을 선택하면, 핵심 내용을 6~10장짜리 프레젠테이션으로 만들어줍니다. 디자인이 화려하진 않지만, 내용 구조는 꽤 괜찮습니다. 저는 여기서 생성된 슬라이드를 기반으로 약간만 다듬어서 팀 미팅에 사용했습니다.
오디오 요약 (Audio Overview)
이건 출퇴근길에 쓰기 좋습니다. NotebookLM이 업로드된 문서를 기반으로 팟캐스트 스타일의 오디오 요약을 생성합니다. 두 명의 AI 호스트가 대화하듯 핵심 내용을 설명해주는 형태입니다.
솔직히 처음 들었을 때 좀 소름 끼쳤습니다. "이게 진짜 AI가 만든 거라고?" 싶을 정도로 자연스럽습니다. 2026년 업데이트에서는 "대화 참여" 기능도 추가돼서, 오디오 재생 중에 질문을 던지면 실시간으로 답변해줍니다.
다만 한글 오디오는 아직 영어만큼 자연스럽지 않습니다. 영어 소스에서는 놀라운 퀄리티를 보여주지만, 한글 문서는 발음이 부자연스러운 부분이 가끔 있습니다. 이건 시간이 해결해줄 거라 봅니다.
자주 발생하는 문제와 해결법
"소스를 처리할 수 없습니다" 에러
가장 흔한 에러입니다. 대부분 PDF 파일 자체의 문제입니다.
원인과 해결:
스캔 PDF (이미지 기반) Adobe Acrobat이나 온라인 OCR 도구로 텍스트 변환 후 재업로드 암호 보호된 PDF 암호 해제 후 재업로드 파일 크기 초과 (200MB 이상) PDF 분할 도구로 나눈 후 업로드 손상된 PDF 다른 PDF 뷰어에서 열리는지 먼저 확인
요약 결과가 부정확할 때
NotebookLM이 문맥을 잘못 잡을 때가 있습니다. 특히 전문 용어가 많은 기술 문서에서 그렇습니다.
해결법:
프롬프트: "이 문서들은 클라우드 인프라 기술 스펙입니다. '인스턴스'는 VM 인스턴스를 의미하고, 'SLA'는 서비스 수준 계약을 의미합니다. 이 맥락에서 다시 분석해줘." 맥락을 명시적으로 알려주면 정확도가 확 올라갑니다. 저는 처음에 이걸 몰라서 결과가 이상하다고 투덜댔는데, 프롬프트에 도메인 컨텍스트를 추가하니까 바로 해결됐습니다.
한글 문서 인식 문제
한글 PDF에서 표의 셀 구분이 깨지는 경우가 종종 있습니다. 이건 NotebookLM만의 문제는 아니고 대부분의 AI 문서 분석 도구가 겪는 문제입니다.
우회 방법: 표가 중요한 문서라면, 표 부분만 따로 Google Sheets에 옮긴 다음 Sheets 자체를 소스로 추가하는 게 훨씬 정확합니다.
정리: 제가 실제로 쓰는 워크플로우
제 실제 활용 패턴을 정리하면 이렇습니다:
월요일 아침: 한 주에 읽어야 할 기술 문서들을 Google Drive 폴더에 모음 (2분) NotebookLM 노트북 생성: Drive에서 일괄 추가 (1분) 자동 가이드 확인: 전체 흐름 파악 (1분) 핵심 질문 3~4개 던지기: 비교표, 리스크 분석, 추천 순위 등 (5분) 결과를 Sheets로 내보내기: 팀 공유용 (1분) 총 10분. 예전엔 하루 이상 걸리던 작업입니다.
물론 NotebookLM이 만능은 아닙니다. 복잡한 수식이 포함된 논문이나, 그래프를 해석해야 하는 문서는 아직 사람이 직접 봐야 합니다. 하지만 "이 50개 문서에서 핵심만 빨리 뽑고 싶다"는 용도에서는 제가 써본 도구 중 최고입니다. Perplexity도 좋지만 대량 문서 일괄 분석은 NotebookLM이 한 수 위라는 게 제 체감입니다.
다음 글에서는 NotebookLM의 Deep Research와 Perplexity의 리서치 기능을 직접 비교해보려고 합니다. 같은 질문을 던졌을 때 어떤 도구가 더 정확하고 유용한 결과를 주는지, 궁금하지 않으신가요?
내부 링크:
- 내가 AI 도구를 3개월 써본 솔직 후기 (다양한 AI 도구의 실사용 비교 관점)
- 초보자를 위한 AI 뉴스 읽는 법 (AI로 정보를 효율적으로 처리하는 방법)