NotebookLM식 자료 기반 공부법
AI에게 아무 책이나 펼치게 하지 말고, 내 책상을 보게 하라
AI로 공부할 때 가장 위험한 순간은 AI가 너무 유창하게 말할 때다. 모르는 사람은 더듬거리지만, AI는 틀릴 때도 자신 있게 말한다. 그래서 학생들은 종종 이런 함정에 빠진다.
"말이 매끄러우니까 맞겠지."
하지만 공부에서 중요한 것은 말솜씨가 아니라 근거다. 특히 시험 범위가 정해져 있거나, 교수님이 올려준 강의자료가 있거나, 자격증 교재의 특정 단원에서 문제가 나오는 상황이라면 더 그렇다. 우리는 인터넷 전체의 그럴듯한 설명이 아니라, 내가 실제로 공부해야 하는 자료 안에서 나온 답이 필요하다.
NotebookLM식 자료 기반 공부법은 바로 이 문제에서 출발한다. AI를 세상 모든 것을 아는 척하는 일반 지식 생성기로 쓰지 않고, 내가 올린 교재, PDF, 강의노트, 보고서, 논문 안에서 근거를 찾아 답하게 만드는 방식이다. Google은 NotebookLM을 사용자가 제공한 소스를 바탕으로 답변과 인사이트를 제공하도록 설계된 AI 연구·사고 도구로 설명한다. 이런 소스 그라운딩은 AI 오류와 환각 가능성을 줄이는 데 도움이 된다.1
여기서 핵심은 "AI가 똑똑한가?"가 아니다. 더 중요한 질문은 이것이다.
"AI가 지금 무엇을 보고 대답하고 있는가?"
AI가 인터넷 어딘가에서 주워들은 듯한 말을 하는지, 아니면 내 강의자료 17쪽과 교재 3장에 근거해 말하는지에 따라 공부의 질은 완전히 달라진다.
소스 그라운딩: AI의 발을 땅에 붙이는 기술
자료 기반 학습의 핵심 개념은 소스 그라운딩이다. 쉽게 말해 AI의 답변을 내가 제공한 자료라는 '땅'에 묶어두는 것이다. 일반 AI 챗봇에게 "세포호흡을 설명해줘"라고 물으면 AI는 학습된 일반 지식을 바탕으로 답한다. 반면 NotebookLM식 환경에서는 생명과학 교재 PDF, 학교 프린트, 선생님 필기 노트를 넣어두고 이렇게 묻는다.
"업로드한 자료만 근거로 세포호흡의 핵심 과정을 설명해줘. 답변 끝에 어느 자료의 어느 부분을 참고했는지 표시해줘."
이 차이는 작아 보이지만 실제 공부에서는 매우 크다. 시험은 '세상에서 가장 좋은 설명'을 묻지 않는다. 내가 듣는 강의, 내가 보는 교재, 내가 치르는 시험 범위 안에서 답해야 한다. 자료 기반 AI는 바로 이 범위를 좁혀준다.
NotebookLM은 PDF, 웹사이트, YouTube 영상, 오디오 파일, Google Docs, Google Slides 같은 다양한 자료를 업로드하고, 그 자료를 바탕으로 인라인 인용이 달린 답변을 제공하며, 학습 가이드·브리핑·오디오 요약·마인드맵 같은 형식으로 바꿔주는 기능을 제공한다.2 중요한 것은 기능의 화려함이 아니라, 이 모든 출력물이 내 자료를 바탕으로 만들어진다는 점이다.
AI 연구에서 자주 나오는 RAG, 즉 검색 증강 생성이라는 방식도 같은 방향의 기술이다. 먼저 외부 문서에서 질문과 관련된 부분을 찾아오고, 그 부분을 맥락으로 삼아 답을 생성한다. NotebookLM을 물리 협력 튜터로 활용한 연구에서도, 교사가 제공한 자료에 답변을 근거시키면 일반 대형언어모델의 약점인 환각을 줄이고 답변의 추적 가능성을 높일 수 있다고 설명한다.3
다만 여기서 오해하면 안 된다. 자료 기반 AI는 환각을 "완전히 없애는 마법"이 아니다. 더 정확한 표현은 이렇다.
