NotebookLMのRAG｜社内資料検索の仕組みと、自社でRAGを組む場合との違い

NotebookLM（現在の名称はGemini Notebook）のRAGとは、アップロードした資料の中から質問に近い部分を先に探し、その部分を根拠にして回答を組み立てる仕組みのことです。社内資料が数十件までで、版の取り違えや型番の言い間違いが起きにくい資料であれば、NotebookLMだけで社内資料の検索AIとして足りる場面が多いでしょう。新旧の規程が混ざっていたり、部署ごとに見せる資料を分けたかったりする会社では、会社で共有するAIチャット環境や、自社でRAGを組む段階を考えることになります。操作の手順や料金の全体像は、NotebookLMの使い方にまとめてあります。

NotebookLMのRAGの仕組み｜資料を探してから答える流れ

NotebookLMは、質問を受けると先に資料の中から関係のある部分を拾い、その部分を材料にして回答を書く作りになっています。RAGは検索拡張生成と訳される言葉で、生成AIに答えさせる前に、社内資料などから関係する文章を探して渡す方法を指します。Googleのヘルプでも、ソースが多いノートブックでは、まず質問に基づいて関連性の高い情報を取得し、その情報を使って回答を作ると説明されています。2026年7月に名称はGemini Notebookへ変わりましたが、単独の製品として提供が続いており、これまでのノートブックもそのまま使うことが出来ます。

自社でRAGを組む場合は、この流れを部品ごとに用意することになります。

1. 解析（パース）…PDFやWordなどのファイルから、文字や表を取り出す段階です。
2. 分割（チャンク）…取り出した文章を、検索しやすい長さに区切ります。
3. 埋め込み（ベクトル化）…区切った文章を、意味の近さを計算できる数字の並びに変えます。
4. 保管と検索…数字にした文章をベクトルデータベースに入れ、質問に近いものを探し出します。
5. 生成…見つかった文章を生成AIに渡し、根拠に沿った回答を書かせます。

NotebookLMでは、資料から関係する部分を探して回答を作るまでの流れが、画面の裏側で処理されます。利用者がするのは、資料をソースとして追加し、質問を書くことだけになります。

回答はソースをもとに作られる

ヘルプのよくある質問では、アップロードしたソースの情報に基づいて答え、答えが資料にない場合は回答できないと案内されています。回答を作るときに使われるのは、ソースの全体か選んだ部分、会話の履歴、それに明示的に選んだメモの3つです。メモは選んだときだけ使われるので、メモに書いた社内の補足を回答に反映させたいときは、選ぶ操作を忘れないようにしてみてください。

回答の引用から、根拠の場所をたどれる

回答の文中には引用が付き、どのソースのどの部分を根拠にしたのかを確かめることが出来ます。ただし、ソースがとても短い場合は、個々の文が引用されず、ドキュメント全体が参照される形になるとヘルプに書かれています。社内の検索AIとして使うなら、引用を開いて元の文と見比べる習慣が、取り違えを見つける大きな手がかりとなります。

NotebookLMと自社RAGの違い｜導入・検索範囲・調整の比較表

大きな違いは、始めるまでの手間と、検索の中身をどこまで自分で決められるかにあります。

表のとおり、NotebookLMはGoogleアカウントがあれば無料版からすぐに試すことが出来ます。自社RAGは、クラウドの検索サービスや埋め込みモデル、生成モデルを組み合わせ、画面や権限の仕組みまで作る必要があります。

検索できる範囲の違い

NotebookLMが探すのは、ノートブックに追加したソースの中だけになります。無料版ではノートブックあたり最大50件、1つのソースは50万語まで、ローカルからのアップロードは200MBまでという上限が設けられています。自社RAGであれば、ファイルサーバーや複数のクラウドストレージにある資料を、まとめて1つの検索の対象にする作りも選べます。

中身を調整できる範囲の違い

NotebookLMで利用者が手を入れられるのは、チャットに使うソースの選び方と、質問の書き方の2つが中心です。ヘルプでも、質問を明確で具体的なものに言い換えると、関連性の高い情報を探しやすくなると案内しています。資料をどの長さで区切るか、拾った候補をどの順に並べ直すか、部署や日付で絞り込むかは、自社でRAGを組む場合に自分で決められる部分になります。そのぶん決めることが増え、作った後の調整もずっと自社で続けることになってしまいます。

