3장까지 노트북 안에 자료가 한 뭉치 쌓였습니다. 시장 통계 보고서, 경쟁사 페이지, 사용자 인터뷰 녹취, 후기, 페르소나 카드, SWOT, 그리고 작가 자신이 적은 메모까지. 이쯤 되면 한 가지 문제가 시작됩니다. 챗봇의 답변이 점점 두루뭉술해지고, 같은 질문을 두 번 했을 때 다른 답이 나옵니다. 노트북이 무거워질수록 답변의 평균 품질은 떨어지는 게 자연스러운 일입니다. 4장의 첫 강의는 이 문제를 정면에서 다룹니다 — 모든 소스를 똑같은 무게로 두지 않고, 핵심 소스만 골라서 그 위에서 대화하는 법입니다.

1. 모든 소스가 같은 무게가 아니다

NotebookLM은 기본값으로 노트북 안의 모든 소스를 한꺼번에 본다고 가정합니다. 자료가 5개일 때는 이 가정이 잘 맞습니다. 자료가 30개가 되면 어긋나기 시작합니다. 이유는 단순합니다 — 작가에게 30개 자료의 신뢰도가 다 다른데, 챗봇은 그 차이를 모르기 때문입니다.

노트북 안의 자료들 사이에 등급을 매기는 일은 챗봇이 못 하고 사람만 할 수 있습니다.

3장에서 자료 신뢰도 검증 강의를 거쳤다면 이미 어느 자료가 더 무거운지 감이 있을 것입니다. 그 감을 챗봇에 한 번 옮겨 주는 작업이 4장 첫 강의의 핵심입니다.

2. 선별 채팅

앞에서 만든 등급별 자료를 노트북에서 질문으로 요약하고, 메모로 남겨 소스로 전환하세요.

앞에서 대화를 나누었던 자료별 등급을 메모로 추가해줘.

이러면 오른쪽 Studio 패널에 메모가 생긴 것을 확인할 수 있습니다. 내용을 확인해서 소스에 넣어주세요.

NotebookLM에는 소스 패널 왼쪽의 체크박스가 있습니다. 이제 필요 없는 자료는 삭제하거나 체크를 풀어주세요. 이렇게 하면 챗봇은 체크된 소스만 근거로 답변을 만듭니다.

선별 채팅이 유용한 순간은 다음 다섯 가지입니다.

3. 핵심 소스를 정하는 네 가지 기준

작가가 자료에 등급을 매길 때 사용할 수 있는 기준은 많지만, 1인 창업자의 시간을 아끼려면 다음 네 가지면 충분합니다.

1. 출처가 1차냐 2차냐. 통계청·KDI·정부 발간 보고서는 1차, 그 통계를 인용한 신문 기사는 2차입니다. 같은 숫자가 들어 있어도 1차가 항상 무겁습니다.
2. 사용자가 직접 한 말이냐 아니냐. 인터뷰 녹취·후기·커뮤니티 글은 가공되지 않은 사용자 목소리입니다. 이 자료들은 따로 묶어 둡니다.
3. 시간이 얼마나 지났는가. 1년 이상 묵은 시장 자료는 일단 의심합니다. 노트북에 넣되 핵심 소스에서는 빼는 편이 안전합니다.
4. 반박할 수 있는 자료가 같이 있는가. 한쪽 입장만 있는 노트북은 챗봇을 한쪽으로 끌고 갑니다. 일부러 반대편 자료를 1~2개 넣어 둔 자료가 핵심 소스에 들어갈 만한 자료입니다.

4. 자주 빠지는 함정

• 모든 소스를 핵심으로 분류한다. 기준이 너그러우면 1층이 25개가 됩니다. 그러면 분류가 의미 없어집니다. 핵심 소스는 10개 안쪽으로 강제로 줄이는 편이 결과가 좋습니다. 줄일 자신이 없으면 "이 자료가 사라지면 사업계획서의 어떤 한 문장이 사라지는가"를 물어보고, 답이 없는 자료는 1층에서 빼냅니다.
• 선별 채팅에서 일반 채팅으로 돌아가는 걸 잊는다. 진지한 질문이 끝나면 소스 체크를 다시 풀어 두는 것을 잊지 마세요. 다음 날 평범한 탐색 질문을 던졌는데 답변이 좁게 나오면, 어제의 체크 상태가 그대로 남아 있던 경우가 가장 흔합니다.
• 소스의 신뢰도 등급을 챗봇에게 맡긴다. "이 자료들 중에 가장 믿을 만한 것을 골라줘"라는 질문은 의외로 자주 통합니다. 다만 그 결과를 그대로 받아들이지 말고, 위의 네 가지 기준에 비춰 사람이 한 번 더 검수합니다. 등급은 사람의 책임입니다.