AI가 헛소리할 가능성을 줄이고, 헛소리했을 때 잡아낼 단서를 제공한다.
이 단서가 바로 출처 표시, 인용, 원문 위치다. 그래서 NotebookLM식 공부의 제1원칙은 "답변을 읽는다"가 아니라 "답변의 근거를 확인한다"이다.
노트북 하나에 모든 자료를 넣지 마라
많은 사람이 자료 기반 AI를 처음 쓸 때 이런 실수를 한다. 시험 범위 PDF, 작년 기출, 강의 슬라이드, 유튜브 요약, 블로그 글, 논문까지 전부 한 노트북에 넣는다. 그리고 묻는다.
"이거 다 요약해줘."
AI는 요약을 해줄 것이다. 하지만 그 요약은 공부하기 좋은 요약이 아닐 가능성이 높다. 자료가 너무 뒤섞이면 AI도 어느 범위를 기준으로 답해야 할지 애매해진다. 고등학교 한국사 내신 대비 자료와 한국사능력검정시험 심화 자료를 한꺼번에 넣으면, 답변의 깊이와 용어 수준이 흔들린다. 대학 전공서와 입문 강의 슬라이드를 섞으면, 쉬운 개념 확인이 필요한 순간에 지나치게 복잡한 답이 나올 수 있다.
자료 기반 학습에서는 자료를 넣는 일이 곧 공부 설계다. AI에게 책을 던져주는 것이 아니라, 책장을 정리해주는 것이다.
가장 좋은 방식은 목적별로 노트북을 나누는 것이다. 예를 들어 수능 생명과학을 공부한다면 "생명과학Ⅰ_유전_내신", "생명과학Ⅰ_흥분전도_수능기출", "생명과학Ⅰ_모의고사오답"처럼 나눌 수 있다. 직장인이 마케팅을 공부한다면 "퍼포먼스마케팅_기초개념", "GA4_실무가이드", "경쟁사분석_2026상반기"처럼 묶는 편이 좋다.
자료를 넣을 때는 최소한 다음 정보를 확인하자.
자료 제목: 나중에 인용을 확인할 수 있도록 파일명을 알아보기 쉽게 바꾼다.
자료 출처: 교재, 강의자료, 공식 문서, 논문, 블로그 등 신뢰도를 구분한다.
자료 범위: 몇 장부터 몇 장까지, 몇 주차 강의인지, 시험 범위에 포함되는지 표시한다.
자료 역할: 개념 이해용인지, 문제 풀이용인지, 암기용인지, 심화 읽기용인지 구분한다.
파일명도 공부의 일부다. "자료.pdf"라는 이름은 나중에 아무 도움이 되지 않는다. 대신 "경제학원론_5장_수요공급_교재.pdf", "컴활1급_스프레드시트_기출오답_2025.md", "영어면접_자기소개_첨삭본.docx"처럼 이름만 봐도 정체를 알 수 있게 바꿔라.
AI에게도 처음에 경계를 분명히 알려주는 것이 좋다.
"이 노트북은 정보처리기사 필기 1과목 대비용이다. 업로드한 자료 중 '공식 교재'와 '기출 해설'만 우선 근거로 사용하라. 블로그 요약 자료는 보조 참고로만 사용하고, 교재와 충돌하면 교재를 우선하라."
이렇게 하면 AI는 단순히 자료를 읽는 도구가 아니라, 내 공부 범위를 지키는 조교가 된다.
