Episode Transcript
[00:00:00] Speaker A: ¿Hola, qué tal? Bienvenidos a esta exploración detallada. Hoy vamos a meternos a fondo con una herramienta de inteligencia artificial de Google que, la verdad, está dando de qué Notebook LM. Y para entenderla bien, recopilamos información de varios lados. Desde análisis en sitios como Social Media Examiner o Geek Flare, hasta guías de uso ético de universidades como la de Florida State. También revisamos qué dice la gente en foros como Reddit, sus experiencias reales, y vimos tutoriales prácticos, por ejemplo, el de Teachers Tech. El chiste es entender bien qué onda con Notebook LM, o sea, qué la hace distinta, cómo jala por dentro. Vamos a ver sus funciones más nuevas, algunas sí están muy interesantes, y claro, cómo la están usando profesionistas, estudiantes, y, súper importante, cuáles son sus límites y cómo usarla con cabeza. Así que, bueno, vamos a desmenuzar esto.
[00:00:55] Speaker B: Exacto. Y creo que lo primerito es captar la idea central. A ver, Notebook LM es una herramienta de IA, sí, para investigar, para tomar notas. Pero aquí viene lo importante. Su gran diferencia con, no sé, chatgpt o Cloth, es que funciona únicamente con la información que tú como usuario, le das, o sea, no se pone a buscar respuestas en todo Internet, para nada. Crea, podríamos decir, un modelo de lenguaje grande, pero privado. Usa solo tus documentos, tus archivos, tu. Tus notas, los enlaces que le pones, y esto garantiza que las respuestas se basen solo en tu material. ¿Y claro, esto le da un plus de privacidad, no? Tu contenido no se usa para entrenar los modelos gigantes de Google, se queda contigo.
[00:01:38] Speaker A: Órale. Y fíjate que es bien flexible con lo que acepta. Puedes subirle PDFs, claro, Google Docs, archivos de texto, pero también acepta enlaces a páginas web e incluso videos de YouTube. Y. Y puede procesar lo que dice el video. Eso está bueno. Admite hasta archivos de audio MP, que chance. ¿Sirve para analizar podcasts o grabaciones, no? Y también imágenes, vaya. Hasta resultados de búsqueda web que encuentres los puedes añadir directo.
[00:02:09] Speaker B: Sí, es bastante versátil en ese sentido.
[00:02:11] Speaker A: Y además hay una versión gratis que está bastante completa, la verdad. Y si usas Google Workspace, pues ya tienes acceso automático a la versión Pro, que es Notebook LM.
Esa tiene límites más altos.
¿Que Google esté detrás, pues, sugiere que va a seguir, no? Y chance, veamos más integraciones con otras cosas de Google, con YouTube, por ejemplo.
[00:02:33] Speaker B: Es probable, sí.
[00:02:34] Speaker A: Ahora, ¿Cómo se siente usarla? La interfaz la acaban de rediseñar, se ve organizada en tres partes.
Fuentes, donde pones tu material chat, que es para platicar con la IA sobre ese material de aquí. Es clave, siempre te pone citas, te dice de dónde sacó la información. Y luego está estudio, que es donde la IA crea cosas nuevas a partir de tus fuentes.
[00:02:56] Speaker B: Ajá.
[00:02:57] Speaker A: El proceso es bastante directo, creas un cuaderno, subes tus archivos o pones enlaces hasta 50 fuentes en la versión gratis, 300 en la pro, y cada fuente puede ser bastante grande, como 500.000 palabras.
[00:03:11] Speaker B: Sí, los límites son generosos.
[00:03:13] Speaker A: Y ya que subes algo, la IA lo procesa y te da como un resumen inicial.
[00:03:17] Speaker B: Ahí es donde pasa, digamos, la magia. Ahí es donde Notebook LM hace más que solo chatear contigo. Puede transformar tu información en formatos ya estructurados muy útiles, por ejemplo, guías de estudio o listas de preguntas frecuentes, o si aplica, puede ser líneas de tiempo, resúmenes ejecutivos o hasta un índice para un texto largo. Te ayuda a digerir la información, a organizarla mejor.
[00:03:40] Speaker A: OK, como para poner orden en el caos de notas.
[00:03:44] Speaker B: Exacto. También puede generar mapas mentales, o sea diagramas visuales que te muestran cómo se conectan las ideas clave dentro de tus fuentes, y esos los puedes bajar como imagen. Pero donde de verdad está innovando, y esto sí me parece que cambia un poco el juego, es en cómo convierte texto estático así nomás, en algo más dinámico.
[00:04:03] Speaker A: ¿Te refieres a eso del audio y el video?