足りるか、組むべきか｜資料の症状別の判断表

判断の分かれ目は、会社の規模よりも、検索させたい資料にどんな「くせ」があるかにあります。Microsoftのドキュメントでは、質問の言葉が資料の言葉と一致しないと従来のキーワード検索は失敗する、という点がRAGの課題の例として挙げられています。版違いや型番の取り違えも、回答を書く前の「探す」段で起きやすいものと考えると、手当ての場所が見えやすくなるでしょう。下の表は、社内でよく見かける資料の症状ごとに、起こり得ることと、先に試せる手当てをまとめたものです。

右の列が2つ以上当てはまり、手当てをしても採点の結果が上がらないときは、次の段階を考える時期になります。1つだけ当てはまる程度なら、資料の整え方とソースの選び方で解決できることも多いでしょう。まずは次の節の手順で、自社の資料が本当にその症状を持っているのかを確かめてみてください。

社内で試す手順｜10問の質問セットで正答と引用を採点する

足りるかどうかは、自社の資料と自社の質問で採点してみると、感覚ではなく数字で決めることが出来ます。用意するのは、資料一式と、質問10問、採点表の3つになります。

手順1　質問10問と、正解の場所を先に決める

質問は、実際に社内で聞かれている内容から選ぶのが近道です。10問のうち、版違い・型番・表・略語・似たFAQの症状に当たる質問を、それぞれ1問以上入れておきましょう。そのうえで質問ごとに、正解が載っている資料名とページを、AIに聞く前に書き出しておきます。正解の場所を後から探すと、AIの答えにつられて判断が甘くなってしまいます。

手順2　ノートブックを作り、ソースを入れる

ノートブックを新しく作り、試したい資料をソースとして追加します。取り込めなかった資料がないかは、ソースの一覧で1件ずつ確かめてください。旧版と新版の取り違えを試すために、あえて両方を入れた状態から始めるのも1つの方法です。

個人のアカウントで試すときは、回答への高評価や低評価のフィードバックは送らないでください。フィードバックを送ると、プロンプトやソースを含む関連の内容が集められ、特別なトレーニングを受けたチームがレビューし、最長3年間保存されるとヘルプに書かれています。Workspaceのアカウントであれば、フィードバックをしても人によるレビューや学習には使われない扱いになります。

手順3　全部のソースで聞き、次に選んだソースで聞く

最初は全部のソースを使った状態で、10問を順に聞いていきます。次に、ヘルプにある「［ソース］パネルでソースを個別に選択」する方法で、新版だけ、価格表だけのように対象を絞り、同じ質問をもう一度聞いてみてください。2回の結果の差が、資料を分けて置くことで改善できる幅となります。試している間は、右上の［設定］から［使用量］を開くと、使用量の上限にどのくらい近いかを確かめられます。

手順4　3つの観点で採点する

採点は、正答・引用の正しさ・旧版の取り違えの3つで、1問ずつ○か×を付けます。

目安として、10問すべてで引用が正しく、旧版の取り違えもなければ、その資料はNotebookLMで回していけるでしょう。引用が正しいのに答えが違う問いは質問の書き方を、引用先が違う問いは資料の置き方を見直すのが近道になります。資料を整えても引用先の違いが減らないときは、判断表の症状が残っている合図と見てよいでしょう。

会社の規模と用途で選ぶ｜NotebookLM→共有AIチャット→自社RAG

社員10〜200名の会社であれば、いきなり自社RAGを組むより、3つの段階を順に上がっていく考え方が無理のない進め方になります。次の表は、資料の量・更新の頻度・権限の分け方から、どの段階が合うかの目安をまとめたものです。

段階1　NotebookLMで足りる会社

総務や営業など、1つの部署が決まった資料に質問する使い方であれば、まずNotebookLMで足りることが多いでしょう。無料版はノートブックあたり50件までのソースを使え、個人向けのGoogle AI Pro（Gemini Notebook in Pro）では300件、Workspaceでは Business Standard 以上のエディションで300件まで増えます。Business Starter は、ソースの件数が無料の個人版と同じになる点に気を付けてください。Workspace版では、アップロードしたファイルやチャット、モデルの出力が、人によるレビューにも生成AIモデルの改善にも使われないとヘルプに書かれています。

