NotebookLM이냐 ChatGPT냐…자료를 고정할지 웹을 넓힐지가 갈린다

논문·보고서·수업자료가 이미 정해진 과제라면 NotebookLM에서 그 자료를 선택해 질문하는 편이 적합하다. 주제만 정해져 있고 새 문헌을 찾아야 한다면 ChatGPT Deep Research로 조사 범위를 넓히는 편이 낫다. 연구 도구 비교 분석도 미리 정한 자료를 깊이 읽는 일과 조사하면서 근거를 발견하는 일을 두 도구의 핵심적인 선택 기준으로 구분한다.

Google은 제품 명칭 변경 안내에서 NotebookLM의 현재 이름이 Gemini Notebook이며 독립형 연구 도구로 계속 운영된다고 밝혔다. 이 글에서는 익숙한 이름인 NotebookLM을 쓴다. NotebookLM도 웹에서 자료를 찾을 수 있고 ChatGPT도 지정한 자료를 조사할 수 있으므로, 인터넷 검색 가능 여부만으로 둘을 나누면 실제 차이를 놓친다.

자료의 경계부터 정해야 한다

도구 선택은 답을 뒷받침할 자료의 목록이 과제 시작 전에 정해져 있는지에 달려 있다. 지정된 논문으로 이론을 설명하는 수업 과제에서는 더 최신의 웹 설명을 찾더라도 이를 지정 논문의 주장으로 섞어 쓰면 안 된다. 반대로 최근 연구 동향을 조사한다면 처음 받은 문서만 읽고 끝내는 방식으로는 후속 연구나 다른 결과를 발견하기 어렵다.

보고서에서도 같은 구분이 필요하다. 승인된 기관 자료만 근거로 삼는 검토라면 출처의 범위를 유지하면서 각 문장이 어느 자료에 기대는지 추적해야 한다. 조사 주제와 질문만 정해진 보고서라면 관련 기관, 논문, 반대 근거를 찾는 과정부터 시작해야 한다. 앞의 과제에서는 출처 통제가, 뒤의 과제에서는 자료 발견과 선별이 먼저다.

두 요구가 한 과제에 들어 있을 수도 있다. 가령 새 문헌으로 연구 범위를 파악한 다음, 채택한 논문만으로 주장 간 차이를 정리하는 경우다. 이때 검색 결과에 나타났다는 이유만으로 문서를 최종 근거에 포함해서는 안 된다. 연구 질문과 관련성, 발표 주체, 방법을 살펴 자료를 채택하는 판단이 중간에 들어간다.

제공된 문서만 써야 한다면 NotebookLM

NotebookLM은 질문에 사용할 소스를 연구자가 직접 고를 수 있다는 점에서 지정 자료를 다루기 쉽다. 강의안과 논문을 함께 넣더라도 지금 묻는 질문에 필요한 소스만 선택하면, 답을 읽을 때 참조 범위를 분명히 할 수 있다. 단순히 파일을 많이 올리는 것보다 같은 과제에 속하는 문서들을 묶고, 서로 다른 버전은 구분하는 일이 중요하다.

예를 들어 교수자가 지정한 논문들에서 같은 개념의 정의를 비교해야 한다고 가정해 보자. 논문마다 사용한 표현과 연구 대상을 묻고, 답의 인용을 따라 해당 대목으로 돌아가는 흐름이 이 과제에 맞다. 웹에서 찾은 일반 설명이 매끄럽더라도 지정 논문이 실제로 사용한 정의를 대신할 수는 없다.

자료를 고정한다는 말은 제품에서 웹 검색을 꺼야 한다는 뜻이 아니다. 웹에서 찾은 문서도 소스로 가져올 수 있지만, 일반적인 소스 기반 질문에서는 노트북에 포함하고 선택한 자료가 답의 근거가 된다. 따라서 조사 중 새 자료를 들여왔다면 이전 질문과 이후 질문이 같은 자료 집합을 사용했는지 구분해야 비교가 정확하다.

