Elke chatbot heeft hetzelfde probleem: hij weet te veel en verzint te makkelijk.

NotebookLM lost dat op met een radicale keuze. Het antwoordt alleen uit documenten die jij zelf hebt geüpload. Staat het er niet in, dan krijg je geen antwoord.

Klinkt beperkend. Is bevrijdend.

Waarom die beperking zo goed uitpakt

Verzinsels ontstaan doordat een model probeert een gat te vullen dat het niet kan vullen. Haal je die mogelijkheid weg, dan verdwijnt het grootste deel van het probleem.

Vraag je iets wat niet in je documenten staat, dan zegt NotebookLM dat gewoon. En bij elk antwoord staat een verwijzing naar de exacte passage in jouw bestand, zodat je met één klik kunt controleren of het klopt.

Dat is het verschil tussen "ik denk dat het zo zit" en "kijk, pagina 43".

Wat je erin kunt gooien

Pdf's, Google Docs, websites, losse tekst en YouTube-video's, waarbij het van die laatste de gesproken tekst uitleest. Meerdere bestanden tegelijk, allemaal in één notitieboek waarover je vragen kunt stellen.

Voor studie, onderzoek of het doorspitten van een dossier is dat een compleet andere manier van werken.

De functie waar iedereen door verrast wordt

Je kunt van je documenten een gesprek laten maken. Twee AI-stemmen die jouw materiaal bespreken alsof het een podcastaflevering is, met vragen, tegenwerpingen en uitleg.

Ik lachte erom toen ik het voor het eerst zag. Een gimmick, dacht ik.

Toen heb ik mijn eigen technische documentatie erin gegooid en het onderweg naar het werk beluisterd. Ik hoorde twee dingen die ik zelf over het hoofd had gezien in tekst die ik zelf had geschreven.

Dat was een ongemakkelijk moment. En het overtuigde me meteen.

Waar het tekortschiet

Het schrijft niet voor je. Vraag om een blogpost op basis van je bronnen en je krijgt iets correct maar houterigs. Dit is een leestool, geen schrijftool.

Het zoekt ook niet op het web. Wil je actuele informatie, dan moet je die zelf aanleveren. Dat is precies de bedoeling, maar het betekent wel dat je dit naast andere tools gebruikt en niet in plaats daarvan.

En je data staat bij Google op de server. Voor je studieaantekeningen prima. Voor vertrouwelijke klantdossiers zou ik eerst goed nalezen welke afspraken er in jouw abonnement gelden.

Wat kost het?

De gratis versie is ruim: ongeveer honderd notitieboeken, vijftig bronnen per boek en vijftig chatvragen per dag. Voor de meeste mensen is dat gewoon genoeg.

Wil je meer, dan zit NotebookLM ingebakken in de Google AI-abonnementen. De instap begint rond de 8 dollar per maand en verdubbelt de limieten grofweg: tweehonderd notitieboeken, honderd bronnen per boek, tweehonderd vragen per dag. Je krijgt er ook betere toegang tot Gemini bij, wat de rekensom aantrekkelijker maakt dan hij op het eerste gezicht lijkt.

Voor die prijs is dit een van de weinige AI-abonnementen waarbij ik niet hoef na te denken.

Voor wie is dit gemaakt?

Studenten die tentamenstof moeten doorgronden. Onderzoekers met een stapel papers. Ondernemers die een contract of een rapport moeten begrijpen zonder een jurist te bellen. Iedereen die met veel documenten werkt en er iets uit moet halen.

Werk je vooral met korte teksten en snelle vragen? Dan voegt dit weinig toe boven een gewone chatbot.

Waarin het verschilt van een gewone chatbot

Dit is het punt waar mensen afhaken: "kan ik mijn pdf niet gewoon in ChatGPT gooien?"

Dat kan. Alleen doet die iets anders. Een gewone chatbot leest je document en mengt dat met alles wat hij verder al weet, waardoor je nooit zeker weet of een antwoord uit jouw bestand komt of uit zijn eigen geheugen.

Bij NotebookLM is die grens hard. Wat je terugkrijgt komt aantoonbaar uit jouw materiaal, met de vindplaats erbij.

Voor een vrijblijvende vraag maakt dat weinig uit. Voor een contract, een studieopdracht of een rapport waar je je naam onder zet, is het het verschil tussen gokken en weten.

Dat kost je wel iets. Je mist de creativiteit en de brede kennis van een gewone chatbot volledig. Deze tool denkt niet met je mee, hij leest voor je.

Zo haal je er in tien minuten iets uit

Begin met één document waar je echt iets mee moet. Geen testbestand, geen willekeurige pdf — iets waar je al weken tegenaan kijkt.

Stel dan geen brede vragen maar precieze. "Vat dit samen" levert iets vlaks op. "Welke verplichtingen liggen bij mij en op welke pagina staat dat" levert iets bruikbaars op.

Vier vragen die bij mij bijna altijd wat opleveren:

Wat staat hier over [onderwerp] en waar precies?

Welke verplichtingen of deadlines staan hierin?

Waar spreken deze twee documenten elkaar tegen?

Wat ontbreekt er in dit stuk dat je zou verwachten?

Die laatste is mijn favoriet. Een model dat kan zien wat er níet staat, is verrassend nuttig bij contracten en offertes.

Wat het niet voor je oplost

Slechte bronnen blijven slechte bronnen. Gooi je er drie ondermaatse rapporten in, dan krijg je een keurig antwoord op basis van ondermaatse rapporten.

Kwaliteit erin, kwaliteit eruit. Zo simpel is het, en zo vaak wordt het vergeten.

Waarom bijna niemand het gebruikt

Google is er slecht in om dit soort dingen onder de aandacht te brengen. Geen grote campagne, geen prominente knop in producten die je toch al gebruikt, geen duidelijk verhaal over waarvoor het bedoeld is.

Dat is zonde, want dit is een van de weinige AI-producten waarbij ik zonder aarzeling zeg: dit maakt je werk aantoonbaar beter, niet alleen sneller.

Probeer het een keer met een document waar je al weken tegenaan hikt. Kost je tien minuten. En kom daarna terug om me te vertellen of ik overdrijf.