※ソース数などの上限は、2026年9月16日〜24日に公式のプランページとヘルプで確認した内容です。ヘルプには変更される場合があると書かれています。

段階2　会社で共有するAIチャット環境を考える会社

部署ごとにノートブックが増え、誰がどの資料を入れたのか分からなくなってきたら、会社としてAIを使う環境を1つに決める段階になります。ここでは資料を検索の仕組みに登録しておくより、必要なときに必要なファイルを読ませて聞く使い方が中心です。社員が個人のアカウントにばらばらに資料を入れ始めると、会社から見えない野良AI（シャドーAI）の入り口になってしまいます。使ってよいAIと入れてよい資料は、生成AIの社内ガイドラインで先に決めましょう。複数のAIを1つの環境で使い分ける考え方は、マルチAIとはで詳しく紹介しています。

段階3　自社RAGを考える会社

全社の資料を1か所から横断して探したい、部署や役職の権限どおりに答えを出し分けたい、という2つがそろったときが自社RAGの出番です。その手前には、Google Cloud経由で契約するNotebookLM Enterprise（現在の名称はGemini Notebook Enterprise）という選択肢もあります。製品ページの表示は1ライセンスあたり月9米ドルで最低15ライセンスからのため、10名の会社でも15ライセンス分の月135米ドル、50名なら月450米ドル、200名なら月1,800米ドルとなります。

※2026年10月14日時点でGoogle Cloudの製品ページに表示されている内容です。Google Cloudの価格は米ドル表示・税抜で、日本での利用には消費税10%が別途かかります。

Enterpriseで共有できるのは同じGoogle Cloudプロジェクトの中のユーザーだけで、ノートブックの一般公開はできません。ノートブックの作成やソースの追加をAPIから操作する方法もGoogle Cloudのドキュメントに載っていますが、プレビュー（一般提供前）の扱いになっています。Workspace版（Gemini Notebook Plus）で作った既存のノートブックは、Enterpriseでは使えないとよくある質問に書かれている点にも注意が必要です。

自社でRAGを組むときに要る部品と、料金がかかる場所

自社でRAGを組む場合、料金がかかる場所は1か所ではなく、解析・埋め込み・保管と検索・生成の段ごとに分かれていて、サービスによっては無料の段もあります。主なクラウドには、Google CloudのRAG Engine（Gemini Enterprise Agent Platformの機能）、AmazonのBedrock Knowledge Bases、MicrosoftのAzure AI Searchなど、RAGを組むためのサービスが用意されています。単価は使い方と時期で変わるため、下の表には各社のドキュメントに書かれている、料金がかかる場所だけを並べました。

※2026年10月14日に、Google Cloud・Amazon Web Services・Microsoftの公式ドキュメントで確認した内容です。Amazon Bedrock Knowledge Basesの料金の内訳は、AWSの料金ページでご確認ください。

Azure AI Searchの専用の料金モデルは時間単位の課金で、クエリの回数では増えない作りです。一方でGoogle CloudのRAG Engineは、使った埋め込みモデルとデータベースの分が請求される形になっています。同じRAGでも料金が増える場所はサービスごとに違うので、見積もりは段ごとに分けて取ってみてください。

組んでも誤りはなくならない

RAGを組めば、答えの誤りがなくなるわけではありません。Microsoftのドキュメントは、検索で関係の薄い文章や欠けた文章を拾うと、根拠付きの回答でも不完全・不正確になり得ると注意しています。Google CloudのRAG Engineの説明も、ハルシネーションを減らし、より正確に答えられるようにするという書き方で、誤りがなくなるとは書かれていません。組んだ後も、前の節の10問の採点を、資料を入れ替えるたびに続けることになります。採点の手間まで含めて、誰が担当するのかを決めてから着手しましょう。

