Saltar a contenido

Uso de Google NotebookLM en 23people#

Propósito#

Usamos Google NotebookLM para producir presentaciones, reportes y otros documentos del día a día — operacional o estratégico — cuando esos documentos necesitan estar respaldados por fuentes verificables y citables.

A diferencia de un chat generalista, NotebookLM no recurre a su entrenamiento general cuando opera dentro de un cuaderno: trabaja exclusivamente sobre las fuentes que el equipo carga, y cada respuesta cita exactamente desde qué fuente se obtuvo la información. Esto permite a nuestros profesionales convertir conocimiento disperso (PDFs, documentos, vídeos, audios, URLs, hojas de cálculo, texto pegado) en artefactos utilizables — informes, presentaciones, mapas mentales, cuestionarios, tablas — sin sacrificar la trazabilidad de la fuente.

Su uso refuerza la cultura de empresa basada en datos para tomar decisiones: cualquier afirmación que termine en una presentación o reporte debería poder rastrearse hasta una fuente cargada en el cuaderno. Esto aplica tanto a datos internos (KPIs, reportes de gestión, documentación de proyectos, políticas) como a fuentes externas (papers, normativa, benchmarks, prensa especializada).

Importante

NotebookLM reduce las alucinaciones, pero puede citar fuentes sesgadas o de baja calidad — la calidad del resultado depende directamente de la calidad de las fuentes cargadas. Ver Garbage-in / Garbage-out.

¿Qué es NotebookLM y cómo nos ayuda?#

NotebookLM es una herramienta de Google que funciona como un conversor de conocimiento: nosotros le entregamos fuentes propias y la IA trabaja exclusivamente sobre ellas para devolver artefactos útiles. No responde "al aire" como un chat generalista — cada respuesta cita la fuente exacta desde donde se obtuvo la información.

La interfaz se entiende en tres zonas:

  • Fuentes (Sources) (panel izquierdo) — donde vive todo el contexto. PDFs, documentos, imágenes, audios, hojas de cálculo, EPUBs, URLs de webs, vídeos de YouTube, archivos de Drive, texto pegado directamente. Si aquí no hay buenas fuentes, todo lo demás pierde valor.
  • Chat (panel central) — donde se hacen preguntas, se piden resúmenes, comparaciones y explicaciones. Se puede activar o desactivar fuentes concretas, o trabajar con todas a la vez.
  • Studio (panel derecho) — donde se transforma la información en entregables. Informes, presentaciones, infografías, mapas mentales, cuestionarios, tarjetas didácticas, resúmenes de audio y vídeo, tablas de datos.

alt text

Cuándo rinde mejor en 23people — cuando se cumplen tres condiciones a la vez:

  1. Ya sabemos más o menos dónde está la información que necesitamos.
  2. Esa información está repartida en varios formatos distintos.
  3. Necesitamos respuestas fiables apoyadas en documentos reales, no en suposiciones.

Cuándo NO es la herramienta adecuada

NotebookLM es muy bueno cuando trabajamos con información que ya existe, pero no es la mejor herramienta para trabajo creativo — generar ideas desde cero, escribir contenido原创 o programar. Para esos casos siguen siendo mejores herramientas como Claude, Gemini o ChatGPT.

Workflow recomendado#

Esta es la secuencia de uso que seguimos en 23people para producir un entregable fiable (presentación, reporte, análisis) con NotebookLM. No es rígida — se adapta según el caso — pero seguir el orden reduce errores y re-trabajo.

Antes de empezar#

Definir el objetivo del cuaderno. Antes de cargar fuentes, tenemos claro qué entregable queremos producir (informe, presentación, comparación, etc.) y para qué audiencia. Si no podemos responder en una frase qué debe lograr el cuaderno, conviene replantear antes de seguir.