강의자료를 '그럴듯한 요약'이 아니라 '근거 있는 학습 노트'로 바꾸기
자료를 업로드했다면 가장 먼저 하고 싶은 요청은 요약일 것이다. 그러나 "요약해줘"는 너무 넓다. AI는 핵심을 줄여주지만, 내가 시험에서 무엇을 알아야 하는지는 놓칠 수 있다. 공부용 요약은 단순 압축이 아니라 학습 구조화여야 한다.
좋은 첫 질문은 이렇게 시작한다.
"업로드한 강의자료를 바탕으로 이번 시험에서 알아야 할 핵심 개념 10개를 뽑아줘. 각 개념마다 ① 한 줄 정의 ② 왜 중요한지 ③ 관련 원문 위치 ④ 예상 질문을 함께 정리해줘."
이 요청에는 네 가지 장치가 들어 있다. 개념을 뽑게 하고, 중요성을 설명하게 하고, 원문 근거를 달게 하고, 예상 질문으로 바꾸게 한다. 이렇게 하면 AI 답변이 단순 요약문에서 학습 노트로 바뀐다.
예를 들어 경영학 강의자료에서 "포지셔닝"이라는 개념이 나왔다고 하자. 나쁜 요약은 이렇게 끝난다.
"포지셔닝은 소비자의 마음속에 브랜드의 위치를 잡는 것이다."
틀린 말은 아니지만 공부가 깊어지지 않는다. 좋은 학습 노트는 이렇게 확장된다.
"포지셔닝은 경쟁 브랜드와 비교했을 때 소비자가 특정 브랜드를 어떤 의미로 기억하게 할 것인지 설계하는 과정이다. 이 개념은 STP 전략의 마지막 단계와 연결되며, 시험에서는 세분화·타깃팅과의 차이를 묻는 방식으로 나올 가능성이 높다. 강의자료 4주차 슬라이드의 사례에서는 저가 항공사와 프리미엄 항공사의 차이를 통해 설명된다."
이제 이 내용은 외울 수 있고, 비교할 수 있고, 문제로 만들 수 있다. 자료 기반 AI의 힘은 여기서 나온다. 그냥 줄여주는 것이 아니라, 원문을 공부 가능한 형태로 재가공한다.
강의자료를 학습 노트로 바꿀 때는 다음 순서가 효과적이다.
먼저 전체 구조를 뽑는다. "이 자료의 큰 목차를 학습 흐름에 맞게 재구성해줘."
다음으로 핵심 개념을 뽑는다. "시험에 나올 만한 개념을 중요도순으로 정리해줘."
그다음 비교 개념을 찾는다. "서로 헷갈리기 쉬운 개념을 표로 비교해줘."
마지막으로 문제화한다. "각 개념을 확인할 수 있는 단답형, 객관식, 서술형 문제를 만들어줘."
여기서 반드시 붙여야 할 문장이 있다.
"각 답변에는 업로드한 자료의 근거를 함께 표시하고, 자료에 명시되지 않은 추론은 '추론'이라고 따로 표시해줘."
이 문장 하나가 공부의 질을 바꾼다. AI가 자료에 있는 내용과 자료 밖에서 이어 붙인 설명을 구분하게 만들기 때문이다.
예상 문제를 만들 때는 교수자의 강조 포인트를 찾아라
학생들이 자주 하는 실수는 강의자료를 넣고 바로 "예상 문제 만들어줘"라고 묻는 것이다. 물론 AI는 문제를 만든다. 하지만 좋은 예상 문제는 단순히 내용 전체를 골고루 묻는 문제가 아니다. 실제 시험은 교수자나 선생님이 강조한 부분에서 나올 가능성이 높다.
따라서 예상 문제를 만들기 전에 먼저 강조 포인트를 뽑아야 한다.
"업로드한 강의자료에서 반복해서 등장하는 개념, 굵게 표시된 표현, 사례와 함께 설명된 부분, 비교표로 제시된 내용을 기준으로 교수자가 강조했을 가능성이 높은 포인트를 찾아줘. 각 포인트마다 근거 위치를 표시해줘."
