노트북LM 실전 활용법과 RAG 기반 보고서 만들기
노트북LM의 RAG 구조를 활용해 자료 수집부터 신뢰도 검증, 보고서 작성, 발표자료 자동 제작까지 무료 버전으로 처리하는 실무 활용법을 정리합니다.
이 강의에서는 무료로 사용할 수 있는 노트북LM의 RAG 구조를 활용해, 흩어진 자료를 신뢰도 있는 보고서로 정리하는 흐름을 다룹니다. Deep Research로 자료를 모으고 소스 인벤토리를 분류한 뒤 핵심 주제별로 우선순위를 정해 보고서를 작성하는 과정과, 결과물을 PPT·오디오·영상으로 확장하는 실무 활용 예제까지 함께 살펴봅니다.
실습자료를 준비했어요
수업에서 사용한 예제 파일과 보충 자료를 한 곳에 정리했습니다!👇
목차 보기
RAG 구조가 AI 활용의 기준이 되는 이유
RAG는 Retrieval-Augmented Generation 의 약자로, AI 가 답변을 생성할 때 학습 데이터에만 의존하지 않고 외부 자료를 직접 검색해 참고하도록 만드는 구조입니다. 일반 챗봇이 환각을 일으키는 가장 큰 이유는 근거 없는 응답을 자신 있게 내놓기 때문인데, RAG 는 답변의 출처가 되는 문서를 함께 제시해 이 문제를 줄여 줍니다.
Deep Research 로 자료를 한 번에 수집하기
보고서를 작성하기 전 가장 먼저 해야 할 일은 주제와 관련된 자료를 한곳에 모으는 작업입니다. 노트북LM 의 Deep Research 기능을 사용하면 키워드를 입력하는 것만으로 관련 문서·기사·논문 링크를 자동으로 탐색해 가져옵니다.
- 새 노트북을 만들고 주제 키워드를 입력합니다.
- Deep Research 를 실행해 추천 소스 목록을 받아 옵니다.
- 제안된 자료를 검토한 뒤 그대로 소스로 등록합니다.
수동으로 검색·복사·붙여 넣기를 반복하지 않아도 한 번의 실행으로 수십 건의 자료를 확보할 수 있습니다.
누락된 정보 검증과 데이터 완결성 점검
자료를 모은 다음에는 빠진 부분이 없는지 확인해야 합니다. 노트북LM 에 질문을 던져 보고 답변이 불완전하다고 느껴지면 추가 자료를 보충하는 방식으로 데이터 완결성을 높입니다.
- 아래 프롬프트를 입력해 주제에 누락된 항목이 없는지 검토합니다.
첨부된 소스들을 검토하여 정보의 누락된 부분이 있는지 분석하세요. 특히, 이 주제를 온전히 이해하기 위해 필수적이나, 현재 소스에서 누락된 핵심 정보나 맥락이 무엇인지 검토 후 구체적으로 알려주세요.
- 노트북LM의 답변 중에서 부족하다고 판단이 되는 내용이 있다면, 부족한 부분을 보완하기 위해 필요한 프롬프트를 작성합니다.
좋아. 이 소스들에서 보완이 필요한 내용을 핵심만 간결히 정리해
- 정리된 프롬프트를 소스 검색에 입력 후 실행하면, 부족한 부분을 보완할 수 있습니다.
비판적 시각과 반대 의견으로 보고서 깊이 더하기
한쪽 관점만 담은 보고서는 설득력이 떨어집니다. 노트북LM 에 같은 주제에 대한 반대 의견·비판적 시각을 정리해 달라고 요청하면, 등록된 소스 안에서 상반된 입장을 찾아 균형 잡힌 분석을 제공합니다.
- 논리 검증 및 균형 잡기
현재 소스들이 주제의 모든 측면을 포괄하고 있는지 분석합니다. 특히, 설명이 불충분하거나 근거가 부족한 영역은 어디이며, 균형 잡힌 시각을 갖기 위해 추가로 조사해야 할 반대 의견이나 데이터는 무엇인지 구체적으로 알려주세요. - 시야 확장/차별화 포인트 발굴하기
이 소스들에서 다루지 않고 있는 '반대 의견'이나 '대안적 시각', 또는 '대중에게 잘 알려지지 않은 소수 의견이나 틈새 관점' 중에서 이 소스들이 놓치고 있는 흥미로운 시각이 있다면 구체적으로 제안하세요.
