Waarom je NotebookLM niet mag missen in je toolkit

Vandaag gaan we het hebben over de AI assistent die jouw documenten echt begrijpt. Een blik namelijk op Google's NotebookLM. Leuk dat je luistert naar een nieuwe aflevering, de korte aflevering van AIToday Live. Mijn naam Joop Snijder, CTO bij Aigency. Stel je eens voor, je hebt stapels documenten, rapporten en presentaties die je moet doornemen voor een belangrijk project. Je zou dan willen dat er iemand was die al die informatie voor je kon verwerken en er intelligent mee kon werken. Nog beter, wat als diezelfde persoon de inhoud kan omzetten in een podcast die je tijdens je woon-werkverkeer kunt beluisteren. Tot voor kort zou ik dit hebben afgedaan als wishful thinking, maar na weken intensief gebruik van Notebook LM van Google ben ik eigenlijk best wel onder de indruk van wat deze tool kan betekenen voor ons als kenniswerkers. Het levert eigenlijk een soort nieuwe manier van werken op, in ieder geval voor mij. In het snel evoluerend landschap van AI tools verschijnen er bijna dagelijks nieuwe applicaties. Tussen al dat geweld onderscheidt wat mij betreft NotebookLM zich op een bijzondere manier. Anders dan Chagibity of Claude, die putten uit hun algemene kennis, wordt NotebookLM een expert in jouw documenten. Het is als het ware een persoonlijke onderzoeksassistent die zich volledig verdiept in de bronnen die jij belangrijk vindt. En geloof me, het verschil is merkbaar. De kracht zit hem in de technologie die eronder ligt. Retrieval Augmented Generation, afgekort RAG. Deze techniek combineert de kracht van large language models, in dit geval Google's Gemini, met een externe kennisdatabase. In mensentaal betekent dit dat Notebook LM eerst relevante informatie uit jouw documenten haalt, voordat het antwoord op je vragen geeft. Het resultaat? Veel nauwkeuriger en beter verifiëerbare antwoorden met minder kans op de beruchte tussen aanhalingstekens hallucinaties waar AI systemen nog wel eens last van hebben. Wat ik wel echt een hele mooie feature vind is dat we van een saai document naar een boeiende podcast kunnen gaan. Want waar ik NotebookLM het meest voor gebruik is het maken van samenvattingen. Nu zul je denken, dat kan ChatGPT of Claude.ai ook, maar met NotebookLM kan ik dus een samenvatting in podcastformaat krijgen. Hoe? Nou, zo neem ik bijvoorbeeld veel AI papers door. Zowel wetenschappelijke als white papers. Maar dat kost me gewoon een hoop tijd en ik moet ze daadwerkelijk lezen. En wat ik in Notebook LM kan doen is de papers inladen, en dan vooral papers die een relatie met elkaar hebben. En vervolgens kan ik daar een podcastaflevering van laten genereren. Niet als concurrent van onze eigen podcast, maar eentje die persoonlijk voor mij is. Je krijgt dan wel twee Amerikaanse hosts, een man en een vrouw, die op een natuurlijke, wel een beetje Amerikaanse wijze, je door de materie heen leiden. Dus het is niet dat ze de samenvatting die gegenereerd is eventjes oplezen. Nee, ze voeren samen een gesprek over de bronnen, de papers die ik heb opgegeven. Ik zal je een kort voorbeeld laten horen van een podcast die ik gegenereerd heb met Notebook LM over een product dat we zelf aan het ontwikkelen zijn. En zoals gezegd, het is wel in het Engels, maar dan kun je in ieder geval horen hoe er gesproken wordt en hoe natuurlijk dat klinkt. Vooral met deze grote taalmodellen. We moeten het duidelijk instellen, hè? Ja, dat is precies waar. Dat is waar de gegenereerde prompten zo belangrijk worden. Dus het is niet net als vragen aan de AI. Niet echt, nee. Het is meer als de AI een precieze recipe geven. Het vertelt de AI precies wat te doen, stap voor stap, om het resultaat die je wilt elke keer te krijgen. Ik hou van die analogie. Ik ben een slechte baker, dus ik weet wat er gebeurt als je de recipe niet volgt. Totale disaster. Dus hoe maken we ervoor dat onze AI-recipes, deze gegenereerde prompten, goed zijn? Er zijn drie belangrijk ingrediënten om aan te denken. Precisie, reusabiliteit en schakelbaarheid. Best heel cool, toch? In mijn dagelijkse praktijk betekent het omzetten van dit soort dingen naar zo'n podcast dat ik een manier gevonden heb om efficiënt de grote hoeveelheden documentatie heen te komen. Zoals gezegd, het is geen voorgelezen samenvatting, maar een echt gesprek dat de inhoud van je documenten op een engaging manier presenteert. Perfect voor professionals die veel moeten lezen, maar weinig tijd hebben of voor wie liever luistert dan leest. Natuurlijk moet je zoals bij alle AI-tools kritisch blijven en beseffen dat er fouten in kunnen slippen. Maar als eerste filter bepaalt dit wel welke documenten ik meer aandacht geef en welke het meer verdienen. Ik vind dit wel briljant. Na weken van intensief gebruik kan ik zeggen dat NotebookLM uitblinkt in het maken van ook verbanden tussen documenten. Je kunt vragen stellen over meerdere bronnen tegelijk. Het systeem geeft niet alleen antwoord, maar ook precies aan waar die informatie vandaan komt. Je krijgt dus echt bronvermelding te zien. Dit maakt het een waardevol instrument voor bijvoorbeeld het analyseren van onderzoeksrapporten, het schrijven van samenvattingen, kritisch beoordelen van projectplannen en het ontdekken van verbanden die je anders had gemist. Want een functie die mij persoonlijk heeft verbazen is de mogelijkheid