Fast Research와 Deep Research로 자료 찾기

이 장에서 배우는 것

자료가 아직 없을 때도 NotebookLM을 시작할 수 있습니다. 예전에는 먼저 검색엔진을 열고, 웹페이지를 고르고, 링크를 복사한 뒤, 다시 NotebookLM에 붙여넣어야 했습니다. 이제는 노트북 안에서 바로 자료 후보를 찾고, 필요한 것만 골라 출처로 추가할 수 있습니다.

이 장에서는 다음을 익힙니다.

핵심은 간단합니다. NotebookLM은 자료를 넣고 나서만 쓰는 도구가 아니라, 자료를 찾는 단계부터 함께 쓸 수 있는 작업실입니다.

AI 생성 이미지

초보자용 설명: 검색과 리서치는 다릅니다

검색은 "자료가 어디 있는지 찾는 일"에 가깝습니다. 리서치는 한 걸음 더 나아갑니다. 자료를 찾고, 읽고, 비교하고, 쓸 만한 근거를 골라 내 목적에 맞게 정리하는 일입니다.

NotebookLM의 리서치 기능은 이 과정을 노트북 안으로 가져옵니다. 출처 패널에서 질문이나 키워드를 입력하면, NotebookLM이 웹이나 Google Drive에서 관련 자료 후보를 찾아줍니다. 사용자는 그중 필요한 자료만 골라 노트북에 추가합니다. 공식 도움말에서도 출처 패널의 Add에서 검색어를 입력하고, Web 또는 Drive를 선택해 접근 가능한 자료를 찾을 수 있다고 안내합니다.¹

여기서 중요한 태도는 "나온 자료를 전부 넣기"가 아닙니다. 내 질문에 맞는 자료만 고르는 것입니다. 자료가 많아질수록 NotebookLM이 더 똑똑해지는 것이 아니라, 사용자가 어떤 자료를 기준으로 삼을지 더 잘 골라야 합니다.

실제 화면 기준 설명: 출처 패널에서 시작합니다

리서치 기능은 왼쪽 출처 패널에서 시작합니다.

기본 흐름은 다음과 같습니다.

1. NotebookLM에서 노트북을 엽니다.

2. 왼쪽 출처 패널에서 Add 또는 새 소스 추가 버튼을 선택합니다.

3. 검색창에 키워드나 질문을 입력합니다.

4. 검색 대상에서 Web 또는 Drive를 선택합니다.

5. NotebookLM이 관련 자료 후보를 보여줍니다.

6. 각 결과의 제목, 간단한 설명, 원문 링크를 확인합니다.

7. 필요한 자료만 선택해 노트북에 추가합니다.

예를 들어 다음처럼 입력할 수 있습니다.

공식 도움말의 예시처럼 "Butterfly Anatomy" 같은 주제어뿐 아니라 "Q4 planning 문서"나 "Claire가 만든 슬라이드"처럼 Drive 안의 문서를 찾는 방식도 가능합니다.¹

단, Drive에서 가져온 문서는 원본을 직접 수정하는 것이 아닙니다. NotebookLM은 가져온 시점의 사본을 만들어 분석합니다. 원본 문서가 바뀌어도 항상 자동으로 반영되는 것은 아니므로, 필요한 경우 다시 동기화해야 합니다.¹

Fast Research: 빠르게 시작하는 자료 수집

이 책에서는 출처 패널에서 웹이나 Drive 자료 후보를 빠르게 찾고 추가하는 흐름을 Fast Research라고 부르겠습니다. Google은 Discover Sources 기능을 통해 사용자가 관심 주제를 설명하면 웹에서 관련 자료를 빠르게 찾아 추천할 수 있다고 소개합니다. 이 기능은 수많은 후보를 검토한 뒤 관련성이 높은 자료를 추려 보여주며, 사용자는 필요한 출처를 노트북에 추가할 수 있습니다.²

Fast Research는 이런 상황에 좋습니다.

Fast Research의 장점은 속도입니다. 자료가 하나도 없어도 몇 분 안에 노트북의 출발점을 만들 수 있습니다. 특히 "어디서부터 읽어야 할지 모르겠다"는 상태에서 유용합니다.

하지만 Fast Research 결과를 그대로 믿으면 안 됩니다. 추천된 자료의 발행일, 작성 기관, 목적, 최신성을 확인해야 합니다. 광고성 글, 오래된 글, 출처가 불분명한 글은 제외하는 것이 좋습니다.

따라 하기 1: 웹에서 새 소스 찾기

이번에는 "초보자를 위한 탄소중립 자료"를 찾는다고 가정해 보겠습니다.

1. 새 노트북을 만듭니다.

2. 노트북 이름을 탄소중립 강의 준비로 바꿉니다.

3. 왼쪽 출처 패널에서 Add를 누릅니다.

4. 검색창에 다음처럼 입력합니다.