[00:04:06] Speaker B: Justo a eso. Los resúmenes en audio, los audio overviews, son fascinantes, la verdad. Te genera conversaciones como si fuera un podcast cortito de. De unos 14 minutos. Son dos voces de ia, una masculina y una femenina, que suenan bastante naturales y discuten los puntos clave, pero lo interesante es que sintetizan información de varias fuentes que haya subido. Es como tener un resumen experto hecho a la medida.
[00:04:31] Speaker A: Guau. Como un podcast personal sobre mis documentos.
[00:04:35] Speaker B: Ándale, algo así. Y ahora acaban de sacar el modo interactivo, que todavía está en beta, pero te permite como meterte a esa conversación de audio. Puedes usar tu voz para hacerle preguntas a esas voces de IA, pedir que te expliquen algo más o explorar un punto, pero siempre, siempre basándose en tus.
[00:04:53] Speaker A: Documentos, o sea, ya no es solo leer, es platicar con tus notas.
[00:04:57] Speaker B: Exacto. Transforma la lectura pasiva en un diálogo activo, casi como tener un tutor personal sobre tus propios apuntes. O lecturas.
[00:05:05] Speaker A: Suena muy potente eso.
[00:05:07] Speaker B: Y en una línea parecida están los resúmenes en video. Los video overviews crean videos cortos, como si fueran presentaciones con diapositivas, aves y con una narración generada por IA que explique el contenido de tus fuentes. Vimos un ejemplo donde alguien hizo un video sobre computación cuántica para niños, partiendo de documentos técnicos.
[00:05:27] Speaker A: Órale. Es otra forma de hacer la información más digerible, más atractiva, ¿No?
[00:05:33] Speaker B: Sí, definitivamente.
Y bueno, no hay que olvidar la función de descubrir fuentes para buscar más cosas en la web y añadirlas directo. Y lo que ya mencionaste, la insistencia en las citas. Cada cosa que dice la IA te pone un enlace al punto exacto en tu fuente original. Eso es crucial y ahorita veremos por qué.
[00:05:51] Speaker A: Perfecto. Y ahora sí, vámonos a lo práctico. Aquí es donde se pone bueno cómo se está usando esto en el mundo real. Veamos ejemplos concretos. ¿Cómo ves?
[00:06:01] Speaker B: Me parece excelente. Fíjate que se ven como dos grandes áreas donde está brillando.
Una es potenciar el trabajo, la chamba profesional, y la otra es facilitar el aprendizaje o manejar el conocimiento que uno tiene en lo profesional. Por ejemplo, para marketing, para hacer análisis de la competencia, Jen Lehner contó cómo subió transcripciones de podcasts y enlaces de videos de YouTube de sus competidores y le pidió a Notebook LM que buscara patrones, los ganchos que usan, los temas que repiten, o incluso dónde hay huecos, oportunidades de contenido.
[00:06:33] Speaker A: Qué útil. Y para eso de recopilar enlaces, hay herramientas que ayudan, ¿No? Mencionaste Apify.
[00:06:39] Speaker B: Sí, exacto. Herramientas como Apify pueden automatizar esa recolección de URLs, y son muchas.
[00:06:45] Speaker A: Y también sirve para crear contenido, ¿Verdad? ¿Decías algo de casos de éxito?
[00:06:50] Speaker B: Sí, ese es otro caso de uso muy interesante. Imagínate que tienes un montón de notas, correos, chance, hasta audios de un proyecto que salió bien.
Una estratega digital, Sandra Scayano, explicó cómo usa Notebook LM sobre todo la función de Audio Overview para agarrar todo ese material en bruto y convertirlo en una historia coherente. La IA le ayuda a estructurar a narrativa, y ya con esa transcripción, pues es mucho más fácil escribir el caso de estudio, o hacer un guión para un video, o armar una presentación.
[00:07:22] Speaker A: Claro, te ayuda a pasar del desorden a una historia clara. Y para los que tienen años de contenido acumulado, eso debe ser una maravilla.
[00:07:30] Speaker B: Uf, sí, la auditoría de contenido histórico. Empresas o creadores pueden meter años de blogs, de podcasts, de campañas de email, y pedirle que analice cómo han cambiado sus mensajes, si hay inconsistencias, qué temas pegaron más. Jen Lehner otra vez lo usó para preparar su episodio 100. Pudo encontrar temas comunes y sacar citas exactas con todo y el minuto y segundo de entrevistas viejas con gente como Seth Godin o Gary Vaynerchuk. Imagínate el tiempo que ahorra, ¿No?
[00:08:01] Speaker A: Bueno, si, es un superpoder para revisar archivos. Y del lado del aprendizaje y la gestión del conocimiento, ¿Qué ejemplos hay?