이렇게 물으면 AI는 단순 요약자가 아니라 시험 분석가가 된다. 물론 AI가 교수님의 머릿속을 읽을 수는 없다. 하지만 반복, 사례, 비교, 정의, 도표는 실제 강의에서 강조의 흔적이 되는 경우가 많다.
그다음 예상 문제를 만들게 한다.
"위 강조 포인트를 바탕으로 내신형 객관식 5문항, 서술형 3문항, 개념 비교 문제 2문항을 만들어줘. 정답과 해설에는 반드시 원문 근거를 붙여줘."
자격증 공부라면 이렇게 바꿀 수 있다.
"기출문제에서 반복될 가능성이 높은 방식으로 OX 문제 10개와 객관식 10개를 만들어줘. 단, 업로드한 교재와 기출 해설에 있는 표현을 우선 사용해줘."
대학 전공 공부라면 이렇게 요청할 수 있다.
"이 강의자료를 바탕으로 중간고사 서술형 예상 질문을 만들어줘. 단순 암기형이 아니라 개념 적용형, 비교형, 비판형으로 나눠줘."
예상 문제의 목적은 적중이 아니다. 예상 문제는 내가 어디를 모르는지 드러내는 장치다. AI가 만든 문제가 실제 시험에 그대로 나오지 않아도 괜찮다. 그 문제를 풀면서 내 머릿속 빈칸이 드러난다면 이미 공부가 된 것이다.
논문·보고서·전공서는 다섯 조각으로 쪼개서 읽는다
논문이나 보고서, 전공서는 처음부터 끝까지 읽으려 하면 금방 지친다. 문장은 길고, 용어는 낯설고, 중간에 표와 그래프가 튀어나온다. 이때 AI에게 "쉽게 요약해줘"라고만 하면 위험하다. 어려운 글일수록 요약은 매끄럽게 보이지만, 내가 실제로 이해한 것은 별로 없을 수 있다.
자료 기반 AI로 긴 글을 읽을 때는 내용을 다섯 조각으로 나누어야 한다.
주장: 이 글이 결국 무엇을 말하려 하는가?
근거: 그 주장을 뒷받침하는 자료, 사례, 데이터는 무엇인가?
방법: 저자나 연구자는 어떤 방식으로 조사하거나 실험했는가?
한계: 이 글이 스스로 인정하거나 독자가 조심해야 할 약점은 무엇인가?
반론 가능성: 다른 관점에서 어떤 질문을 던질 수 있는가?
예를 들어 AI 교육 관련 논문을 읽는다면 이렇게 묻는다.
"업로드한 논문을 ① 핵심 주장 ② 연구 방법 ③ 주요 근거 ④ 연구의 한계 ⑤ 반론 가능성으로 나누어 정리해줘. 각 항목은 원문 근거를 함께 표시해줘. 내가 전공 초보자라고 생각하고 어려운 용어는 쉬운 말로 풀어줘."
보고서라면 이렇게 바꿀 수 있다.
"이 시장 보고서를 주장, 데이터 근거, 기업 사례, 예측, 불확실성으로 나누어 정리해줘. 특히 숫자 데이터는 원문 위치를 반드시 표시해줘."
전공서라면 이렇게 요청한다.
"이 장의 핵심 개념을 정의, 원리, 공식, 예시, 자주 하는 오해로 나누어 설명해줘. 공식이 있다면 각 기호가 의미하는 바를 쉬운 말로 풀어줘."
이렇게 쪼개면 어려운 자료가 갑자기 얇아진다. 한 덩어리의 벽이 아니라 여러 개의 문이 된다. 그리고 각 문마다 AI에게 질문할 수 있다.
"방법 부분이 아직 이해되지 않아. 이 연구 방법을 고등학생도 이해할 수 있게 비유로 설명해줘."
"한계 부분을 바탕으로 저자에게 던질 수 있는 비판적 질문 5개를 만들어줘."
