좋은 결과를 만드는 노트북 설계와 소스 구조화

NotebookLM을 처음 쓰는 사람은 보통 이렇게 생각합니다. "좋은 프롬프트만 쓰면 좋은 답이 나오겠지?" 그런데 실제로는 그 반대인 경우가 많습니다. 질문보다 먼저 결과를 결정하는 것은, 어떤 자료를 어떤 경계 안에 넣었느냐입니다. NotebookLM은 사용자가 올린 PDF, 웹페이지, 유튜브, 문서 같은 소스를 바탕으로 요약하고 연결을 만들어내는 도구이기 때문에, 노트북 자체가 곧 AI의 사고 범위가 됩니다.¹ 같은 질문을 던져도 누구는 또렷한 답을 받고, 누구는 두루뭉술한 답을 받는 이유가 바로 여기에 있습니다.

노트북은 폴더가 아니라 '질문의 경계선'이다

일반 폴더처럼 생각하면 실수가 시작됩니다. NotebookLM의 노트북은 단순 저장함이 아니라, AI가 무엇을 함께 읽고 판단할지를 정하는 경계선입니다. 그래서 가장 중요한 원칙은 단순합니다. 한 프로젝트, 한 질문 축입니다.

예를 들어 강의 기획, 시장조사, 고객 인터뷰 분석, 책 집필 자료 정리는 얼핏 다 비슷해 보입니다. 모두 문서를 읽고 요약하는 일이니까요. 하지만 최종 산출물은 완전히 다릅니다. 강의 기획은 커리큘럼과 실습 과제가 필요하고, 시장조사는 경쟁 구도와 숫자 비교가 중요하며, 고객 인터뷰 분석은 반복되는 불만과 표현 패턴을 찾아야 합니다. 이 셋을 한 노트북에 몰아넣으면 NotebookLM은 성실하게 다 읽지만, 정작 답변은 중심을 잃기 쉽습니다.

Google도 NotebookLM을 사용할 때 주제나 프로젝트별로 노트북을 나누어 관리하는 흐름을 전제로 설명합니다.¹³ 큰 노트북 하나에 이것저것 모아볼 수도 있지만, 실제 결과물을 만드는 단계로 갈수록 목적별 노트북이 훨씬 안정적입니다.

이 원칙을 기억하면 노트북을 나누는 기준도 쉬워집니다. "자료 종류가 다르니까 나눈다"가 아니라, "같은 질문에 답해야 하니까 같이 둔다"가 기준입니다.

형식보다 중요한 것은 '함께 판단할 자료인가'이다

많은 사람이 PDF는 PDF끼리, 웹문서는 웹문서끼리, 유튜브는 유튜브끼리 묶고 싶어 합니다. 정리할 때는 깔끔해 보이지만, 생각할 때는 꼭 그렇지 않습니다. NotebookLM은 형식보다 맥락에서 힘을 발휘합니다.

가령 AI 강의 기획 노트북을 만든다고 해보겠습니다. 이 노트북에 들어갈 수 있는 자료는 매우 다양합니다. 시장 동향 보고서 PDF, 경쟁 강의 상세페이지, 관련 유튜브 강연, 수강생 인터뷰 메모, 기존 강의안 초안이 한데 들어갈 수 있습니다. 파일 형식은 제각각이지만, 모두 같은 질문에 답합니다. "무엇을 가르칠 것인가, 누구에게 어떻게 전달할 것인가?"

반대로 아래처럼 섞이면 문제가 생깁니다.

• AI 강의 기획 자료

• 회사 내부 회의록

• 개인 독서 메모

• 다른 프로젝트 제안서

이런 노트북은 마치 냉장고에 케이크, 김치, 와사비, 커피 원두를 한 칸에 넣어두는 것과 비슷합니다. 다 음식이긴 한데, 같이 꺼내 먹을 일은 별로 없습니다.

다음 표처럼 생각하면 훨씬 쉽습니다.

핵심은 단 하나입니다. 이 자료들이 같은 결론을 만들기 위해 함께 읽혀야 하는가? 그렇다면 형식이 달라도 같은 노트북에 넣어도 됩니다.