[00:08:10] Speaker B: Hay También tiene mucho potencial. Primero, para sintetizar investigaciones. Si tienes que leer varios artículos científicos, capítulos de libros, informes, meterlos a Notebook LM te da una comprensión rápida de lo esencial. Ideal para académicos o profesionistas que necesitan estar al día en temas complejos como.
[00:08:30] Speaker A: La misma IA, o para preparar una conferencia rápido sobre un tema nuevo.
[00:08:35] Speaker B: Exacto. Y los resúmenes en audio, como decíamos, son geniales para aprender mientras haces otras cosas, caminar, ir en el transporte. También se está usando para convertir manuales de empresas, esos procedimientos operativos estándar, esos subs que a veces son muy densos.
[00:08:51] Speaker A: Uf, sí, pesadísimos.
[00:08:53] Speaker B: Pues convertirlos en conversaciones de audio más fáciles de digerir para capacitar al personal, especialmente útil si tienes equipos remotos.
[00:09:00] Speaker A: Y para estudiantes, por lo que vimos en Reddit y en las guías de universidades como FSU, parece que es como un asistente de estudio personal, ¿No?
[00:09:08] Speaker B: Sí, totalmente. Suben sus materiales del curso, las lecturas, sus apuntes, y usan Notebook LM para que les genere explicaciones o guías de estudio personalizadas, o usan los audios interactivos, como decías, como si fueran tutorías virtuales. Pueden hacer preguntas sobre sus propias lecturas y obtener respuestas basadas en ellas.
[00:09:29] Speaker A: Suena increíble todo esto, pero aquí entra la parte delicada, ¿No? El uso responsable.
[00:09:37] Speaker B: Exactamente.
Todas estas aplicaciones son muy prometedoras, pero nos llevan directo a la necesidad de usar la herramienta Connecta y Responsabilidad.
La guía de FSU, la Universidad Estatal de Florida da unas pautas muy buenas que la verdad, aplican para cualquiera. Lo primero, y Notebook LM es un compañero, no un sustituto, o sea, te.
[00:09:59] Speaker A: Ayuda a entender mejor, no a que te haga la tarea.
[00:10:02] Speaker B: Exacto. Debe usarse para mejorar tu comprensión, tu pensamiento crítico, no para evitar el esfuerzo de aprender o de hacer el trabajo original.
[00:10:11] Speaker A: Y eso implica ser transparente sobre cómo lo usas, me imagino.
[00:10:15] Speaker B: Totalmente.
La integridad, ya sea académica o profesional, es clave. Tienes que revisar y seguir las reglas sobre uso de IA que haya en tu curso, en tu trabajo, donde sea. Usar Notebook LM para generar un borrador y luego presentarlo como si fuera tuyo, sin decir nada, pues eso puede ser plagio o deshonestidad.
[00:10:34] Speaker A: Claro.
[00:10:35] Speaker B: Y otro punto, la verificación es obligatoria.
[00:10:39] Speaker A: Ahí volvemos a las citas que mencionabas, no son un adorno para nada.
[00:10:43] Speaker B: Aunque Notebook LM se basa en tus fuentes, sigue siendo una IA, y las IA todas pueden alucinar, o sea, inventar cosas o interpretar algo mal. ¿Las citas son tu herramienta para ir y checar esto que dice la IA? ¿De verdad está en mi documento original? No puedes confiar a ciegas, nunca.
[00:11:03] Speaker A: Entendido. Verificación constante.
[00:11:05] Speaker B: Sí, y también es importante no volverse demasiado dependiente, no caer en la trampa del atajo fácil. Usar resúmenes está bien, pero no debe reemplazar el leer y analizar tú mismo las fuentes importantes. El chiste es desarrollar tus propias habilidades.
[00:11:21] Speaker A: Tiene lógica.
[00:11:22] Speaker B: Y finalmente, la transparencia. Estar preparado para explicar cómo usaste la herramienta si te preguntan, y tener bien clara la línea entre las ideas que te ayudó a generar la IA y tu propio pensamiento original. La pregunta de oro, digamos que siempre hay que hacerse ¿Estoy usando esto para aprender mejor o no más para evitar el proceso de aprender?
[00:11:43] Speaker A: Muy buena pregunta. Y esta necesidad de verificar y entender cómo funciona se vuelve todavía más importante cuando hablamos de una limitación técnica que ha salido mucho en las discusiones de usuarios, por ejemplo en Reddit. Me refiero a cómo ve Notebook LM los documentos, Porque parece que no es que lea todo el archivo completo de un jalón, ¿Verdad?
