NotebookLM (ahora Gemini Notebook): investigar tus propios documentos con IA
NotebookLM, rebautizado Gemini Notebook en 2026, responde con las fuentes que subes y las cita. Cómo usarlo en research, sus límites y su privacidad.
¿Qué la hace distinta de un chat general?
Una nota sobre el nombre: el 16 de julio de 2026 Google anunció que NotebookLM pasa a llamarse Gemini Notebook. Según Google, sigue siendo un producto independiente; los cuadernos y fuentes existentes se conservan. En este artículo usamos NotebookLM porque es el nombre con el que mucha gente lo sigue buscando, pero la ayuda oficial ya dice Gemini Notebook. Esa ayuda recuerda además que las funciones, planes y límites cambian con frecuencia.
Un chat general responde con lo que aprendió durante su entrenamiento y lo que encuentra en la web. NotebookLM se apoya en tu cuaderno y sus respuestas incluyen citas en línea a tus fuentes (así lo describe la guía de una universidad que lo ofrece a su comunidad). Eso reduce la invención de datos, pero no la elimina: puede resumir mal una fuente o pasar por alto un matiz. Por eso conviene abrir las citas.
La diferencia práctica está en el punto de partida. Si subes diez transcripciones de entrevistas, la conversación empieza en esas diez transcripciones, no en una opinión genérica sobre el tema.
¿Qué puedes hacer con ella en research?
Las tareas que mejor encajan en un flujo de producto son:
- Preguntas sobre un corpus: “¿Qué dificultades mencionan los usuarios al pagar con tarjeta extranjera?”, con la cita de cada participante.
- Resúmenes por tema: agrupar fragmentos de varias entrevistas bajo un mismo tema antes de hacer affinity mapping.
- Guías de estudio para el equipo: un resumen de un informe técnico de 80 páginas con sus puntos de duda.
- Preparar una entrevista: revisar qué preguntas ya se hicieron en estudios anteriores.
Además de las respuestas en el chat, la herramienta genera formatos como resúmenes en audio y video (Audio y Video Overviews), informes, cuestionarios y tarjetas de estudio. Sirven para compartir con quien no leerá el material original, pero no los uses como sustituto de la lectura. Desde la actualización de julio de 2026, Google también describe una función que escribe y ejecuta código sobre tus fuentes para análisis de datos; se despliega por niveles de plan, así que no asumas que la tienes.
¿Qué dice Google sobre privacidad y límites?
Según la ayuda de Google, tus datos no se usan para entrenar Gemini Notebook salvo que envíes feedback. Lo que cambia es la revisión humana: en Google Workspace y Workspace for Education, las cargas, consultas y respuestas no las revisan personas ni se usan para entrenar modelos de IA. En cuentas personales, si envías feedback, Google puede revisar el contexto completo de esa interacción, incluidas tus consultas y archivos. Si trabajas con datos de clientes, usa una cuenta de empresa o institución y no una personal.
Los límites dependen del plan y Google los marca como sujetos a cambio. En la página de ayuda de límites, el nivel estándar gratuito permite 100 cuadernos por usuario y 50 fuentes por cuaderno; los planes de pago suben esos topes, hasta 300 fuentes por cuaderno en el plan Pro de consumo según esa página. Compartir un cuaderno no cambia el límite de fuentes de cada colaborador. Los topes diarios de consultas y de generación de resúmenes en audio se explican en otro artículo de ayuda de Google; consúltalo antes de planear un proyecto grande, porque aquí no los fijamos.
Algunas universidades añaden sus propias restricciones: por ejemplo, prohíben subir datos de salud, números de documento de identidad o datos sujetos a comités de ética. Antes de subir entrevistas reales, revisa si contienen datos personales y si tu acuerdo con los participantes lo permite.
¿Cómo se aplica en un proyecto?
Un flujo simple para una síntesis de entrevistas:
- Anonimiza las transcripciones: quita nombres, correos y datos que identifiquen a la persona.
- Sube solo esas transcripciones al cuaderno del proyecto, sin mezclarlas con otros estudios.
- Pide temas recurrentes con la cita de cada uno.
- Verifica dos o tres citas al azar abriendo la fuente original.
- Lleva los temas a la sesión de equipo y decide qué significan para el producto.
Este flujo se conecta con la síntesis de entrevistas con IA y con la transcripción, que suele ser el paso anterior.
¿Cuándo NO conviene?
- Con material que no puedes subir según tu contrato o el de tus participantes.
- Para decisiones basadas en un solo documento sin contraste con otras fuentes.
- Cuando necesitas datos que no están en tu cuaderno: la herramienta trabaja sobre tus fuentes y no sustituye una búsqueda abierta en la web.
- Cuando quieres que la herramienta decida prioridades de producto. Eso no es su trabajo.
Ejemplo
Ejemplo ilustrativo: una diseñadora tiene doce entrevistas sobre la renovación de una póliza de seguro. Anonimiza las transcripciones, las sube a un cuaderno y pregunta por las razones de abandono. Obtiene cinco temas, cada uno con citas. Abre tres citas al azar y confirma que son fieles. Luego lleva los temas a su equipo, que descubre que el problema principal no era el precio, como se pensaba, sino el correo de recordatorio.
Lo que aprendió: la herramienta aceleró la lectura, pero la conclusión surgió de la discusión del equipo sobre las citas.
¿Cómo preparar las fuentes antes de subirlas?
La calidad de las respuestas depende más de las fuentes que del modelo. Antes de subir material, haz tres cosas:
- Nombra cada archivo con un patrón fijo: fecha, tipo y código de participante, por ejemplo
2026-09-14_entrevista_P07_anonimizada.txt. Así puedes citar y rastrear sin abrir todo. - Quita lo que no es evidencia: correos reenviados, firmas, listas de asistentes. Ruido en la fuente produce resúmenes con ruido.
- Separa por estudio: un cuaderno por investigación. Mezclar estudios de distintos clientes o años hace que una respuesta combine contextos que no son comparables.
Un consejo práctico: sube primero dos fuentes y haz tres preguntas de control cuya respuesta ya conoces. Si el cuaderno falla en lo obvio, no sigas subiendo material hasta entender por qué.
¿Cómo convertir una respuesta en hallazgo?
Una respuesta con cita no es todavía un hallazgo. Para convertirla, escribe una frase que empiece por el sujeto (quién), siga con la conducta o la necesidad observada, y termine con la cita que la respalda. Si no puedes escribir la frase sin usar palabras que no aparecen en la fuente, la respuesta está inflando el dato.
Errores comunes
- Subir entrevistas con datos personales sin anonimizar.
- Creer que una respuesta es correcta porque tiene cita, sin abrir la fuente.
- Mezclar estudios de distintos años y clientes en un solo cuaderno.
- Confiar en los límites de un artículo de universidad o de este mismo artículo sin revisar la documentación vigente de Google.
- Pedir síntesis sin saber qué pregunta de investigación se quiere responder.
Fuentes
- Google, “NotebookLM is now Gemini Notebook” (blog, 16 de julio de 2026)
- Ayuda de Gemini Notebook: planes y límites de uso
- Ayuda de Gemini Notebook: privacidad y revisión humana
- Google Workspace, documentación para administradores: activar o desactivar NotebookLM (Gemini Notebook)
- Texas A&M (TAMU), guía de NotebookLM: citas en línea, formatos admitidos y restricciones de datos