"내가 이 논문의 주장을 3문장으로 설명해볼 테니, 원문과 어긋난 부분을 찾아줘."
여기서 다시 소크라테스식 학습이 들어온다. AI가 답을 주는 데서 끝내지 말고, AI가 나에게 질문하게 해야 한다.
"이 논문의 핵심 주장을 내가 정말 이해했는지 확인하고 싶어. 답을 바로 알려주지 말고, 쉬운 질문부터 어려운 질문까지 5단계로 나에게 물어봐줘."
자료 기반 학습과 소크라테스식 질문이 결합되면 AI는 단순 요약기가 아니라 독해 코치가 된다.
출처가 달렸다고 무조건 믿지 마라
출처 기반 답변은 일반 답변보다 믿을 만하다. 그러나 "출처가 있으니 무조건 맞다"는 생각은 또 다른 함정이다. 인용 번호가 달려 있어도, 실제 원문을 보면 답변이 문맥을 살짝 비틀었을 수 있다. 여러 자료를 섞는 과정에서 한 자료의 정의와 다른 자료의 사례가 어색하게 결합될 수도 있다. 자료 자체가 오래됐거나 부정확하면 AI도 그 한계를 그대로 따라간다.
Google의 NotebookLM 도움말도 NotebookLM이 업로드된 소스를 바탕으로 답하도록 설계되었지만, 답변이 실수할 수 있으며 전문적인 의료·법률·재무 조언은 전문가와 상담해야 한다고 안내한다.2 연구에서도 RAG 기반 도구가 환각을 줄이는 데 도움이 되지만, 통계적 모델의 본질적 신뢰성 문제와 법적·사용상 한계는 남아 있다고 지적한다.3
그래서 자료 기반 공부에는 검증 루틴이 필요하다. 답변을 받으면 바로 밑줄 치지 말고, 다음 질문을 스스로에게 던져라.
실제 자료에 있는가? 답변의 핵심 문장이 원문에 직접 나오거나, 적어도 원문에서 자연스럽게 도출되는가?
인용 위치가 맞는가? AI가 가리킨 부분이 정말 그 주장과 관련 있는가, 아니면 비슷한 단어만 포함되어 있는가?
문맥이 유지되는가? 원문에서는 예외나 조건이 붙어 있는데 AI가 그것을 빼고 일반화하지 않았는가?
자료 밖 추론이 섞였는가? AI가 업로드 자료에 없는 배경지식을 몰래 끼워 넣지 않았는가?
자료끼리 충돌하는가? 교재, 강의자료, 블로그, 논문이 서로 다르게 말할 때 AI가 그 차이를 표시했는가?
특히 시험공부에서는 자료의 위계가 중요하다. 학교 시험이라면 선생님 강의자료와 교과서가 1순위다. 자격증이라면 출제기관의 공식 안내와 기출문제가 우선이다. 논문 읽기라면 원논문이 1순위이고, 블로그 요약은 보조 자료일 뿐이다.
AI에게 아예 이렇게 시켜도 좋다.
"이 답변에서 원문에 직접 근거가 있는 내용, 여러 자료를 종합한 내용, 네가 추론한 내용을 세 구역으로 나누어 표시해줘."
또는 이렇게 묻는다.
"업로드한 자료들 사이에 서로 다르게 설명하는 부분이 있으면 표로 정리해줘. 어느 자료가 무엇을 말하는지, 내가 시험공부에서 어떤 기준으로 정리하면 좋을지 알려줘."
좋은 학습자는 AI의 답을 받는 사람이 아니라, AI의 답을 심문하는 사람이다.
