苦労してRAGシステムを構築しても消えなかった「AIの嘘」が、NotebookLMで静かに解決した。その理由と、即時専門性という概念を整理する。
「このデータは〇〇省の統計によると……」──自信満々に答えてくれるのに、参照先を確認するとそんな記述は存在しない。
生成AIを業務に使い始めて最初にぶつかる壁が、これだ。
ハルシネーション。AIが事実ではない情報を、あたかも事実であるかのように答えてしまう現象。対策としてRAGシステムを構築した。ベクトルインデックスの設定、チャンクサイズの調整、プロンプトエンジニアリング。相当な時間と費用をかけた。
それでも、完全には消えなかった。
NotebookLMを触った瞬間、体感がまるで違った。
そもそも、なぜAIは「嘘をつく」のか
整理しておく。
大規模言語モデル（LLM）は、膨大な学習データからパターンを学習し「次に来るべき言葉」を予測する仕組みだ。「正しいことを答える」のではなく、「それらしい文章を生成する」のが本質である。
だから知らないことを聞かれても「知らない」とは言わない。それらしい答えを作ってしまう。
これを防ぐアプローチがRAG（Retrieval-Augmented Generation）だ。「まず正しい資料を検索し、その資料だけを根拠に答える」という仕組み。本格的に構築しようとすると、コストも時間も相当かかる。そして、それでもハルシネーションはゼロにはならない。
問題は設計の複雑さではなかった。AIが「何を根拠に答えているか」が見えないことだった。
NotebookLMが違う理由──根拠の透明性
NotebookLMは、Googleが提供するAIノートツールだ。PDFや文書、YouTubeの動画、Webページ──自分でアップロードしたソースだけを根拠に回答する。
一般的な生成AIとの違いはシンプルだ。
| 比較項目 | 一般的な生成AI | NotebookLM |
|---|---|---|
| 回答の根拠 | 学習データ全体 | アップロード資料のみ |
| ハルシネーション | 高〜中リスク | 最小化 |
| 出典の明示 | 不明確 | 段落単位で引用 |
| 最新・専門資料の参照 | 不可 | 即座に対応 |
| 導入コスト | 無料〜月額数千円 | 無料（Workspace含む） |
決定的な違いは「出典の明示」だ。
NotebookLMは回答の末尾に「この資料の第3章より」「PDFの7ページより」と、ページ・段落単位で出典を表示する。答えがどこから来たのかが一目でわかる。これが、多大な労力をかけて構築しようとしていたRAGシステムの本質だった──ずっと簡単な形で、すでに実装されていた。
「即時専門性」という概念
これがNotebookLMを使って最も驚いた点だ。
不動産鑑定の評価書、都市計画の告示文書、農地転用の許可基準──こういった専門資料は、一般の生成AIには学習されていない。聞いても「一般論」しか返ってこない。
NotebookLMにその資料をアップロードすると、数分後には「その資料の専門家」として振る舞う。
「この評価書において、取引事例比較法の査定根拠は？」
「農地法第5条の適用除外にあたる条件は、本件で満たされているか？」
こういった質問に、資料を根拠として正確に答えてくれる。自社の内部資料、最新の法改正通知、業界固有のマニュアル──どんな専門文書でもアップロードした瞬間から専門家化できる。
これが即時専門性だ。外部のコンサルに聞く前に、まずNotebookLMに聞く。そういう使い方が成立する。
使い方は3ステップで終わる
難しい設定は一切ない。
1. ソースをアップロードする
PDF、Word、テキスト、Webページ、YouTube URLをドラッグ＆ドロップ。最大50ソース。
2. 質問する
「この資料の要点を教えて」「〇〇の条件に合致する箇所はどこ？」と話しかけるだけ。
3. 出典を確認する
回答に付いた引用番号をクリックすると、元のソースの該当箇所が表示される。
APIの設定もベクトルDBの構築も不要。Googleアカウントがあれば今すぐ使える。Google Workspaceユーザーなら追加費用ゼロだ。
本格RAGシステムとの正直な比較
「NotebookLMで全部できるなら、RAG構築は不要？」──そうではない。
本格RAGは「大規模・組織全体・システム統合」向け。NotebookLMは「個人・チーム・今すぐ・特定資料」向けだ。
苦労して構築しようとしたことの8割は、NotebookLMで十分だった。残り2割のために本格RAGが必要、という話だ。
まとめ──入力の「層」を上げる
ハルシネーションの根本原因は、AIが「何を根拠にしているか見えない」ことにある。
NotebookLMはその透明性を担保する。アップロードした資料のみを根拠にし、出典をページ・段落単位で明示する。どんな専門文書でもアップロードした瞬間から即時専門家として機能する。
本格RAGで数ヶ月かけて実現しようとしたことが、今日から始められる。
最初の一歩は、手元の専門資料をひとつアップロードして「この資料のポイントを教えて」と話しかけることだ。
やってみてわかることが、必ずある。
コメント