Google スプレッドシートやホワイトボードのスクショも読み取り可能。NotebookLM のソース情報の対応幅が広がったので試してみた
こんにちは。組織開発室に所属し、組織開発を担当しているてぃーびーです。
NotebookLM のアップデートで設定可能なソース情報の種類が増えました。
この記事では、 NotebookLM で新たに設定可能になったソース情報の情報と、その中でも特に注目のファイル形式についてまとめます。
変更内容
NotebookLM が以下のファイル形式に対応しました。
| 項目 | 説明 |
|---|---|
| Google スプレッドシート | スプレッドシートから構造化データを追加したり、主要な統計情報について尋ねたり、概要を生成したりできます |
| Google Drive のファイルをURLで扱う | ウェブサイトやYouTube動画と同じように、簡単なコピー＆ペーストでDriveファイルをURLとして追加できます。カンマ区切りで複数のリンクを追加することも可能です |
| 画像ファイル | 手書きのメモの写真や、受け取ったパンフレットなどをアップロードできます |
| Google Drive にある PDF ファイル | ダウンロードと再アップロードの手間を省き、研究論文、レポート、電子書籍などをDriveから直接追加できます |
| Microsoft Word 文書 | .docxファイルをアップロードして、メモ、下書き、その他の文書を分析できます |
以下は、公式ページです。
NotebookLM adds Deep Research, Docx, Sheets and more
Google スプレッドシートに対応
今回の目玉その1。 Google スレプッドシートを読み取れるようになりました。
以下のレポートの登壇で発表した目標設定を支援するツールを整備した段階では、 Google スプレッドシートに対応していなかったので、PDFをエクスポートして読み込ませる形式を使っていました。
【イベントレポート】『Gemini と NotebookLM を組み合わせて 目標設定の負荷を軽減する方法』の登壇と補足 | DevelopersIO
これでようやく Google スレプッドシート本体をそのまま扱うことが可能になります。
Google ドキュメントを利用するときと同様、内容に更新があったらボタンひとつで同期可能です。
検証
AIアシストで作成できる Google スプレッドシートで検証してみます。
サンプルデータ(ファイル作成時にAIアシストで作成できるサンプル情報をそのまま利用)
サンプルデータを NotebookLM に設定してみました
チャット欄でデータの参照を試してみます。
入力
肯定的なフィードバック内容を教えて下さい
出力
提供されたソースに基づき、肯定的なフィードバックの内容を以下にお知らせします。
ある顧客からのフィードバックは、AIセンチメントが「肯定的」と分類されており、内容は以下の通りです。
「先日、カスタムメイドのペンダントを受け取りましたが、想像以上に美しい仕上がりでした。
細部へのこだわりが素晴らしいです。
宝石もとても美しいです。記念日のお祝いにぴったりでした。
ありがとうございました。」
このフィードバックは、AIカテゴリでは「賛辞」として分類されています。
このフィードバックは2024年12月10日付で、購入ID 82736481に関連しています。
以下は、出力の画像版です。
引用リンクをたどると左側のソース情報をしっかり参照してくれています。
画像ファイルに対応
今回の目玉その2。手書きのメモなどの画像を読み取ることができます。これにより、ホワイトボードのメモ等を扱うことができます。
検証
まずはテストのための画像を Gemini に以下のプロンプトで作成してもらいました。
入力
NotebookLMの画像より取り機能を検証するための、ホワイトボードの手書き風の画像を作成してください。
内容については、業務改善におけるGeminiの活用に関して英語でテキスト、図解を含めて議論しているものにしてください。
出力画像
NotebookLM にこの画像を設定してみました。
チャットで問いかけてみます
入力
Gemini を活用したデータ分析について教えてください
出力
きちんと画像内容を踏まえた受け答えをしてくれています。
Geminiは、ビジネス改善の文脈において、「Data Analysis & Insights」（データ分析とインサイト）のために活用される機能の一つとして挙げられています。
Geminiを活用した具体的なデータ分析の活動には、以下の3つが含まれます。
1. Trend Identification（傾向の特定）
2. Performance Monitoring（パフォーマンスの監視）
3. Predictive Modeling（予測モデリング）
データ分析とインサイトの活用は、Geminiがもたらす主要な利点の一つであるBetter Decisions（より良い意思決定）の実現に貢献します。
### 導入における関連事項
データ分析機能を含むGeminiの導入においては、いくつかの「Challenges」（課題）も認識されています。
特にデータに関連する課題としては、Data Privacy（データプライバシー）やBias Mitigation（バイアスの軽減）が挙げられます。
また、既存のシステムやプロセスとのIntegration（統合）も課題となります。
これらの課題を踏まえた上で、Geminiの導入を本格化させるための「NEXT STEPS」（次のステップ）としては、以下の3段階が推奨されています。
1. Pilot Project（パイロットプロジェクト）
2. Feedback Collection（フィードバックの収集）
3. Full Deployment（本格的な展開）