파일명은 '보기 좋은 제목'이 아니라 '판단 가능한 정보'여야 한다

소스가 세 개일 때는 파일명이 조금 엉성해도 괜찮습니다. 하지만 열 개를 넘기기 시작하면 최종.pdf, 진짜최종.pdf, 수정본_최종2.pdf 같은 이름이 곧 재앙이 됩니다. NotebookLM은 소스를 잘 읽지만, 어떤 문서가 최신본인지, 어떤 자료가 1차 원천인지, 어떤 문서가 요약본인지까지 대신 판단해주지는 않습니다.

그래서 소스 이름에는 메타데이터가 들어가야 합니다. 가장 실용적인 형식은 다음과 같습니다.

[주제]_[문서유형]_[출처]_[날짜]_[버전]

예를 들면 이런 식입니다.

• AIlecture_Report_McKinsey_2026-03_v1

• AIlecture_Web_Coursera_2026-04_capture

• AIlecture_Interview_Internal_2026-04-28_v2

• AIlecture_Youtube_GoogleEdu_2026-04_transcript

이 규칙의 장점은 단순합니다. 먼저, 최신본과 구버전을 헷갈리지 않습니다. 둘째, 원문과 요약본을 구분할 수 있습니다. 셋째, 나중에 비교 질문을 할 때도 출처를 빠르게 특정할 수 있습니다. 특히 NotebookLM의 소스는 기본적으로 가져온 시점의 정적 사본으로 다뤄지므로, 언제 가져온 자료인지 날짜와 버전을 이름에 남겨두는 습관이 중요합니다.²

여기에 한 가지를 더하면 더 좋아집니다. 업로드 전에 스프레드시트나 문서에 간단한 소스 표를 만들어 두는 것입니다. 항목은 제목, 출처, 날짜, 문서 성격만 있어도 충분합니다. 원문인지, 의견글인지, 내부 메모인지 구분해두면 나중에 답변의 무게감을 판단하기 쉬워집니다.

많이 넣는 것보다 정확히 넣는 것이 더 중요하다

NotebookLM은 소스를 많이 넣을 수 있다고 해서 무조건 더 좋아지지 않습니다. 공식 도움말상 노트북당 포함할 수 있는 소스 수에는 한도가 있고, 각 소스에도 단어 수와 파일 크기 제한이 있습니다.² 하지만 실무에서 더 자주 부딪히는 문제는 한도보다 초점입니다.

자료가 너무 많아지면 이런 일이 생깁니다. 요약이 반복되고, 서로 다른 맥락의 자료가 한 답변 안에서 섞이며, 질문이 구체적일수록 오히려 답이 흐려집니다. 이때는 프롬프트를 더 정교하게 다듬기 전에 먼저 노트북 구성을 줄여야 합니다.

예를 들어 NotebookLM 강의 기획을 한다면 처음부터 자료 40개를 몰아넣지 마세요. 이렇게 시작하는 편이 낫습니다.

1. 핵심 보고서 2개

2. 경쟁 강의 페이지 2개

3. 대표 유튜브 강연 1개

4. 내부 메모나 아이디어 노트 1~2개

5. 수강 대상자 질문 모음 1개

이 정도만으로도 커리큘럼의 방향, 핵심 메시지, 차별점은 충분히 잡힙니다. 그다음에야 비는 구멍을 찾고 자료를 추가하는 것입니다. 이 순서가 중요한 이유는, NotebookLM이 "없는 정보를 새로 발명하는 도구"가 아니라 "있는 자료를 연결해 해석하는 도구"이기 때문입니다.

자료가 많아질수록 '거대 노트북'보다 '상위 주제-하위 노트북'이 유리하다

노트북이 커질수록 더 어려워지는 질문은 "한도에 걸릴까?"보다 "어디에 뭐가 있었지?"입니다. 이럴 때 잘 먹히는 방식이 상위 주제-하위 노트북 구조입니다. 예를 들면 이렇게 갈 수 있습니다.

• 상위 주제: AI 교육 사업

  • 하위 노트북 1: 강의 기획

  • 하위 노트북 2: 시장조사

  • 하위 노트북 3: 고객 인터뷰 분석

  • 하위 노트북 4: 홍보 콘텐츠 아이디어

이 구조의 장점은 분명합니다. 강의 기획 노트북에서는 커리큘럼과 실습 설계를, 시장조사 노트북에서는 경쟁 강의와 가격 포지셔닝을, 인터뷰 분석 노트북에서는 수강생의 표현과 니즈를 더 또렷하게 읽어낼 수 있습니다. 하나의 거대한 창고보다, 목적이 분명한 작업실 여러 개를 갖는 셈입니다.