Preparar las fuentes que cargaremos. Recopilamos los PDFs, documentos, vídeos, audios, URLs, hojas de cálculo o textos que sabemos que son necesarios. Si la información es interna de 23people, verificamos que esté en el Drive o repositorio correspondiente.

Cargar y validar el cuaderno#

  1. Subir fuentes fiables. Cargamos las fuentes en el panel izquierdo. Si usamos búsqueda automática dentro de NotebookLM, no incluimos todas las sugeridas — quedarnos con 2 o 3 fuentes obliga a revisarlas. La búsqueda automática es conveniente, pero revisar la fuente final es obligatorio.
  2. Configurar la instrucción del cuaderno. En la configuración del cuaderno definimos el rol de la IA, qué tipo de información priorizar y cómo debe responder (idioma, formato, nivel de detalle). Si no sabemos qué poner, podemos pedirle a Claude o ChatGPT que genere esa instrucción a partir del objetivo del cuaderno y luego pegarla en NotebookLM.

  3. Validar el cuaderno antes de investigar. Antes de empezar a hacer preguntas de fondo, ejecutamos estos tres prompts — en este orden — para conocer el estado real de las fuentes:

    • "Analiza únicamente las fuentes de este cuaderno y dime en qué puntos no coinciden entre ellas o hay afirmaciones contradictorias."
    • "Basándote en estas fuentes, ¿qué temas importantes o preguntas clave sobre este tema están poco cubiertos o directamente no aparecen? Enumera los vacíos más importantes sin inventar información."
    • "¿Qué opiniones alternativas, menos comunes o incluso contrarias podrían no estar representadas en estas fuentes? Explica a alto nivel qué enfoques podrían faltar y qué tipo de fuentes tendría que buscar para encontrarlos."

Investigar en el chat#

  • Hacer preguntas específicas. Una pregunta a la vez, clara y delimitada. Cada respuesta de NotebookLM cita la fuente exacta — esa cita es la base de todo lo que produzcamos después.
  • Borrar el historial del chat cada vez que cambiamos de tópico dentro del mismo cuaderno. Así evitamos que arrastre contexto de un tema a otro y mezcle respuestas. Antes de borrar, revisamos si hay respuestas valiosas para guardar.
  • Convertir las respuestas valiosas en fuente. Si una respuesta del chat es especialmente útil (por ejemplo, un resumen que tardamos en construir), la guardamos como nota y la subimos como fuente del cuaderno. Así NotebookLM la tendrá en cuenta en futuras conversaciones y en lo que se genere en Studio.

Generar artefactos en Studio#

  • Elegir el tipo de artefacto adecuado al entregable: Informes, Presentaciones, Infografías, Mapas mentales, Cuestionarios/Flashcards, Resúmenes de audio, Resúmenes de vídeo o Tablas de datos.
  • Si el artefacto es visual (presentación, infografía), subir el manual de marca o guía de estilo como una fuente adicional y referenciarlo en las instrucciones de generación. NotebookLM mantiene mejor la coherencia visual cuando tiene una referencia explícita.
  • Pedir cambios con lenguaje natural sobre el artefacto ya generado. Las presentaciones se generan como imagen completa con el modelo Nano Banana de Gemini — esto da coherencia visual pero limita la edición manual, así que conviene ajustar con prompts en vez de intentar editar la imagen.
  • Descargar el artefacto (PDF o PowerPoint) y guardarlo en el repositorio o Drive correspondiente.

Revisar y validar antes de publicar#

  • Verificar que cada afirmación clave del artefacto esté respaldada por una fuente cargada en el cuaderno. Si una afirmación no se puede rastrear a una fuente, se elimina o se marca explícitamente como inferencia.
  • Confirmar que el artefacto refleja la cultura data-driven de 23people — los datos son verificables, las citas están presentes, las conclusiones se sostienen en las fuentes.
  • Hacer una revisión cruzada con al menos una persona del equipo que no haya participado en la construcción del cuaderno — esa persona detectará sesgos o vacíos que quien construyó el cuaderno ya no ve.