초보자를 위한 탄소중립 개념과 생활 속 실천 자료를 찾아줘

5. 검색 대상을 Web으로 선택합니다.

6. 결과 목록을 확인합니다.

7. 정부, 공공기관, 교육기관, 신뢰할 만한 연구기관 자료를 우선 선택합니다.

8. 너무 짧은 홍보 글이나 출처가 불분명한 글은 제외합니다.

9. 선택한 자료를 노트북에 추가합니다.

10. 채팅 탭에서 이렇게 질문합니다.

체크한 자료만 근거로 초등 고학년도 이해할 수 있게 탄소중립의 뜻, 필요한 이유, 생활 속 실천 방법을 표로 정리해줘.

이 흐름의 핵심은 검색 결과를 많이 넣는 것이 아니라, 목적에 맞는 자료를 고른 뒤 질문하는 것입니다.

따라 하기 2: Google Drive에서 예전 자료 찾기

회사나 학교에서 이미 많은 문서를 Google Drive에 저장해두었다면, Drive 검색이 특히 유용합니다.

예를 들어 작년에 만들었던 마케팅 기획안을 다시 활용한다고 해보겠습니다.

1. 2026 마케팅 전략 준비 노트북을 엽니다.

2. 출처 패널에서 Add를 선택합니다.

3. 검색창에 입력합니다.

2025년 마케팅 기획 자료와 캠페인 결과 보고서

4. 검색 대상을 Drive로 선택합니다.

5. 검색 결과에서 관련 문서, 슬라이드, 시트를 확인합니다.

6. 실제로 이번 전략 수립에 필요한 자료만 추가합니다.

7. 채팅 탭에서 질문합니다.

체크한 Drive 자료를 바탕으로 2025년 마케팅에서 효과가 좋았던 활동, 부족했던 점, 2026년에 반복하면 좋은 전략을 표로 정리해줘.

주의할 점이 있습니다. NotebookLM이 Drive 파일을 가져오면 원본 Drive 파일을 삭제하거나 편집하지는 않습니다. 대신 분석용 사본을 만들어 사용합니다. 원본이 수정되면 노트북 안 출처도 최신인지 확인해야 합니다.¹

Deep Research: 깊게 조사해 보고서로 받기

Fast Research가 "빠른 자료 후보 찾기"라면, Deep Research는 깊은 조사 보고서 만들기에 가깝습니다.

Google은 Deep Research를 복잡한 온라인 리서치를 자동화하고 단순화하는 기능으로 설명합니다. 사용자가 질문을 입력하면 연구 계획을 세우고, 여러 웹사이트를 탐색하며, 학습한 내용을 바탕으로 검색을 다듬고, 몇 분 뒤 출처 기반의 정리된 보고서를 생성합니다. 또한 생성된 보고서와 관련 출처를 노트북에 바로 추가할 수 있습니다.³

Deep Research는 이런 작업에 적합합니다.

Deep Research는 시간이 더 걸립니다. 대신 단순 링크 목록이 아니라, 주제별로 정리된 보고서와 출처 목록을 얻을 수 있습니다. 책을 쓰거나, 보고서를 만들거나, 시장을 조사할 때 특히 유용합니다.

Fast Research와 Deep Research 비교

두 기능은 경쟁 관계가 아닙니다. 상황에 따라 다르게 쓰면 됩니다.

초보자에게 추천하는 순서는 이렇습니다.

1. 주제가 낯설면 Fast Research로 기본 자료를 찾습니다.

2. 읽어볼 만한 출처를 몇 개 추가합니다.

3. 채팅으로 핵심 개념을 요약합니다.

4. 더 깊은 조사가 필요하면 Deep Research를 실행합니다.

5. Deep Research 보고서와 출처를 노트북에 추가합니다.

6. 다시 채팅과 Studio로 보고서, 표, 슬라이드, 퀴즈를 만듭니다.

실전 예시: 책 집필 자료 정리

책을 쓰고 싶은데 자료가 하나도 없다고 가정해 보겠습니다. 주제는 "AI 도구로 업무 효율 높이기"입니다.

먼저 Fast Research로 기본 자료를 찾습니다.

AI 도구를 활용한 직장인 업무 생산성 향상 사례를 찾아줘.

추천된 자료 중에서 다음 기준으로 고릅니다.

자료를 몇 개 추가한 뒤 채팅에서 묻습니다.

체크한 자료를 바탕으로 AI 도구가 업무 효율을 높이는 방식을 초보자도 이해할 수 있게 7가지로 정리해줘. 각 항목마다 실제 직장인 사례를 붙여줘.

그다음 Deep Research를 실행합니다.

2024년 이후 생성형 AI 도구가 사무직 업무 방식에 미친 변화를 조사해줘. 생산성 향상 사례, 위험 요인, 교육 필요성, 향후 전망을 포함해줘.