소스 인벤토리 구축과 신뢰도 분류
등록한 소스가 많아질수록 어떤 자료를 우선 참고할지 정하는 작업이 중요합니다. 학술 자료·공식 보고서·언론 기사·블로그 글을 신뢰도 기준으로 분류해 인벤토리를 구축합니다.
* 소스 구분은 1차 자료 (원자료, 공식 발표, 직접 연구 등), 2차 분석(해설, 요약, 분석 기사 등), 의견/칼럼으로 구분하세요.
* 외부 지식은 사용하지 말고, 반드시 소스에 명시된 정보만 활용하세요.
* 만약 특정 정보가 소스에 명확히 나오지 않는다면 "명시되지 않음"이라고 표시합니다.
분류 결과를 메모로 기록해 두면 이후 보고서 작성 단계에서 A 등급 자료부터 인용 우선순위를 정할 수 있습니다.
핵심 주제 도출과 소스별 우선순위 지정
인벤토리가 정리되면 보고서가 다룰 핵심 주제 3~5 개를 추려 냅니다. 그리고 각 주제에 가장 적합한 소스를 매칭해 우선순위를 지정합니다.
이후, 각 핵심 주제와 관점을 가장 풍부하고 비중있게 정리한 소스를 선정해서 표로 정리합니다.
* 표는 '| 중요도 | 주제/주요관점 | 소스 제목 | 선정 이유 |'로 구성합니다.
* 반드시 소스에 포함된 표현, 논조, 주장 방식을 근거로 판단하되, 외부 지식이나 개인적인 해석은 추가하지 마세요.
- 전체 자료를 훑어 반복 등장하는 키워드를 정리합니다.
- 주제별 가장 중요한(또는 가장 관계가 있는) 소스를 우클릭 한 후, 소스 이름 앞에 느낌표를 붙이면 소스 목록의 상단으로 정렬할 수 있습니다.
- 이후 나머지 소스는 보조 자료로 분류하거나, 필요에 따라 !1_1 형태로 소스를 보기 좋게 정렬할 수 있습니다.
이 작업을 거치면 노트북LM 이 보고서를 작성할 때 어느 자료를 우선 참고할지 명확해져, 결과물의 일관성과 깊이가 함께 올라갑니다.
맞춤형 대화와 메모로 지식 베이스 확장
노트북LM 의 메모 기능을 사용하면 한 번 정리한 답변을 노트북 안에 영구 보관할 수 있습니다. 저장된 메모는 다시 소스로 등록되어, 노트북LM 이 자기 답변을 또 다른 근거로 활용하는 지식 베이스 확장이 가능합니다.
- 유용한 답변이 나오면 메모로 저장합니다.
- 이후 메모에서 속성을 클릭 - [소스로 변환]을 클릭해 메모를 소스로 변환할 수 있습니다.
- 이렇게 하면 대화 - 메모 - 소스 - 대화 - 메모 - 소스.. 로 이어져 지식 베이스를 무한히 확장할 수 있습니다.
실전 활용 예제 — 여행 계획·마케팅 자료·B2B 제안서
지금까지 정리한 RAG 워크플로우는 다양한 실무 상황에 그대로 적용할 수 있습니다. 노트북LM 의 스튜디오 기능과 결합하면 한 번의 자료 조사로 여러 형태의 결과물을 동시에 만들어 낼 수 있습니다.
- 여행 계획 슬라이드 — 구글맵 정보와 여행지 자료를 소스로 등록해 일정·동선·예산이 담긴 발표 자료를 자동 생성합니다.
- 마케팅 포스터·전단지 — 이미지 인식 기능으로 참고 이미지를 분석하고, 핵심 메시지를 정리한 뒤 시각 자료로 발전시킵니다.
- B2B 제안서·발표자료 — 고객사 정보와 산업 자료를 인벤토리로 구축해 미팅 자료를 일관된 톤으로 만들어 냅니다.
같은 소스 인벤토리에서 출발한 결과물은 메시지가 일관되므로, 보고서·발표·영상까지 하나의 자료에서 여러 산출물을 안정적으로 만들어 낼 수 있습니다.