자료 목록을 오래 유지하는 프로젝트라면 원본의 변경에도 주의해야 한다. Google의 소스 관리 안내에 따르면 무료 사용자는 노트북에 최대 50개 소스를 넣을 수 있고, Google Drive에서 가져온 파일은 원본의 변경 사항이 자동으로 동기화된다. 같은 파일 이름을 계속 쓰더라도 내용이 바뀌면 과거의 답과 현재의 답은 서로 다른 문서를 바탕으로 할 수 있다.

새 근거를 찾아야 한다면 ChatGPT Deep Research

참고문헌이 아직 확정되지 않았다면 ChatGPT Deep Research의 조사 계획과 웹 탐색 기능이 유용하다. OpenAI의 Deep Research 안내에 따르면 공개 웹과 업로드한 파일을 조사할 수 있으며, 특정 사이트만 검색하거나 해당 사이트를 우선하면서 더 넓은 웹을 탐색하도록 설정할 수 있다. 조사가 끝나면 인용 또는 출처 링크, 사용한 출처 목록, 조사 이력이 포함된 보고서를 받는다.

문헌검토를 시작하는 상황이라면 기존 논문에서 쓰인 용어를 출발점으로 후속 연구를 찾는 식으로 활용할 수 있다. 같은 주제의 다른 측정 방식이나 상반된 결과가 있는지도 조사 범위에 넣을 수 있다. 이 과정에서 발견한 문서는 후보 자료다. 검색에 잡혔다는 사실과 과제의 근거로 적합하다는 판단은 별개다.

조사 범위를 정할 때는 필요한 자료의 종류를 구체화하는 편이 좋다. 한국의 제도나 수업 맥락이 핵심이라면 관련 지역의 기관 자료가 필요한지부터 정해야 하고, 학술적 결론이 필요하다면 원논문과 해설 글을 구별해야 한다. 사이트를 엄격히 제한하면 자료의 성격을 통제하기 쉽지만, 제한 밖에 있는 후속 연구나 반론을 놓칠 가능성도 함께 생긴다.

NotebookLM 역시 웹 자료 검색과 Deep Research를 제공한다. 차이는 웹에 닿을 수 있는 제품이 어느 쪽인가보다, 찾은 자료를 이후 작업에 어떻게 남길 것인가에 가깝다. NotebookLM에서는 발견한 결과 가운데 노트북의 소스로 가져올 항목을 고르고 그 집합에 다시 질문할 수 있다. ChatGPT Deep Research에서는 조사 범위와 계획을 조정해 여러 출처를 종합한 보고서를 얻는 흐름이 중심이다.

인용은 두 과제에서 다른 것을 확인하게 한다

NotebookLM의 인용은 답의 문구가 선택한 자료의 어느 대목과 연결되는지 살펴보는 데 쓰인다. Google의 채팅 기능 안내는 인용을 선택하면 인용된 문구의 원래 위치로 이동해 문맥을 볼 수 있다고 설명한다. 원문에 같은 단어가 있다는 것만으로 요약 전체가 맞는 것은 아니므로, 문장 앞뒤의 조건과 예외까지 읽어야 한다.

논문들을 한 문장으로 묶어 설명할 때는 특히 연구 대상과 측정 기준이 같은지 살펴야 한다. 한 논문은 학생의 성취도를, 다른 논문은 만족도를 다뤘다면 두 결과를 같은 효과로 합칠 수 없다. NotebookLM의 자료 범위가 명확해도, 자료 사이의 차이를 해석하는 판단까지 자동으로 확정되는 것은 아니다.

ChatGPT Deep Research에서는 먼저 찾아낸 페이지가 주장에 알맞은 근거인지 봐야 한다. 기관의 소개 글은 제도의 개요를 설명할 수 있지만, 연구 결과의 수치나 방법을 따질 때는 원논문이 더 직접적인 자료다. 보고서의 문장에 링크가 붙어 있어도 그 링크가 같은 대상, 기간, 지역을 다루는지는 별도로 확인해야 한다.

