개요
프레젠테이션 자료 하나를 만들기 위해 쏟는 시간을 생각해보면, 보통 자료 수집에 몇 시간, 내용 정리에 몇 시간, 슬라이드 디자인에 또 몇 시간이 들어간다. 이 과정을 AI로 자동화한다는 아이디어는 이전에도 있었지만, 실제로 고퀄리티 결과물을 만들어내는 실전 워크플로우는 드물었다. Google의 두 AI 도구 — NotebookLM과 Gemini — 를 조합하면 이 문제가 달라진다.
유튜브에 올라온 영상(“제미나이 + 노트북LM으로 고퀄리티 PPT 진짜 쉽게 만드는 미친 조합법”, 14분 20초)이 큰 반향을 얻은 이유가 여기 있다. 단순히 “AI에게 PPT 만들어줘"라고 요청하는 수준이 아니라, 각 도구의 강점을 분업해 시너지를 극대화하는 체계적인 방법론을 제시했기 때문이다. NotebookLM이 리서치와 합성을 담당하고, Gemini가 콘텐츠 생성과 포매팅을 담당하는 이 조합은 “미친 조합법"이라는 표현이 과장이 아닐 만큼 효율적이다.
NotebookLM이란 무엇인가
NotebookLM은 Google이 제공하는 AI 기반 리서치 도구로 무료로 사용할 수 있다. 일반 LLM과 결정적으로 다른 점은 사용자가 제공한 소스 문서만을 기반으로 답변한다는 것이다. PDF, Google Docs, Google Slides, YouTube 동영상 링크, 웹페이지 URL, 일반 텍스트 파일 등 다양한 형식의 자료를 노트북에 추가하면, NotebookLM은 이 자료들을 분석해 질문에 답하고, 요약을 생성하고, 인사이트를 도출한다. 출처가 명확하게 표시되기 때문에 AI가 할루시네이션(환각)으로 없는 내용을 만들어내는 위험이 크게 줄어든다.
NotebookLM의 기능 중 특히 주목할 만한 것은 Audio Overview다. 노트북에 추가한 자료를 바탕으로 AI가 팟캐스트 형식의 오디오 해설을 자동 생성해준다. 두 명의 AI 호스트가 마치 라디오 방송처럼 자연스럽게 대화하며 핵심 내용을 설명하는 방식이다. PPT 제작과 직접 연관되지는 않지만, 자료를 빠르게 파악하는 용도로 탁월하다. 이 외에도 마인드맵, 스터디 가이드, 브리핑 문서, FAQ 형식으로 자료를 재구성하는 기능을 제공하며, 이 결과물들이 PPT 제작의 입력 재료로 활용된다.
NotebookLM의 또 다른 강점은 여러 소스를 동시에 교차 분석하는 능력이다. 예를 들어 논문 3편, 유튜브 강의 2개, 관련 뉴스 기사 5개를 한 노트북에 넣고 “이 자료들을 종합했을 때 핵심 논지는 무엇인가?“라고 물으면, NotebookLM은 각 소스의 관련 부분을 인용하면서 통합된 분석을 제공한다. 이 기능이 PPT 리서치 단계에서 수 시간의 작업을 수십 분으로 단축시키는 핵심 역할을 한다. 특히 발표 주제가 복잡하거나 다양한 관점을 포함해야 할 때 효과가 극대화된다.
Gemini의 역할
Gemini는 Google의 멀티모달 대형 언어 모델로, gemini.google.com/app에서 무료로 사용할 수 있다. GPT-4나 Claude와 경쟁하는 포지션의 모델로, 텍스트 생성, 요약, 코드 작성, 이미지 분석 등을 지원한다. Gemini 2.0부터는 멀티모달 기능이 강화되어 이미지를 입력으로 받아 설명하거나, 차트에서 데이터를 추출하는 등의 작업도 가능하다.
PPT 제작 워크플로우에서 Gemini는 NotebookLM이 정리한 리서치 결과를 입력으로 받아 실제 슬라이드 콘텐츠를 생성하는 역할을 한다. “다음 내용을 10장의 슬라이드로 구성해줘. 각 슬라이드에는 제목, 핵심 포인트 3개, 발표자 노트를 포함해줘"와 같은 구체적인 프롬프트를 사용하면 바로 편집 가능한 슬라이드 구조가 출력된다. Google Slides와의 통합이 자연스러운 것도 장점이다. Gemini에서 생성한 내용을 Google Docs에 붙여넣고, Google Slides로 변환하거나 Gemini in Slides 기능을 직접 활용하는 방식으로 연결된다.
Gemini의 강점 중 하나는 구체적인 포매팅 지시를 잘 따른다는 것이다. 예를 들어 “각 섹션을 인트로 → 문제 제기 → 해결책 → 사례 → 요약 구조로 짜줘”, “비전문가 청중을 위해 전문 용어는 쉬운 말로 풀어줘” 같은 세부 지시를 주면 그에 맞는 출력이 나온다. NotebookLM이 “무엇을 말할 것인가"를 결정했다면, Gemini는 “어떻게 말할 것인가"를 결정한다고 볼 수 있다.
실전 PPT 제작 워크플로우
실제 워크플로우는 크게 세 단계로 나눌 수 있다. 1단계: 자료 수집 및 NotebookLM 분석. 발표 주제와 관련된 자료를 최대한 다양하게 수집한다. 학술 논문, 관련 유튜브 강연, 업계 리포트, 경쟁사 분석 자료 등을 NotebookLM 노트북 하나에 모두 추가한다. 자료 추가가 완료되면 NotebookLM에 “이 자료들을 발표 목적으로 구조화해줘. 주요 섹션을 제안하고 각 섹션의 핵심 포인트를 정리해줘"라고 요청한다. 이 과정에서 마인드맵과 스터디 가이드 생성 기능을 활용하면 자료 전체의 구조를 빠르게 파악할 수 있다.