Deep Research 결과 보고서가 생성되면 보고서와 출처를 노트북에 추가합니다. 그런 다음 다시 질문합니다.

지금 노트북의 모든 출처를 바탕으로 초보자용 실용서 목차를 만들어줘. 각 장에는 독자가 따라 할 수 있는 실습과 추천 프롬프트를 포함해줘.

이렇게 하면 자료 찾기, 자료 읽기, 목차 만들기가 하나의 흐름으로 이어집니다.

실전 예시: 시장 조사와 정책 조사

시장 조사에서는 자료의 관점이 중요합니다. 기업 블로그만 보면 긍정적인 이야기만 많을 수 있고, 언론 기사만 보면 자극적인 이슈가 강조될 수 있습니다. 가능하면 공식 통계, 정부 자료, 연구기관 보고서, 산업 리포트, 기업 사례를 섞어야 합니다.

시장 조사 프롬프트는 이렇게 쓸 수 있습니다.

체크한 자료들을 바탕으로 2026년 국내 온라인 교육 시장의 주요 흐름을 정리해줘. 시장 성장 요인, 주요 고객, 경쟁 구도, 위험 요인, 실무 적용 가능성을 표로 비교해줘.

정책 조사는 더 조심해야 합니다. 정책은 시행 시기, 대상, 예산, 신청 조건이 자주 바뀝니다. NotebookLM이 정리한 내용은 초안으로 보고, 최종 확인은 반드시 공식 기관 원문에서 해야 합니다.

체크한 정책 자료를 바탕으로 소상공인이 확인해야 할 지원 제도를 표로 정리해줘. 제도명, 지원 대상, 지원 내용, 신청 조건, 확인해야 할 공식 링크를 포함해줘.

자주 하는 실수

바로 써먹는 프롬프트

아래 문장은 그대로 복사해 사용할 수 있습니다.

Fast Research용

웹에서 초보자를 위한 탄소중립 자료를 찾아줘. 공공기관, 교육기관, 연구기관 자료를 우선으로 추천해줘.

내 Drive에서 2025년 마케팅 기획 자료와 캠페인 결과 보고서를 찾아줘.

이 주제를 처음 공부하는 사람이 읽을 만한 기본 자료를 찾아줘. 너무 전문적인 자료보다 개념을 쉽게 설명한 자료를 우선해줘.

체크한 자료만 근거로 핵심 개념, 중요한 수치, 실무에 적용할 점을 표로 정리해줘.

Deep Research용

2026년 국내 생성형 AI 교육 시장의 주요 흐름을 조사해줘. 주요 고객, 경쟁 구도, 성장 요인, 위험 요인, 향후 전망을 포함해줘.

소상공인 디지털 전환 정책을 조사해줘. 지원 대상, 지원 내용, 신청 조건, 한계, 공식 확인 링크를 포함해줘.

이 주제로 책을 쓰기 위한 배경 조사를 해줘. 독자 문제, 주요 개념, 사례, 반대 의견, 목차 아이디어를 포함해줘.

Deep Research 결과 보고서와 출처를 바탕으로 발표용 핵심 메시지 5개와 근거 자료를 정리해줘.

리서치 결과 재활용용

이 리서치 보고서를 바탕으로 팀장에게 보고할 1페이지 브리핑 문서를 만들어줘.

체크한 출처들의 주장, 근거, 장점, 한계, 실무 적용 가능성을 표로 비교해줘.

이 자료들을 바탕으로 초보자용 강의안을 만들어줘. 60분 수업 기준으로 도입, 핵심 설명, 실습, 복습 질문을 포함해줘.

이 장의 핵심 정리

• NotebookLM은 자료를 넣은 뒤 질문하는 도구일 뿐 아니라, 자료를 찾는 단계에서도 활용할 수 있습니다.

• 출처 패널에서 웹이나 Google Drive를 선택해 새 소스를 검색할 수 있습니다.

• Fast Research는 빠르게 자료 후보를 찾고 필요한 것만 추가하는 데 좋습니다.

• Deep Research는 여러 웹사이트를 더 깊게 탐색해 보고서와 출처 목록을 만드는 데 적합합니다.

• 리서치 결과 보고서와 관련 출처는 다시 노트북에 추가해 다음 질문의 기반으로 사용할 수 있습니다.

• Drive 파일과 웹 자료는 가져온 시점의 사본으로 다뤄질 수 있으므로 최신성 확인이 필요합니다.

• AI가 만든 리서치 결과는 초안입니다. 중요한 숫자, 정책, 조건, 법률적 판단은 반드시 원문과 전문가 확인을 거쳐야 합니다.

공식 도움말 확인 항목

리서치 기능은 업데이트가 잦습니다. 출간 시점 또는 실제 사용 전에는 다음을 확인하세요.

참고

¹Add or discover new sources for your notebook

²New in NotebookLM: Discover sources from around the web

³NotebookLM adds Deep Research and support for more source types