権限と学習の確認項目｜社内資料を入れる前に見ること

社内資料を検索AIに入れる前に確かめたいのは、入れた資料が学習に使われないかと、誰がその資料をもとにした答えを受け取れるか、の2点になります。どちらも、使う版とアカウントの種類で扱いが変わります。

• 個人のアカウントで社内資料を扱っていないか個人として使う場合、フィードバックを共有しない限り、データはトレーニングに使われないと案内されています。高評価や低評価のフィードバックを送ると、関連の内容が人によるレビューの対象になり、ヘルプは機密情報を含めないよう求めています。
• Workspaceのアカウントで使えるようになっているかWorkspaceでは、フィードバックをしてもアップロード・質問・回答が生成AIモデルの学習に使われないとされています。仕事用のアカウントで使えないときは、Workspaceの管理者に有効化を頼む形になります。
• 共有の範囲を決めているか個人のGmailアカウントでは最大50人と共有でき、リンクを知っている全員への一般公開もできます。Workspace の Enterprise と Education のアカウントでは、一般公開は現在無効とされています。
• 権利のある資料だけを入れているかヘルプは、権利がないドキュメントをアップロードしないよう求めています。取引先から預かった資料は、契約の上でAIに入れてよいかを先に確かめておきます。
• 担当者が替わったときの引き継ぎを決めているかノートブックの持ち主が異動や退職をしたとき、誰が引き継ぎ、どのノートブックを止めるのかを、社内の手順に入れておきます。
• 自社RAGなら、元の資料の閲覧権限を検索にも反映しているかMicrosoftのドキュメントは、元の資料へのアクセスを管理しないと、根拠付きの回答から機密が漏れ得ると注意しています。人事や給与の資料は、見られる人だけが答えを受け取れる作りにします。

どの項目も確かめる手間は小さい一方で、資料を入れた後で気づくと、ノートブックの作り直しが必要になってしまいます。1つでも答えに詰まる項目があれば、資料を入れる前に担当者と決めましょう。ほかの点検項目は、生成AIのセキュリティ対策チェックリストにまとめています。

検索の前に資料を整える｜総務が今日からできる下ごしらえ

検索AIの答えがずれる原因は、AIの賢さよりも、入れる資料の並び方にあることが少なくありません。NotebookLMでも自社RAGでも、同じ下ごしらえが効いてきます。

1. ファイル名に版と施行日を入れます（例：旅費規程_2026年4月改定）。旧版は別のフォルダに移し、ソースには入れません。
2. PDFの表は、スプレッドシートやCSVに起こしてから入れます。Googleスプレッドシートは10万トークンまで、CSVも対応形式に含まれています。
3. 社内略語と正式名の対応表を作り、1つのソースとして加えます。
4. 似たFAQは、1つの質問と1つの答えを見出しで区切り、内容が重なる古い答えを消します。
5. コピー防止のかかったPDFは取り込みに失敗するとヘルプにあるため、元のWordやGoogleドキュメントを使います。
6. Googleドライブから取り込んだソースは数分ごとに同期されるので、改定のたびに入れ直す手間を減らせます。

下ごしらえをした後に前の10問をもう一度採点すると、資料の整備でどこまで直るのかが分かります。それでも残る症状だけを、共有AI環境や自社RAGで解く課題として扱えば、検討の範囲を小さく絞れます。最初の1冊として、問い合わせの多い規程を1つ選び、今週のうちに整えてみてください。

よくある質問

まとめ

NotebookLMのRAGは、ソースの中から質問に近い部分を探し、その部分を根拠に引用付きで答える仕組みです。部署単位で数十件までの資料を扱うなら、まずNotebookLMで足りる場面が多くなります。版違いの規程、型番の完全一致、表データ、社内略語、似たFAQの多さ、見せる相手の分け方の6つは、検索の段で取り違えが起きやすい症状として先に確かめておきましょう。

判断は、自社の質問10問で正答・引用・旧版の取り違えを採点した結果で決めることが出来ます。資料を整えても残る症状があるときに、会社で共有するAIチャット環境、自社RAGの順で考えてみてください。自社RAGの料金はかかる場所が段ごとに分かれているため、見積もりも段ごとに取ると比べやすくなります。法人のAI活用に関するほかの記事は、AI活用コラム一覧からご覧いただけます。