NotebookLM식 출력물은 복습의 입구일 뿐이다
자료 기반 AI의 매력 중 하나는 다양한 출력물을 빠르게 만들 수 있다는 점이다. 긴 PDF를 학습 가이드로 바꾸고, 강의자료를 FAQ로 만들고, 논문 묶음을 브리핑 문서로 정리하고, 오디오 요약으로 들을 수도 있다. NotebookLM은 소스를 학습 가이드, 브리핑, 오디오 요약, 마인드맵 등 접근하기 쉬운 형식으로 변환하는 기능을 제공한다.2
이 기능들은 공부 시간을 크게 줄여준다. 하지만 기억해야 한다. 출력물이 많아진다고 실력이 늘지는 않는다. 브리핑 문서를 저장했다고 이해한 것이 아니고, 오디오 요약을 들었다고 외운 것이 아니다. AI가 만든 자료는 복습의 입구이지, 복습의 끝이 아니다.
각 출력물은 이렇게 쓰면 좋다.
오디오 요약은 이동 중 예습이나 전체 흐름 파악에 좋다. 출퇴근길, 산책, 운동 중에 듣기 좋지만, 세부 개념 암기에는 부족하다.
브리핑 문서는 시험 전날 전체 범위를 압축해서 훑을 때 유용하다. 다만 원문 근거가 약한 부분은 반드시 다시 확인해야 한다.
FAQ는 스터디 토론 준비에 좋다. 친구들과 질문을 나누고 서로 설명해보면 이해도가 드러난다.
학습 가이드는 단원별 공부 계획을 세울 때 좋다. 핵심 개념, 예상 질문, 복습 순서를 한눈에 볼 수 있다.
마인드맵은 개념 간 관계를 파악할 때 좋다. 특히 전공서나 역사, 생물, 경영학처럼 개념 연결이 중요한 과목에 효과적이다.
퀴즈와 플래시카드는 인출 연습에 좋다. 읽는 공부에서 꺼내는 공부로 넘어가게 해준다.
하지만 마지막 단계는 언제나 AI 없이 해야 한다. 이것이 이 책의 핵심 메시지와 연결된다. AI는 정답 자판기가 아니라, 나를 계속 생각하게 만드는 개인 튜터다. 튜터가 아무리 훌륭해도 시험장에는 함께 들어갈 수 없다.
따라서 자료 기반 공부의 마지막 루틴은 다음과 같아야 한다.
AI 요약을 닫는다.
빈 종이에 핵심 개념을 기억나는 대로 쓴다.
각 개념의 정의, 예시, 헷갈리는 개념과의 차이를 설명한다.
다시 AI를 열어 내 설명을 원문과 비교하게 한다.
틀린 부분만 오답노트나 플래시카드로 바꾼다.
이 루틴을 거치면 AI가 만든 지식이 내 머릿속 지식으로 이동한다.
자료 기반 공부 20분 실전 루틴
이제 실제로 어떻게 공부하면 좋을지 20분 루틴으로 정리해보자. 이 루틴은 중고등학생의 내신, 대학생의 전공 공부, 자격증 준비, 직장인의 실무 학습에 모두 적용할 수 있다.
처음 3분은 자료 정리다. 오늘 공부할 범위의 PDF, 강의노트, 교재 일부, 기출 해설만 넣는다. 너무 많은 자료를 넣지 말고 오늘의 범위에 해당하는 것만 고른다. 노트북 제목은 "과목_단원_목표" 형식으로 붙인다.
다음 5분은 구조 파악이다.
"업로드한 자료를 바탕으로 오늘 공부할 내용의 큰 구조를 5개 이하의 덩어리로 나눠줘. 각 덩어리마다 핵심 질문을 하나씩 붙여줘."
그다음 5분은 개념 이해다.
"가장 중요한 개념 5개를 뽑고, 각각을 쉬운 정의, 예시, 헷갈리는 개념, 원문 근거로 정리해줘."
다음 5분은 인출 연습이다.
"지금 정리한 내용으로 나를 시험 봐줘. 답을 바로 알려주지 말고 한 문제씩 물어봐. 내가 답하면 원문 근거를 기준으로 채점해줘."
마지막 2분은 저장과 종료다.
