NotebookLM (ปัจจุบันคือ Gemini Notebook)

NotebookLM คือ AI แบบสมุดโน้ตของ Google ที่สรุป ตอบคำถาม และสร้างเสียงบรรยายโดยอิงเฉพาะเอกสารที่อัปโหลด ปัจจุบันเปลี่ยนชื่อเป็น Gemini Notebook แล้ว
NotebookLM คือ AI แบบสมุดโน้ตของ Google ที่ให้ผู้ใช้อัปโหลดเอกสารของตัวเอง แล้วสรุป ตอบคำถาม และสร้างเสียงบรรยายโดยอิงเฉพาะเอกสารนั้น Google ได้เปลี่ยนชื่อ NotebookLM เป็น "Gemini Notebook" แล้ว โดยตัวผลิตภัณฑ์ยังเหมือนเดิม เปลี่ยนเพียงชื่อและการเชื่อมต่อบางส่วน หน้านี้อธิบายโดยใช้ชื่อเดิมที่คนยังค้นหากันมาก
ต่างจากแชท AI ทั่วไปอย่างไร
แชท AI ทั่วไปตอบจากความรู้ที่เรียนมาแล้ว แต่ NotebookLM ตอบเฉพาะสิ่งที่อยู่ในเอกสารที่อัปโหลด และแสดงเลขอ้างอิงไปยังตำแหน่งต้นทาง ถ้าถามเรื่องที่ไม่มีในเอกสารจะตอบว่า "ไม่พบ" จึงเกิด Hallucination ได้ยาก นี่คือแนวคิด Grounding โดยตรง ในทางกลับกัน คุณภาพของเอกสารก็คือคุณภาพของคำตอบ
เอกสารที่ใช้ได้และสิ่งที่สร้างได้
แหล่งข้อมูล (Sources) ใช้ได้ทั้ง PDF, Google Docs/Slides, หน้าเว็บ, วิดีโอ YouTube, ไฟล์เสียง และข้อความที่วางลงไป จากนั้นสร้างได้ดังนี้
- สรุปและถาม-ตอบพร้อมการอ้างอิง
- เสียงบรรยายแบบสนทนาของคนสองคน (Audio Overview) และวิดีโอบรรยายแบบสไลด์
- Mind Map, คู่มือการเรียน, FAQ, แบบทดสอบ, สไลด์, อินโฟกราฟิก และตารางข้อมูล
พร้อมกับการเปลี่ยนชื่อ Google ยังประกาศฟีเจอร์รันโค้ดเพื่อวิเคราะห์ข้อมูลในสมุดโน้ต และการซิงก์สมุดโน้ตกับแอป Gemini
ค่าใช้จ่าย
ฟีเจอร์พื้นฐานใช้ได้ฟรี ส่วนเวอร์ชันเสียเงินรวมอยู่ในแพ็กเกจ AI แบบเสียเงินของ Google (เช่น Google AI Pro) และแพ็กเกจ Google Workspace ซึ่งเพิ่มจำนวนเอกสารต่อสมุดโน้ต จำนวนคำถามต่อวัน และจำนวนครั้งที่สร้างเสียงหรือวิดีโอบรรยาย เพดานและชื่อแพ็กเกจเปลี่ยนได้ ควรตรวจสอบจากเว็บไซต์ทางการ
ข้อควรระวังเมื่อใช้ในงาน
บัญชีส่วนตัวกับบัญชี Workspace มีเงื่อนไขการจัดการข้อมูลต่างกัน เอกสารลับควรใช้ผ่านบัญชีองค์กรภายในขอบเขตที่ผู้ดูแลระบบเปิดให้ จำนวนเอกสารต่อสมุดโน้ตมีเพดาน และการจัดการสิทธิ์ยังไม่ละเอียด หากต้องการค้นเอกสารทั้งองค์กร การสร้าง RAG ภายในจะเหมาะกว่า แม้จะมีการอ้างอิง บทสรุปก็ยังมีการตีความของ AI สัญญาและตัวเลขควรตรวจจากต้นฉบับ
การใช้เตรียมตัวก่อนอบรมหรือก่อนประชุมมักเห็นผลเร็ว ตัวอย่างการใช้ในการอบรมภายในอยู่ในบทความ การใช้ AI เพื่อการอบรมและถ่ายทอดความรู้ในองค์กร บริษัทของเราช่วยสร้างระบบค้นเอกสารระดับองค์กรและ AI ภายใน ผ่านบริการ AI・DX
บทความที่กล่าวถึงคำศัพท์นี้
- Edge AI คืออะไร? ทำความรู้จัก On-device LLM และวิธีเลือกใช้งานในธุรกิจเรียนรู้พื้นฐาน Edge AI และ On-device LLM พร้อมวิธีออกแบบระบบสำหรับงานที่ต้องการความหน่วงต่ำ ข้อมูลห้ามรั่วไหล และพื้นที่ที่สัญญาณไม่เสถียร
- วิธีที่ SME ไทยลดต้นทุนการตลาดด้วย Generative AIอธิบายวิธีที่ SME ไทยลดต้นทุนสร้างคอนเทนต์ SNS และ EC ด้วย Generative AI พร้อมขั้นตอนปฏิบัติจริงสำหรับสร้างภาพ วิดีโอ และข้อความสำหรับ LINE และ TikTok
- คู่มือการออกแบบการประเมิน AI Agent — การเรียกใช้เครื่องมือ, รอยทางการทำงาน และการตรวจจับการถดถอยสำหรับ AI Agent นั้น สิ่งที่ขาดไม่ได้ไม่ใช่เพียงแค่ผลลัพธ์สุดท้าย แต่รวมถึงการตรวจสอบการเรียกใช้เครื่องมือ (Tool calling) และเส้นทางการทำงาน (Execution trajectory) อีกด้วย เราจะอธิบายขั้นตอนตั้งแต่การออกแบบ Golden Set, การให้คะแนนเส้นทางการทำงาน, ไปจนถึงการตรวจจับการถดถอย (Regression) ภายใต้สภาวะที่ไม่แน่นอน (Non-determinism) และการเชื่อมต่อกับ CI
- การเปรียบเทียบการติดตั้ง LLM / SLM แบบโลคอล — การใช้ AI โดยไม่พึ่งพา Cloud APIเปรียบเทียบ Open-weight Model เช่น GPT OSS, Phi-4, Llama 4 Scout กับ Cloud API ใน 3 มิติ: GPU, ความแม่นยำ และ TCO พร้อมคู่มือ Local AI เพื่อ Data Sovereignty และลดต้นทุน
คำศัพท์ที่เกี่ยวข้อง

RRF
RRF (Reciprocal Rank Fusion) คือวิธีการให้คะแนนเพื่อรวมผลลัพธ์การจัดอันดับจากหลายวิธีการค้นหาเข้าด้ว

Agentic RAG
Agentic RAG คือสถาปัตยกรรมที่ LLM ทำหน้าที่เป็น Agent โดยวนซ้ำกระบวนการสร้าง Query ค้นหา ประเมินผลลั

เอ็มเบดดิง (Embedding)
เอ็มเบดดิง (Embedding) คือเทคนิคที่แปลงข้อมูลไม่มีโครงสร้าง เช่น ข้อความ รูปภาพ และเสียง ให้เป็นเวกเ

GraphRAG
สถาปัตยกรรม RAG รุ่นถัดไปที่ผสมผสาน Knowledge Graph และการค้นหาแบบ Vector เข้าด้วยกัน โดยใช้ประโยชน์



