Google NotebookLMがGemini 3.5搭載で刷新｜ソース自動収集・多言語調査・カスタム出力に対応—Workspace利用の日本企業が今すぐ試すべき業務調査AI活用シナリオ

Googleは2026年6月8日、ナレッジ整理・調査AIツール「NotebookLM」の大型アップデートを発表しました（出典：TechCrunch）。デフォルトモデルがGemini 3.5に更新されたほか、チャットの文脈から関連ソースを自動収集する「Source Research」機能、多言語ドキュメントの横断分析強化、ドキュメント・スライド・Sheetsへのカスタム出力フォーマット対応が追加されています（出典：Google公式）。Google Workspaceとの統合が深まることで、月次レポートや競合調査・市場分析といった反復的な調査業務への活用が現実的となっています（推測）。

何が起きたか

NotebookLMとは—Googleのナレッジ整理・調査AIツール

NotebookLMは、ユーザーがアップロードしたドキュメント・PDF・URLをソースとして登録し、それらを横断的に要約・質問応答・レポート生成できるGoogleのAIツールです（出典：Google公式）。2023年のリリース以降、研究者・コンサルタント・記者・法務担当者など「大量の一次情報を処理する職種」を中心に利用が広がっています（出典：Google公式）。Google Workspaceアカウントで利用可能であり、日本語での利用にも対応しています（出典：Google公式）。今回のアップデートで手動でのソース登録という制約を大幅に緩和する「Source Research」機能が加わり、業務での本格活用の敷居がさらに下がりました（推測）。

Gemini 3.5へのモデル更新で何が変わるか

NotebookLMのデフォルトモデルがGemini 3.5に更新されることで、長文・多言語ドキュメントの理解精度と論理推論の精度が向上します（出典：Google公式）。特に多言語ソース対応が改善され、英語の一次情報と日本語の資料を同一ノートブック内で横断的に分析できる能力が向上すると見られます（推測）。Gemini 3.5は2026年のGoogle I/Oで発表済みのモデルであり、Google検索のAI Mode（AI搭載検索）のデフォルトモデルとしても採用されており（出典：Google公式）、NotebookLMへの統合によりリサーチの精度・深度の両方が底上げされると期待されます（推測）。

Source Research機能—調査ソースをチャットから自動補完

従来のNotebookLMは、ユーザーが手動でアップロードしたドキュメント・URLのみを参照していました（出典：Google公式）。新しいSource Research機能は、ユーザーとのチャット内容を自動で解析し、Google検索を通じて追加の関連ソースを提案・追加します（出典：TechCrunch）。たとえば「競合A社の最新製品戦略を調べたい」とチャットで入力するだけで、関連するプレスリリース・業界レポート・ニュース記事がSourceとして自動で提案される設計です（推測）。多言語の一次情報や関連著者の資料を横断収集する機能も追加されており、グローバルな調査業務での活用が期待されます（出典：Google公式）。

その他の主要アップデート

• カスタム出力フォーマット：ドキュメント・スライド・Google Sheetsなど、成果物の出力形式を指定した構造化出力が可能になりました（出典：Google公式）。会議資料・週次レポート・データ一覧など、目的別に出力形式を選べるため、後工程の編集作業が削減されると見られます（推測）。
• トレーサビリティ強化：AIが回答を導出したステップと参照箇所を詳細に表示する機能が追加されました（出典：Google公式）。ビジネス用途での根拠確認・ファクトチェックが容易になるため、法務・コンプライアンス部門での活用可能性が高まります（推測）。
• Antigravity統合：Google I/O 2026で発表されたAIエージェント基盤「Antigravity 2.0」との統合により、調査・レポート生成の自動化スキルが強化されました（出典：Google公式）。

日本への影響・ビジネス活用ヒント

• Google Workspace利用企業は今すぐSource Research機能を業務調査フローに組み込む：G Suite・Google Workspaceを全社導入している日本企業にとって、NotebookLMはすでに使用可能な環境が整っているケースが多くあります（推測）。月次市場調査・競合分析・規制動向調査などの反復業務にSource Research機能を活用することで、情報収集工数を大幅に削減できると見られます（推測）。まずは社内の調査・企画担当者が試験利用し、週次・月次レポートの作成フローで効果測定を行うことを推奨します（推測）。
• 英語一次情報と日本語社内資料の横断分析で競合優位を確保する：多言語ソース対応の強化により、海外競合のプレスリリース・論文・規制文書と日本語の社内資料を同一ノートブックで分析できる可能性が高まっています（推測）。グローバル展開している製造業・商社・金融機関は、英語市場の情報を早期に把握し日本語でのインサイト整理を自動化することで、意思決定スピードの向上が期待できます（推測）。翻訳コストと情報収集のタイムラグを同時に削減できるユースケースとして優先的に評価することを推奨します（推測）。
• カスタム出力フォーマットで定型レポートの自動生成を標準化する：Google Sheetsへの構造化出力対応は、営業データ・KPIサマリー・競合価格情報などの定型調査で特に効果を発揮すると見られます（推測）。カスタム出力フォーマットを社内レポートテンプレートに合わせて設定することで、調査から資料化までのリードタイムを短縮できます（推測）。情報システム部門が出力テンプレートを整備し、各部門がセルフサービス型で調査・レポート生成を行える標準化された環境を構築することを推奨します（推測）。