Garbage-in / Garbage-out#

La regla más importante al usar NotebookLM — y al usar IA en general — es: la calidad del resultado depende directamente de la calidad de las fuentes. NotebookLM reduce las alucinaciones porque trabaja solo sobre las fuentes que cargamos, pero no corrige fuentes sesgadas, desactualizadas o incorrectas. Si las fuentes son malas, el resultado es malo — aunque esté bien redactado y bien citado.

Esta regla tiene consecuencias concretas en 23people:

  • Una afirmación en una presentación o reporte que no se pueda rastrear a una fuente del cuaderno no debería llegar a la audiencia final. Si no hay fuente, se elimina o se marca explícitamente como opinión o inferencia.
  • Un reporte respaldado en fuentes internas desactualizadas es peor que un reporte sin fuentes, porque da una falsa sensación de rigor. Antes de cargar fuentes internas, verificamos que estén vigentes.
  • Cargar "más fuentes" no es mejor. Un cuaderno con 50 fuentes que nadie revisó es más riesgoso que uno con 5 fuentes curadas y entendidas. La cantidad sin curaduría es ruido.

Riesgo principal

NotebookLM puede citar fuentes sesgadas o de baja calidad con la misma confianza con que cita fuentes sólidas. La cita da trazabilidad, no validez. La validez la garantiza quien construyó el cuaderno, no la herramienta.

Cómo minimizar el riesgo en 23people#

  • Revisar antes de cargar. Antes de subir fuentes, revisamos: ¿la fuente es confiable? ¿está vigente? ¿representa el punto de vista correcto para este caso? Si la respuesta es "no sé", no se sube.
  • Pasar los 3 prompts de validación antes de investigar (ver Workflow recomendado).
  • Hacer una revisión cruzada con al menos una persona del equipo que no haya participado en la construcción del cuaderno — esa persona detectará sesgos o vacíos que quien construyó el cuaderno ya no ve.
  • Citar en el artefacto final. Cuando producimos un informe o presentación, las afirmaciones llevan la fuente visible. Esto refuerza la trazabilidad y permite a la audiencia verificar por sí misma.

La conexión con "empresa basada en datos"#

Usar NotebookLM bien — fuentes curadas, citas explícitas, revisión cruzada — no es solo una buena práctica de la herramienta: es la manifestación operativa de la cultura de empresa basada en datos para tomar decisiones. Una afirmación sin fuente es una opinión. Una afirmación con fuente verificable es un dato. La diferencia es lo que sostiene decisiones que pueden auditarse después.

Consideraciones importantes#

El contenido generado es un borrador, no un producto final#

NotebookLM produce artefactos que requieren revisión humana antes de publicarse o presentarse. Aunque la herramienta puede producir un informe o una presentación completa, esa salida es un punto de partida — no un documento listo para enviar a clientes, stakeholders o equipos externos. Cada profesional o equipo que use NotebookLM es responsable de:

  • Revisar el contenido generado.
  • Validar que las fuentes citadas son las correctas.
  • Confirmar que el tono y la redacción se ajustan al contexto de 23people.
  • Ajustar lo que sea necesario antes de cualquier publicación o distribución.

Seguridad y confidencialidad de la información#

Al usar NotebookLM, aplicamos las mismas reglas que con cualquier otra herramienta de IA en 23people:

  • No cargar información que no cargaríamos en una herramienta de terceros. NotebookLM es un servicio de Google — lo que subimos queda sujeto a sus términos de servicio. Si una fuente contiene datos sensibles (clientes, contratos, remuneraciones, datos personales), evaluamos previamente si corresponde subirla.
  • No incluir credenciales, contraseñas ni información personal en las fuentes ni en los chats.
  • Datos personales de terceros se manejan según las políticas de protección de datos de 23people — si necesitamos procesar datos personales, lo hacemos dentro de las herramientas y procesos autorizados, no en cuadernos abiertos de NotebookLM.
  • Para contenido estratégico o confidencial, evaluamos si conviene usar NotebookLM o restringir el procesamiento a canales internos. La regla general: si el contenido es demasiado sensible para aparecer en un chat de Google, no lo cargamos en NotebookLM.