"내가 틀린 내용만 모아서 내일 복습할 오답 카드 5개로 만들어줘. 각 카드에는 질문, 정답, 내가 틀린 이유, 원문 근거를 넣어줘."
짧지만 강력하다. 자료를 넣고, 구조를 잡고, 이해하고, 꺼내보고, 오답으로 남긴다. 이것이 NotebookLM식 자료 기반 학습의 기본 흐름이다.
바로 쓰는 자료 기반 프롬프트
아래 문장들은 그대로 복사해 써도 좋다. 단, 과목명과 자료명은 자신의 상황에 맞게 바꾸자.
자료 범위 제한 프롬프트
"이 노트북에서는 업로드한 자료만 근거로 답해줘. 자료에 없는 내용은 '자료에 없음'이라고 말해줘. 추론이 필요한 경우에는 '추론'이라고 표시해줘."
핵심 개념 추출 프롬프트
"업로드한 자료에서 시험에 나올 가능성이 높은 핵심 개념 10개를 뽑아줘. 각 개념마다 정의, 중요성, 예시, 원문 근거를 함께 정리해줘."
헷갈리는 개념 비교 프롬프트
"이 자료에서 서로 헷갈리기 쉬운 개념 쌍을 찾아 표로 비교해줘. 차이점, 공통점, 대표 예시, 시험에서 구분하는 포인트를 넣어줘."
교수자 강조 포인트 추정 프롬프트
"강의자료에서 반복, 굵은 글씨, 사례, 도표, 비교 설명으로 강조된 부분을 찾아줘. 시험에 중요할 가능성이 높은 순서로 정리하고 근거 위치를 표시해줘."
논문 읽기 프롬프트
"이 논문을 핵심 주장, 연구 방법, 근거, 한계, 반론 가능성으로 나누어 정리해줘. 어려운 용어는 쉬운 말로 설명하고, 각 항목마다 원문 근거를 표시해줘."
검증 프롬프트
"방금 답변을 검토해줘. 원문에 직접 근거가 있는 내용, 여러 자료를 종합한 내용, 자료 밖 추론이 섞인 내용을 나누어 표시해줘."
AI 없이 최종 점검 프롬프트
"이제 내가 AI 도움 없이 설명해볼게. 내 설명을 듣고 업로드한 자료 기준으로 틀린 부분, 빠진 부분, 과장한 부분을 찾아줘. 답을 새로 써주기보다 내가 고칠 수 있게 질문으로 피드백해줘."
공부의 중심을 자료로 되돌려라
AI 시대의 공부는 자료를 버리는 공부가 아니다. 오히려 반대다. AI를 잘 쓰는 사람일수록 원문을 더 중요하게 본다. 왜냐하면 AI가 아무리 빠르게 정리해도, 최종 근거는 여전히 교재, 강의자료, 논문, 기출문제에 있기 때문이다.
NotebookLM식 자료 기반 공부법의 핵심은 간단하다.
AI에게 아무 말이나 하게 두지 말고, 내 자료 안에서 말하게 하라.
그리고 한 걸음 더 나아가야 한다.
AI가 말한 것을 그대로 믿지 말고, 원문으로 되돌아가 확인하라.
이렇게 공부하면 AI는 위험한 지름길이 아니라 튼튼한 손전등이 된다. 어두운 전공서의 문장을 비춰주고, 복잡한 강의자료의 구조를 보여주고, 내가 놓친 개념의 빈틈을 알려준다. 그러나 걷는 사람은 여전히 나다.
자료 기반 AI 공부의 목표는 AI가 대신 읽게 하는 것이 아니다. AI의 도움으로 내가 더 정확히 읽고, 더 깊이 묻고, 더 오래 기억하게 만드는 것이다.
참고
1Google NotebookLM | AI 조사 도구 및 사고 파트너
2Learn about NotebookLM - NotebookLM Help
3NotebookLM: An LLM with RAG for active learning and collaborative tutoring
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.