NotebookLM apareció en 2023 como un producto experimental de Google Labs. La premisa: un LLM que solo responde basándose en los documentos que tú le das, sin mezclar conocimiento general. Era una idea simple y útil pero el producto era limitado.
En 2026, con varias actualizaciones significativas, NotebookLM se convirtió en algo que uso regularmente para trabajo de investigación.
Qué cambió desde el lanzamiento
Generación de audio (Audio Overview): la característica más viral de NotebookLM. Genera una conversación entre dos “hosts” de podcast que discuten el contenido de tus documentos. Funciona sorprendentemente bien: el diálogo es coherente, los hosts hacen preguntas relevantes, y el formato hace fácil absorber información mientras haces otra cosa.
Para papers técnicos densos o documentos largos, tener un resumen en formato audio de 10-15 minutos es genuinamente útil.
Fuentes ampliadas: antes solo admitía PDFs y Google Docs. Ahora acepta URLs, vídeos de YouTube, archivos de audio, y más formatos. Para investigación que involucra múltiples tipos de fuentes, esto es importante.
Citas con referencias exactas: cuando NotebookLM responde una pregunta, enlaza al fragmento exacto del documento que usó. No solo dice “según tus documentos”, sino que te lleva a la página y párrafo específico.
Mejor integración con Google Workspace: sincronización directa con Google Drive, más fácil de incluir en flujos de trabajo que ya usan Docs, Sheets, y Slides.
Para qué funciona especialmente bien
Investigación sobre un conjunto de documentos acotado. La propuesta de valor central sigue siendo la misma y es sólida: si tienes 20 papers sobre un tema y quieres hacer preguntas específicas, NotebookLM es la herramienta más eficiente. No alucina porque solo puede responder con lo que está en tus fuentes.
Due diligence de documentos. Contratos, informes, especificaciones técnicas: cargar los documentos y hacer preguntas es mucho más rápido que leer todo.
Preparación de presentaciones o contenido. Cargas tus notas e investigación, y NotebookLM ayuda a sintetizar y organizar la información para crear una presentación o artículo.
Estudio de materiales educativos. Cargas los libros de texto, apuntes, y papers relevantes, y puedes hacerle preguntas como si fuera un tutor que solo sabe lo que tú le diste.
Las limitaciones que persisten
El número de fuentes tiene límite. Puedes cargar hasta 50 fuentes y el total de texto tiene un límite de tamaño. Para proyectos de investigación muy grandes, esto es insuficiente.
El razonamiento entre fuentes es limitado. NotebookLM es bueno resumiendo y encontrando información específica, pero el razonamiento sofisticado que conecta ideas de múltiples documentos todavía no es su punto fuerte.
No guarda contexto entre sesiones. Cada notebook es independiente pero dentro de una sesión el historial de conversación no persiste entre días de la misma forma que lo haría un asistente personal.
Las respuestas son conservadoras. Cuando la información no está claramente en los documentos, NotebookLM dice que no lo sabe. Esto es un feature, no un bug, pero si necesitas síntesis e inferencias que van más allá de lo que está escrito, necesitas otro modelo.
Cómo lo uso en mi flujo de trabajo
Para proyectos de investigación: creo un notebook por proyecto y cargo todos los papers, artículos, y documentos relevantes. Uso NotebookLM para:
- Entender rápidamente el contenido de cada fuente sin leerla completa
- Hacer preguntas de síntesis (“¿en qué puntos están de acuerdo los tres papers principales?”)
- Generar el audio overview para escuchar mientras hago otras cosas
- Preparar preguntas para entrevistas basadas en lo que me falta entender
Para lo que NotebookLM no puede (razonamiento que va más allá de los documentos, generación de contenido nuevo, análisis de tendencias), sigo usando Claude o ChatGPT.
El nicho que ocupa
NotebookLM tiene un nicho claro: RAG hecho producto, con UI amigable para no-técnicos. No requiere configurar nada, no requiere saber de embeddings o bases de datos vectoriales. Cargas tus documentos y preguntas.
Para equipos que necesitan RAG sobre sus documentos pero no tienen recursos técnicos para implementarlo, NotebookLM es la respuesta práctica. Para equipos técnicos que necesitan control total, montar tu propia solución sigue siendo mejor.
Evaluación basada en uso regular de NotebookLM desde 2024 hasta mayo 2026.