🤖 Немного про AI инструменты и полезные юз-кейсы. Часть 2 - NotebookLM.

ChatGPT/Claude оставлю на десерт, там, скорее всего, несколько постов будет, а пока расскажу про NotebookLM.

Гугловский продукт я использую не слишком часто, но для некоторых видов анализа, где требуется исключить галлюцинации настолько, на сколько это возможно (для работы с юридическими документами, или в области, где провалидировать ответ не хватает знаний), этот инструмент - спасение.

ℹ️ NotebookLM - AI-ассистент для работы с документами, извлечения из них смысла, постоения контекста, и последующей навигации по нему. Ключевое отличие от GPT/Claude - все ответы строятся исключительно на предоставленном контексте (документах, скриншотах, и т.п.), а ответы предоставляются с отсылками на источники. Таким образом, количество галлюцинаций сводится к минимуму, а каждое утверждение легко и быстро проверить.

Несколько примеров применения:

🟢Юридические документы

Есть договор на 500 страниц и нужно узнать ответ на определённый вопрос? Загружаешь документ, спрашиваешь, получаешь ответ и референсы на конкретные места договора с упоминанием деталей, относящихся к вопросу. Контекст можно построить хоть из 1 документа, хоть из десятков. Правда, если документ рабочий и для внутреннего пользования, а у компании нет особого соглашения с NotebookLM, то никакие документы отправлять туда не стоит. Я использую NLM для банковских, ипотечных, и жилищных контрактов. Как расторгнуть документ? Столько будет стоить? Какой депозит вернут? Какие обязательства? В чьи обязанности входит починка X? Должен ли я пользоваться услугами сертифицированного специалиста для замены Y? На изучение любого подобного вопроса уходят считанные минуты (у меня уже созданы проекты по каждому направлению, остаётся только вопрос вбить в нужном).

🟢Консолидация разрозненной информации и навигации по ней

Например, для презентации рабочего проекта. Создаешь проект NLM, загружаешь весь найденный контекст - скриншоты обсуждений, документы, дизайн доки, всё, что относится к проекту. Примерно прикидываешь структуру презентации, создаешь слайды. Далее по темам слайдов задаёшь вопрос NLM. Получаешь ответ, валидируешь, оформляешь на слайде. Итого - под каждый слайд NLM выдаёт практически полностью готовый текст, который остаётся лишь уточнить. Экономия времени крайне существенная. Для своей презентации мне это позволило сэкономить как минимум несколько дней, т.к. контекст был разбросан во времени и пространстве (долгий проект с большим количеством обсуждений в разных чатах и документах).

Из дополнительных фич NLM:

🟠Контекст можно не только ручками накидывать, но и попросить NLM собрать его в интернете. Плюс - экономится время, минус - вы становитесь заложником качества источников. Но если источник - шляпа, его всегда можно удалить и перезадать вопрос. К тому же, можно накидать первичный контекст руками, и дополнить его из интернета.

🟠На основании контекста можно сгенерировать подкаст с несколькими ведущими, обсуждающими тему. Полезно тем, кто хочет начать разбираться с какой либо теме и хорошо воспринимает информацию на слух.

🟠Можно создавать ментальные модели. Я сам пока не пользовался, но с виду инструмент должнен очень хорошо помогать тем, кто предпочитает визуальные данные и графы, пытаясь построить ментальную модель с пониманием взяимосвязей сущностей в новой\не очень знакомой теме.

🔥 - если пользовался NotebookLM
♥️ - если захотел попробовать
🐳 - если предпочитаешь шапку из фольги