Limitaciones de la herramienta#

  • Idioma. NotebookLM responde en múltiples idiomas, pero algunas funciones interactivas (como interrumpir y preguntar durante un resumen de audio) están más desarrolladas en inglés que en español. Para contenido en español, validamos el resultado final manualmente.
  • Alcance. NotebookLM no navega la web en tiempo real, no accede a nuestros sistemas internos y no reemplaza herramientas especializadas (cálculo financiero, modelamiento, diseño gráfico profesional). Lo usamos donde aporta valor, no donde otra herramienta es objetivamente mejor.
  • Sesgo de fuente. Como vimos en Garbage-in / Garbage-out, la herramienta no detecta sesgos por sí sola. La calidad del análisis depende de la curaduría humana.

Responsabilidad del equipo#

En línea con las prácticas generales de 23people:

  • El equipo que construye el cuaderno es responsable de la curaduría de fuentes y de la validación final del artefacto producido.
  • Cualquier profesional puede usar NotebookLM para trabajo interno del equipo — pero los entregables que cruzan límites de la organización pasan por la revisión correspondiente.

Cuándo NO usar NotebookLM#

Aunque NotebookLM es una herramienta potente, no siempre es la opción correcta. Usarla donde no corresponde genera más re-trabajo que valor. A continuación, escenarios concretos en 23people donde conviene usar otra herramienta.

Para generar ideas o contenido creativo#

NotebookLM resume, compara y sintetiza fuentes — no genera ideas desde cero. Si la tarea es brainstorming, conceptualización o escritura creativa, herramientas como Claude, Gemini o ChatGPT son más adecuadas: pueden construir sobre una indicación breve sin requerir un set de fuentes previo.

Para cálculos, modelamiento o análisis numérico riguroso#

Si el entregable requiere cálculos financieros, modelos predictivos, simulaciones o análisis estadístico, usamos herramientas especializadas (Excel, herramientas de BI, lenguajes de modelamiento). NotebookLM puede extraer números de fuentes, pero no es la herramienta para operar sobre ellos.

Para diseño gráfico profesional o producción audiovisual definitiva#

Las presentaciones e infografías de NotebookLM son útiles como borradores rápidos y para iterar sobre ideas, pero no reemplazan el trabajo de un diseñador profesional cuando el entregable requiere calidad visual de cliente. Para producción visual definitiva, usamos las herramientas y procesos de diseño establecidos en 23people.

Para tareas con datos en tiempo real o sistemas internos#

NotebookLM no navega la web en tiempo real y no accede a nuestros sistemas internos (CRM, ERP, plataformas internas). Si necesitamos datos vivos o información desde nuestros sistemas, los exportamos y los cargamos como fuente — o usamos directamente la herramienta nativa del sistema.

Cuando la información disponible no es confiable#

Si las fuentes que tenemos sobre un tema no son confiables, están desactualizadas o son contradictorias, NotebookLM no aporta valor — solo encadena citas de baja calidad. En estos casos, primero curamos fuentes mejores; si no existen, replanteamos si conviene usar IA en absoluto.

Regla general

Si una tarea se resuelve mejor con una herramienta especializada o con criterio humano directo, usamos esa herramienta. NotebookLM es una opción entre varias, no la herramienta por defecto para todo.

Soporte y mejora continua#

Esta guía es un documento vivo. A medida que los equipos de 23people usamos NotebookLM en casos reales, vamos identificando mejores prácticas, casos de uso recurrentes y patrones que conviene documentar. Las contribuciones son bienvenidas.

Referencias#