여기에 외부 인덱스를 하나 두면 더 좋습니다. Google Docs나 Sheets에 "노트북 이름 / 포함 소스 / 다루는 질문 / 최근 업데이트 날짜" 정도만 기록해두면, 나중에 길을 잃을 일이 크게 줄어듭니다.

긴 자료와 반복 기록은 '잘게 쪼개기'가 답일 때가 많다

길고 무거운 문서도 무조건 통째로 넣는다고 능사는 아닙니다. 큰 PDF나 장기 프로젝트 로그는 논리적인 단위로 나눌수록 질문과 인용이 선명해질 때가 많습니다. 특히 계속 쌓이는 자료라면, 여러 개의 작은 파일을 무작정 늘리는 대신 한 문서 안에서 제목 구조를 분명히 나누는 방식도 유용합니다.

예를 들어 고객 인터뷰를 30건 진행했다면 인터뷰마다 파일을 따로 만드는 대신, 월별 또는 세그먼트별 문서로 묶고 H2 수준의 제목으로 인터뷰를 구분할 수 있습니다. 그러면 소스 수를 과도하게 소모하지 않으면서도 "3월 인터뷰에서 반복된 불만" 같은 질문에 대응하기 쉬워집니다.

책이나 보고서도 마찬가지입니다. 전체 PDF 하나만 넣는 것보다, 장별로 나누거나 핵심 섹션 중심으로 구성하면 특정 질문에 대한 회수 정확도가 올라갑니다. 특히 강의안이나 콘텐츠 초안을 만들 때는 '전체 문서의 숲'도 필요하지만, 실제 문장을 뽑아 쓸 때는 '딱 그 부분의 나무'가 더 중요합니다.

한 노트북 안에서도 지금 필요한 소스만 선택하는 습관이 강력하다

노트북을 잘 나눴더라도, 질문할 때 모든 소스를 항상 동시에 볼 필요는 없습니다. 공식 도움말에도 특정 소스 집합을 선택해 채팅할 수 있다고 안내되어 있습니다.² 어떤 작업은 하나의 소스만 보는 편이 더 좋고, 어떤 작업은 세 개 정도만 비교하는 편이 더 좋습니다.

예를 들어 강의 제목을 뽑을 때는 경쟁 강의 페이지와 수강생 인터뷰만 선택해두는 편이 낫습니다. 반면 커리큘럼을 짤 때는 시장 보고서와 내부 메모, 대표 강연 영상까지 함께 보는 것이 좋습니다. 즉, 구조화는 업로드 단계에서 한 번 끝나는 일이 아니라, 질문할 때도 계속 이어지는 조정 작업입니다.

실전 예시: 'AI 강의 기획' 노트북은 이렇게 만든다

이제 이번 책의 흐름에 맞춰 실제로 하나 만들어봅시다. 목표는 단순합니다. 자료 몇 개를 넣고, 강의 제목·목차·실습 흐름의 뼈대를 뽑아내는 것입니다.

1단계: 노트북의 최종 산출물을 먼저 적는다

노트북을 만들기 전에 먼저 한 줄로 써봅니다.

"이 노트북의 목적은 NotebookLM 실전 강의의 4주 커리큘럼과 실습 결과물을 설계하는 것이다."

이 한 줄이 있으면, 넣을 자료와 버릴 자료가 즉시 정리됩니다.

2단계: 첫 소스는 5~7개만 고른다

처음부터 많이 넣지 말고 아래 정도로 시작합니다.

• NotebookLM 공식 소개 또는 기능 설명 자료

• 관련 시장/교육 트렌드 보고서 1~2개

• 경쟁 강의 상세페이지 2개

• 유튜브 강연 또는 시연 영상 1개

• 내가 적은 내부 메모 또는 아이디어 노트 1개

• 예상 수강생 질문 모음 1개

이 조합의 장점은 균형입니다. 공식 정보는 기능의 범위를 잡아주고, 시장 자료는 왜 지금 이 강의가 필요한지 말해주며, 경쟁 강의는 차별화 포인트를 보여주고, 내부 메모는 나만의 관점을 넣어줍니다.