따라서 검증 질문도 달라진다. 지정 자료를 읽는 과제에서는 “허용된 문서가 실제로 이 말을 하는가”가 핵심이다. 열린 조사를 하는 과제에서는 “발견한 문서가 이 결론을 뒷받침할 만큼 적절한가”까지 판단해야 한다. 인용 표시는 원문에 도달하는 길을 줄여 주지만, 근거의 적합성을 판정해 주지는 않는다.

파일 한도는 자료를 나누는 방식에 영향을 준다

노트북의 소스 한도는 자료가 많은 과제에서 먼저 부딪히는 제약이다. 같은 논문의 중복 파일, 오래된 강의안, 주제와 무관한 참고자료를 모두 넣으면 정작 비교할 문서를 담을 여유가 줄어든다. 자료를 덜 넣기 위해 중요한 반대 근거를 버릴 수는 없으므로, 과제의 질문과 직접 관계없는 파일부터 구분하는 편이 낫다.

서로 다른 학기의 수업자료를 한 노트북에 넣는 경우도 신중해야 한다. 제목이 같은 강의안이라도 정의나 과제 기준이 달라졌다면 답이 어느 학기의 내용을 가리키는지 혼동할 수 있다. 반면 같은 연구 질문을 다루는 논문들이라면 한 자료 집합에서 차이를 묻는 편이 자연스럽다. 파일 수보다 문서들을 함께 해석할 이유가 있는지가 더 중요한 기준이다.

ChatGPT Deep Research의 사용 가능량은 요금제에 따라 달라지므로 반복 조사를 계획할 때는 계정에 표시된 남은 사용량도 확인할 필요가 있다. 이미 채택한 논문을 다시 읽는 단계까지 매번 넓은 웹 조사를 할 이유는 적다. 출처를 발견하는 작업과 확정된 문서를 분석하는 작업을 나누면 조사 횟수뿐 아니라 검토해야 할 근거의 범위도 분명해진다.

초안으로 옮길 때 남는 결과가 다르다

수업 복습자료나 논문별 쟁점표를 만들려면 같은 자료에 여러 질문을 던지며 정의와 근거를 정리할 수 있어야 한다. NotebookLM의 노트북은 채택한 소스를 보관한 채 질문을 이어 가는 단위가 된다. 다만 초안에 옮긴 문장이 원문에서 어떤 조건 아래 성립하는지는 최종 글에서도 다시 확인해야 한다.

ChatGPT Deep Research는 찾아낸 자료를 종합한 구조화된 보고서를 출발점으로 삼기 좋다. 목차와 출처 목록을 보며 빠진 관점을 살필 수 있고, 완성된 조사 결과를 문서 형식으로 내려받아 초안을 다듬을 수 있다. 그렇다고 조사 보고서의 모든 문장을 제출용 글에 그대로 옮길 수 있는 것은 아니다. 최종 글에서 주장과 인용의 연결이 유지되는지 다시 살펴야 한다.

두 도구를 이어 쓰는 과제라면 경계가 한 번 더 생긴다. 웹 조사에서 나온 후보 문서를 검토해 채택하고, 그 문서들만 노트북에 넣으면 이후의 질문은 확정된 자료 집합을 향한다. 후보 목록과 채택 목록을 구분해 두면 검색 과정에서 잠깐 본 설명이 어느새 최종 근거로 섞이는 일을 줄일 수 있다.

최종 선택은 과제의 첫 단계가 무엇인지에 달려 있다. 지정된 자료의 주장과 인용을 추적하는 데서 시작한다면 NotebookLM이 맞고, 근거가 될 문헌을 찾는 데서 시작한다면 ChatGPT Deep Research가 맞다. 문헌 탐색 뒤에 출처가 확정되는 과제라면 두 흐름은 순서대로 이어질 수 있다.

함께 읽기:

• Riverside vs Descript: 한국어 팟캐스트는 선택지가 이미 갈린다
• 벤처대출이냐 매출연동금융이냐…고정 상환이 선택을 가른다
• Crunchbase냐 PitchBook이냐…투자 발굴과 심사는 다른 도구다