2단계: Gemini로 슬라이드 구조 생성. NotebookLM에서 나온 요약과 핵심 인사이트를 복사해 Gemini에 붙여넣는다. 이때 프롬프트를 구체적으로 작성하는 것이 중요하다. 청중 특성(전문가/비전문가), 발표 시간(10분/30분/1시간), 슬라이드 수, 원하는 구조(문제-해결 형식, 스토리텔링 형식 등)를 명시한다. Gemini가 출력하는 슬라이드 구조는 각 슬라이드의 제목, 불릿 포인트, 발표자 노트까지 포함하며, 이것이 PPT의 뼈대가 된다.
3단계: 편집 및 디자인. Gemini 출력 결과를 Google Slides나 PowerPoint에 붙여넣고 디자인 편집을 진행한다. 이 단계에서 Gemini 2.0의 이미지 분석 기능이 유용하다. 삽입할 그래프나 데이터 이미지를 Gemini에 첨부하면 이미지를 분석해 해석 텍스트를 생성해주고, 발표 맥락에 맞게 설명을 조정할 수 있다. 최종 편집은 사람이 담당하지만, 이 시점에서 편집자는 “내용을 만드는 작업” 대신 “기존 내용을 다듬고 시각화하는 작업"에만 집중할 수 있어 훨씬 효율적이다.
두 도구를 조합하면 달라지는 것
단일 도구만 사용할 때의 한계가 명확하다. Gemini만 사용하면 자료 기반 없이 모델의 학습 데이터에 의존하게 되어 최신 정보나 특정 맥락에 맞는 내용을 보장하기 어렵다. 할루시네이션 위험도 있다. 반대로 NotebookLM만 사용하면 자료 분석은 뛰어나지만 슬라이드 포매팅이나 발표용 언어로의 변환은 직접 해야 한다. 두 도구를 조합했을 때 비로소 “자료의 신뢰성 + 생성의 유연성"이 함께 실현된다.
조합의 시너지는 특히 “이미 알고 있는 것을 체계화해야 하는 발표"보다 “새로운 분야를 빠르게 파악해야 하는 발표"에서 극대화된다. 예를 들어 갑자기 낯선 기술 주제로 발표 요청을 받았을 때, 관련 자료 10개를 NotebookLM에 넣고 30분 안에 자료 구조를 파악한 뒤 Gemini로 슬라이드를 생성하면 2시간 내에 발표 준비를 마칠 수 있다. 기존에는 동일한 작업에 하루 이상이 걸리는 경우가 많았다.
이 조합이 가진 또 다른 가치는 반복 사용 가능성이다. NotebookLM 노트북은 저장되므로 같은 주제에 대해 다양한 각도의 발표 자료를 반복적으로 생성할 수 있다. “같은 주제를 임원 대상으로 5분 요약 발표 버전으로 만들어줘"라고 Gemini에 요청하면 이미 정리된 리서치를 바탕으로 새로운 버전이 즉시 생성된다. 주제 전문성이 쌓일수록 노트북의 자료가 축적되고, 이후 발표 제작 속도는 더욱 빨라진다. 이는 단순한 도구 사용을 넘어 개인 지식 베이스 구축으로 이어지는 선순환이다.
빠른 링크
- Google NotebookLM — 무료 AI 리서치 도구, 문서 분석 및 Audio Overview 생성
- Google Gemini — Google 멀티모달 LLM, 무료 사용 가능
- YouTube: 제미나이 + 노트북LM PPT 조합법 — 14분 20초 실전 튜토리얼
- Google Slides — Gemini 출력 결과를 편집하는 최종 도구
- NotebookLM 공식 가이드 — 소스 추가 방법 및 기능 설명
인사이트
Gemini + NotebookLM 조합이 주목받는 이유는 두 도구가 AI 생산성의 서로 다른 문제를 각각 해결하기 때문이다. NotebookLM은 “AI가 없는 내용을 만들어내는 할루시네이션 문제"를 소스 기반 답변으로 근본적으로 제한하고, Gemini는 “정리된 내용을 발표 가능한 형태로 빠르게 변환하는 포매팅 문제"를 해결한다. 이 분업 구조는 AI 도구를 단순히 하나씩 사용하는 것보다 훨씬 신뢰할 수 있는 결과물을 만들어낸다. 앞으로 PPT 자동화 워크플로우가 발전하면 NotebookLM의 분석 결과를 직접 Gemini in Slides로 전달하는 더 긴밀한 통합이 실현될 가능성이 높다. 이 조합이 보여주는 더 큰 시사점은 “AI 도구를 잘 쓰는 사람"의 기준이 바뀌고 있다는 것이다 — 프롬프트 엔지니어링 능력도 중요하지만, 여러 AI 도구를 적재적소에 연결하는 워크플로우 설계 능력이 새로운 핵심 역량이 되고 있다. 발표 자료 제작에서 시간 비용이 극적으로 줄어든다는 것은 지식 노동의 생산성 향상 측면에서 중요한 의미를 갖는다 — 전문가가 내용 생성보다 내용 검토와 전략적 판단에 더 많은 시간을 쓸 수 있게 되기 때문이다.