3단계: 파일명을 같은 규칙으로 맞춘다

소스를 올리기 전, 이름을 먼저 통일합니다. 이 과정은 귀찮아 보여도 나중에 시간을 벌어줍니다. 강의 기획처럼 계속 수정이 들어가는 프로젝트일수록 더 그렇습니다.

4단계: 첫 질문은 '요약'보다 '비교'에 가깝게 던진다

처음부터 "요약해줘"만 반복하면 노트북이 가진 강점을 반밖에 못 씁니다. 구조가 잘 잡혔는지 확인하려면 이런 질문이 좋습니다.

• 이 소스들을 강의 기획 관점에서 3개의 묶음으로 분류해줘.

• 수강생이 실제로 원하는 것과 공급자가 강조하는 것이 어디에서 다른지 정리해줘.

• 실습형 강의로 만들기 좋은 자료와 설명형 강의에 가까운 자료를 나눠줘.

• 서로 공통으로 말하는 핵심 개념 5개와, 출처별로만 등장하는 차별 요소를 구분해줘.

이 질문들은 단순 요약보다 훨씬 빠르게 노트북의 구조 문제를 드러냅니다. 자료가 제대로 묶였다면 패턴이 보이고, 잘못 섞였다면 답변이 금방 흐려집니다.

5단계: 답변이 흐려지기 시작하면 과감히 쪼갠다

처음에는 하나의 AI 강의 기획 노트북으로 시작해도 됩니다. 하지만 경쟁 분석이 많아지고, 인터뷰가 쌓이고, 실제 강의안 초안까지 들어오기 시작하면 그때는 분리할 시점입니다.

가장 자연스러운 분리는 보통 이렇습니다.

• AI강의_시장조사

• AI강의_수강생인터뷰

• AI강의_커리큘럼설계

• AI강의_홍보카피

이렇게 나누면 각 노트북이 답해야 할 질문이 더 선명해집니다.

흔한 실수 네 가지

다음 실수는 초보자뿐 아니라 숙련자도 자주 합니다.

• 자료 창고형 노트북 만들기: 언젠가 쓸 것 같다는 이유로 넣기 시작하면, 결국 지금 필요한 답을 찾지 못합니다.

• 파일명을 방치하기: 내용은 좋은데 어떤 것이 최신인지 몰라서 잘못된 자료를 기준으로 판단하게 됩니다.

• 소스를 한꺼번에 다 선택하기: 질문에 필요한 자료만 보지 않으면, 답변은 친절하지만 둔해집니다.

• 노트북을 너무 늦게 분리하기: 이미 많은 자료가 엉킨 뒤에 구조를 바꾸려면 정리 비용이 더 큽니다.

이 네 가지를 피하면, NotebookLM은 단순한 요약기가 아니라 꽤 믿을 만한 작업 파트너가 됩니다.

좋은 구조는 결국 좋은 답을 만든다

이 장에서 꼭 가져가야 할 메시지는 하나입니다. NotebookLM의 성능은 프롬프트보다 먼저 자료 구조에서 결정된다. 질문을 잘하는 법은 다음 장에서 본격적으로 다루겠지만, 그 질문이 힘을 가지려면 먼저 노트북이 제대로 설계되어 있어야 합니다.

자료를 많이 넣는 사람이 아니라, 무엇을 왜 함께 읽힐지 결정하는 사람이 NotebookLM을 더 잘 씁니다. 노트북을 프로젝트 단위로 나누고, 같은 질문에 답할 자료만 함께 묶고, 파일명에 판단 가능한 정보를 담고, 소수의 핵심 소스로 시작해 필요할 때 확장하세요. 그러면 NotebookLM은 단순히 문서를 읽어주는 도구를 넘어, 리서치와 강의안, 콘텐츠 초안을 함께 만드는 작업대가 됩니다.

다음 장에서는 이 잘 설계된 노트북을 바탕으로, 같은 자료에서도 훨씬 더 좋은 답을 끌어내는 질문 설계법을 다뤄보겠습니다.

참고

¹Google NotebookLM | AI 조사 도구 및 사고 파트너

²Add or discover new sources for your notebook

³8 expert tips for getting started with NotebookLM