om kritiek te vragen op de bewaarde notities. Laatst had ik een productbeschrijving gemaakt met bijbehorende stakeholder-analyse. NotebookLM deed suggesties om de verbanden tussen belanghebbende en producteigenschappen sterker te maken die ik zelf over het hoofd had gezien. Het denkt dus met je mee op een constructief kritische manier op een niveau dat ik eerlijk gezegd niet had verwacht. Misschien nog even wat aan de praktische kant. Google heeft NotebookLM best wel breed toegankelijk gemaakt. Je kan echt ontzettend veel verschillende brontypen meegeven. Google documenten en presentaties zal je niet verbazen. PDF's, maar dus ook tekstbestanden, markdownbestanden, weburls, YouTube-video's en zelfs audiobestanden. Er zijn wel wat beperkingen waar je rekening mee moet houden. Maximaal 500.000 woorden per bron, per bestand dus eigenlijk. Bestand niet groter dan 200 MB. En maximaal 50 bronnen per notebook. In mijn ervaring is dit voor de meeste gebruikers voldoende. Maar zelf loop ik regelmatig tegen de limiet van 50 bronnen aan, vooral bij projecten met veel kleine documenten. Je moet dan even creatief worden en documenten samenvoegen tot grotere PDF's, wat misschien niet ideaal is, maar het kan wel. Nu we het al hebben over bronnen, wil ik wel een kritische noot plaatsen rondom de privacy in gebruikerservaring. Hier moet ik wel een belangrijke waarschuwing plaatsen. De privacy-aspecten van NotebookLM verdienen serieuze aandacht. Als je inlogt met je Google-account en feedback geeft, kunnen menselijke reviewers je vragen en bestanden bekijken. Niet zomaar een kleine kanttekening. Het betekent dat je zeer zorgvuldig moet zijn met welke documenten je uploadt. Bedrijfsvoelige informatie, persoonlijke gegevens of vertrouwelijke documenten hebben hier wat mij betreft niet te zoeken. Google is hier gelukkig wel transparant over, maar ik vind dat je als gebruiker je hier te degen bewust van moet zijn. Daarnaast heeft NotebookLM nog wel wat kinderziektes die me soms wat frustreren. De gebruikersinterface is niet altijd even intuïtief. Zo was ik in het begin steeds op zoek naar waar ik die gegenereerde podcast kon terugvinden. Er staat ergens een onduidelijk linkje, sterretje, notebook, guide en die leid je dan terug naar de podcast. Kom je er vanzelf een keer achter, maar gedoe. Ook vind ik het zeer storend dat de chatgeschiedenis verdwijnt als je de notebook opnieuw opent of dat je je venster ververst. Dat betekent dat je belangrijke inzichten actief moet opslaan, als notities, anders ben je ze echt kwijt. Voor een tool die draait om kennisverwerking vind ik dit wel een opmerkelijke tekortkoming. Iets anders, het is ook wel verleidelijk om NotebookLM te vergelijken met OpenAI's custom GPTs. Maar naar mijn mening is het doel van NotebookLM wezenlijk anders. Waar custom GPTs meer gericht zijn op het creëren van specifieke AI agents met eigen instructies, focust NotebookLM zich volledig op het werken met jouw bronmateriaal. Het is geen algemene AI-assistent, maar een expert die zich specialiseert in de documenten die jij belangrijk vindt. Het gaat ook geen andere informatie combineren uit het taalmodel met wat jij hebt. Het kijkt echt naar je bronbestanden. Deze focus maakt het in mijn ogen krachtiger voor documentanalyse dan dit soort algemene AI-assistenten. Misschien een heel klein stukje de toekomst in van documentenverwerking. Op dit moment is NotebookLM nog wel gratis te gebruiken via notebooklm.google.com. Linkje staat ook in de show notes. Dat is wel een belangrijk punt. Het is gratis en dat baart me soms wel zorgen. Google staat ook wel bekend dat het plots kan stoppen met diensten. Daar moet je wel serieus rekening mee houden. Dit product laat wel zien wat mogelijk de toekomst van documentverwerking kan zijn. Het combineert het beste van twee werelden, de efficiëntie van AI, met de betrouwbaarheid van je eigen bronmateriaal. Na enkele weken intensief gebruik ben ik overtuigd dat NotebookLM een waardevol instrument kan zijn voor professionals die dagelijks worstelen met grote hoeveelheden documenten. Het biedt een verfrissende nieuwe aanpak die verder gaat dan simpelweg samenvatten. Uiteraard is het geen magische oplossing die al je leeswerk overbodig maakt, maar wel een intelligente assistent die je helpt sneller tot de kern te komen en nieuwe verbanden te leggen. Mijn advies? Probeer het uit met niet-gevoelige documenten en ontdek zelf of het bij jouw werkwijze past. Zoals ik vaak zeg, begin klein, experimenteer met de verschillende functies en wees je bewust van de privacy-aspecten. En wie weet, misschien ontdek je tijdens je volgende autoritje wel nieuwe inzichten in je documenten, gepresenteerd door je persoonlijke AI-podcasthost. Ik ben in ieder geval overtuigd van de toegevoegde waarden, ondanks de kinderziektes die er nog zijn. En laten we eerlijk zijn, met de snelheid waarmee de technologie zich ontwikkelt zijn die kinderziektes waarschijnlijk vrij snel verholpen. Ik hoop wel dat Google deze keer commitment toont voor de lange termijn, want Notebook LM verdient een vaste plek in het arsenaal van de moderne kenniswerken. Dank je wel weer voor het luisteren naar deze korte aflevering van AIToday Live. Vergeet je niet te abonneren via je favoriete podcast-app en mis geen aflevering. Tot de volgende! [Muziek] [Muziek] [Muziek]