1장. ChatGPT vs NotebookLM: 역할이 다르다
“선행연구 정리 좀 해줘.”
ChatGPT에게 이렇게 물어본 적 있나요? 깔끔한 요약이 쏟아져 나옵니다. 문장도 매끄럽고, 논리도 그럴듯합니다. 그런데 막상 논문에서 해당 내용을 찾으려 하면, 없습니다. AI가 만들어낸 이야기였습니다.
2025년, AI 도구가 넘쳐납니다. ChatGPT, Claude, Gemini, Copilot… 선택지가 많아질수록 혼란도 커집니다. “도대체 뭘 써야 하지?” 이 질문에 대한 답은 의외로 단순합니다. 역할이 다릅니다. 모든 AI가 같은 일을 잘하는 게 아닙니다.
1.1 소설가 vs 사서
두 도구의 차이를 비유로 설명하겠습니다.
ChatGPT는 소설가입니다. 창의적입니다. 없는 이야기도 만들어냅니다. 브레인스토밍, 아이디어 발상, 초안 작성에 탁월합니다. “이런 주제로 에세이 써줘”라고 하면 즉시 완성된 글이 나옵니다. 문제는 그 글의 출처입니다. 소설가는 상상으로 글을 씁니다. 인용이 필요 없습니다.
NotebookLM은 사서입니다. 창의적이지 않습니다. 대신 정확합니다. 사서는 도서관에 있는 책만 안내합니다. “이 책에 그 내용 없어요”라고 솔직하게 말합니다. 없는 책을 있다고 하지 않습니다. NotebookLM도 마찬가지입니다. 노트북 소스에 없는 내용은 “소스에서 찾을 수 없습니다”라고 답합니다.
| 구분 | ChatGPT (소설가) | NotebookLM (사서) |
|---|---|---|
| 핵심 역할 | 창의적 생성 | 소스 기반 검색 |
| 강점 | 아이디어, 브레인스토밍, 초안 | 정확한 인용, 출처 명시 |
| 약점 | 출처 불명확, 환각 현상 | 창의적 생성 어려움 |
| 적합한 작업 | 글쓰기, 기획, 요약 | 선행연구 정리, 인용 추출 |
| “모른다” 대응 | 그럴듯하게 생성 | “소스에 없습니다” |
이 차이가 왜 중요할까요? 연구에서는 “출처 없는 주장”이 가장 위험하기 때문입니다.
1.2 선행연구에는 ‘사서’가 필요하다
학술 글쓰기의 기본 원칙이 있습니다. 모든 주장에는 근거가 필요합니다. 근거에는 출처가 있어야 합니다. 출처가 없으면 표절이거나 허위입니다.
ChatGPT에게 “이 논문의 연구 목적이 뭐야?”라고 물으면, 대답합니다. 문제는 그 대답이 실제 논문 내용인지 확인할 방법이 없다는 점입니다. ChatGPT는 학습 데이터를 바탕으로 “그럴듯한 답”을 생성합니다. 해당 논문을 실제로 읽고 답하는 게 아닙니다.
반면 NotebookLM은 다릅니다. 노트북에 추가한 소스만 읽습니다. 답변할 때 인용 번호를 붙입니다. [1], [2] 같은 표시가 문장 끝에 나타납니다. 이 번호를 클릭하면 원문 해당 위치로 이동합니다. “정말 논문에 이렇게 써 있나?” 확인이 가능합니다.
선행연구 정리에서 가장 많은 시간이 드는 작업은 무엇일까요? 논문을 읽는 시간? 아닙니다. 읽은 내용을 다시 찾는 시간입니다. “분명히 봤는데 어디 있더라?” 이 검색 시간을 NotebookLM이 줄여줍니다. 인용 번호 클릭 한 번으로 원문 위치가 나타납니다.
1.3 둘 다 쓰는 전략
ChatGPT가 나쁜 도구라는 뜻이 아닙니다. 역할이 다를 뿐입니다. 실제로 두 도구를 함께 쓰면 효율이 높아집니다.
1단계: NotebookLM으로 추출
- 논문 PDF를 업로드합니다
- “이 논문의 연구 목적을 원문 그대로 찾아줘”
- 인용 번호가 붙은 정확한 문장을 얻습니다
2단계: ChatGPT로 정리
- NotebookLM에서 추출한 원문을 복사합니다
- “아래 내용을 한 문단으로 요약해줘”
- 출처가 확보된 상태에서 정리합니다
순서가 중요합니다. 추출이 먼저, 정리가 나중입니다. ChatGPT에게 먼저 물으면 출처 없는 내용이 섞입니다. NotebookLM으로 원문을 확보한 후 ChatGPT로 다듬으면, 정확성과 가독성을 모두 잡을 수 있습니다.
💡 Plan B 안내
NotebookLM이 잘 안 될 때도 있습니다. PDF 인식 오류, 복잡한 표, 스캔 문서 등의 경우입니다. 이때는 수동으로 해당 부분을 복사한 후 ChatGPT에게 정리를 맡기는 방법도 있습니다. 8장에서 자세히 다룹니다.
1.4 “왜 NotebookLM인가?” — 대안에 대하여
💡 왜 하필 NotebookLM인가요?
Q: RAG, 벡터 데이터베이스, LangChain 같은 대안도 있지 않나요?
A: 맞습니다. 기술적으로 더 강력한 도구들이 있습니다. 하지만 이 책은 “가장 진입장벽이 낮은 조합”에 집중합니다.
NotebookLM의 장점:
– 무료입니다 (Google 계정만 있으면 됨)
– 설치가 필요 없습니다 (웹 브라우저에서 바로 실행)
– 코딩 지식이 필요 없습니다
– 구글 드라이브와 연동됩니다
– 인용 번호가 자동으로 붙습니다 (출처 추적 용이)
개발자라면 RAG 파이프라인을 직접 구축할 수 있습니다. 하지만 대부분의 연구자에게는 “지금 바로 쓸 수 있는 도구”가 더 실용적입니다. 이 책은 그 실용성에 집중합니다.
더 고급 기술이 필요해지면, 그때 확장하면 됩니다.
1.5 구글 생태계 속 NotebookLM
NotebookLM은 구글의 AI 모델 Gemini를 기반으로 합니다. 구글 드라이브, 구글 독스와 자연스럽게 연동됩니다. 이미 구글 생태계를 사용하고 있다면 추가 학습 비용이 적습니다.
2025년 12월 기준, NotebookLM은 무료 플랜과 유료 플랜(NotebookLM Plus)으로 나뉩니다. 무료 플랜은 Google 계정만 있으면 사용할 수 있고, 선행연구 정리에 필요한 핵심 기능을 모두 제공합니다. 유료 플랜(Google One AI Premium 포함)은 더 많은 소스 업로드, 더 긴 오디오 오버뷰, 팀 공유 기능 등을 추가로 제공합니다. 이 책에서 다루는 내용은 무료 플랜만으로 충분히 따라할 수 있습니다.
다음 장 미리보기
“그래서 NotebookLM은 어떻게 할루시네이션을 막는 건데?”
좋은 질문입니다. 1장에서는 두 도구의 역할 차이를 설명했습니다. 2장에서는 NotebookLM이 “거짓말을 못 하게 설계된 원리”를 파헤칩니다. 소스 기반 답변이 무엇인지, 그리고 그 한계는 무엇인지 솔직하게 다룹니다.
, [2] 인용 번호. 클릭하면 원문으로 이동]
01 Interface Comparison
01B Citation Number