[00:12:07] Speaker B: Correcto. Es un punto clave y un poco técnico, pero fundamental. Aquí entra una tecnología llamada RAG, que significa Retrieval Augmented Generation, Generación Aumentada por Recuperación. Más o menos. Dicho de forma cuando le haces una pregunta Notebook LM, sobre todo si es acerca de un documento largo, la IA no carga y procesa todo el texto en su memoria activa en ese momento. Lo que hace primero es recuperar, o sea, buscar y sacar solo los fragmentos o pedacitos del texto que considera más relevantes para responder a esa pregunta específica que hiciste.
[00:12:40] Speaker A: Ah, OK, o sea, para cada pregunta busca los pedacitos que cree que sirven, y solo con eso responde. No tiene la visión completa del documento todo el tiempo.
[00:12:52] Speaker B: Exactamente.
[00:12:53] Speaker A: ¿Y eso qué consecuencias tiene en la práctica?
[00:12:55] Speaker B: Pues varias. La principal es que puede que no tenga acceso a información importante si esa información está en una parte del documento que no recuperó para esa consulta en particular. Hay usuarios que han reportado casos claros. Por ejemplo, le preguntan algo sobre un libro completo que subieron, y la IA misma les dice algo basado las páginas 97 a 149 que estoy viendo, aunque el libro tenga 300 páginas.
[00:13:18] Speaker A: Órale. Entonces puede darte análisis incompletos.
[00:13:22] Speaker B: Sí, o resúmenes que omitan cosas cruciales si estaban fuera del fragmento recuperado, o puede cometer errores si le pides tareas que necesitan ver todo el documento. Por ejemplo, si le pides que cuente exactamente cuántas veces aparece una palabra en todo el libro, o que te diga cuál es la primera o la última oración, ahí puede fallar.
[00:13:42] Speaker A: Claro, porque solo está viendo un pedazo.
[00:13:44] Speaker B: Exacto. Incluso puede decirte que no encuentra información que tú sabes que sí está en el documento, pero que simplemente no estaba en el fragmento que recuperó para responderte. ¿Sabes?
[00:13:54] Speaker A: Entiendo.
Entonces, no es tanto que la IA esté mal, o sea un bug, sino que es una consecuencia de cómo está diseñada esta tecnología RAG, que prioriza la relevancia para la pregunta actual, lo cual.
[00:14:07] Speaker B: Sería mucho más lento y computacionalmente muy caro. Por eso funciona mejor cuando le preguntas sobre las ideas, el contenido, los conceptos dentro de tus documentos. Pero puede tener problemas si le preguntas sobre la estructura del documento, sus metadatos, o si necesitas precisión matemática o estadística sobre el texto completo.
[00:14:26] Speaker A: ¿Y la gente de Google sabe de esto? ¿Han dicho algo?
[00:14:30] Speaker B: Sí, fíjate que el equipo de notebook LM ha estado activo en esas discusiones en Reddit. Han reconocido estos desafíos y han dicho que están trabajando en mejoras. Algunos usuarios incluso comentan que han notado que ha mejorado la precisión recientemente. Chance una mejora futura podría ser que la herramienta fuera más transparente y te dijera qué partes del documento está considerando para darte la respuesta.
[00:14:51] Speaker A: Eso estaría bien.
[00:14:53] Speaker B: Mientras tanto, algunos usuarios sugieren estrategias como dividir documentos muy, muy largos en partes más pequeñas antes de subirlos, aunque eso podría complicar un poco la búsqueda, o hacer preguntas muy, muy específicas sobre el contenido en lugar de preguntas muy generales.
[00:15:08] Speaker A: OK, queda claro. Es una limitación importante a tener en cuenta. Ahora, considerando todo esto, sus funciones y sus límites, ¿Cómo se compara Notebook LM con algo como Notion? Mucha gente usa Notion para organición, información, como un segundo cerebro.
[00:15:25] Speaker B: Sí, es una buena pregunta, pero la verdad es que son herramientas bastante diferentes. No compiten directamente, diría yo. Notion es como una navaja suiza digital, ¿No? Es súper versátil. Sirve para tomar notas desde cero, para escribir, para gestionar proyectos, para crear bases de conocimiento enormes, wikis personales o de equipo, para colaborar. Es un lienzo en blanco para crear y organizar.
[00:15:48] Speaker A: Muy flexible.
[00:15:49] Speaker B: Muchísimo. En cambio, Notebook LM está súper especializado. Su fuerte es analizar, resumir y sobre todo, conversar sobre contenido que ya existe y que tú le das.
[00:16:00] Speaker A: Ah, OK. Uno es para construir desde cero, el otro es para entender a fondo lo que ya tienes.
[00:16:06] Speaker B: Exactamente. Las fortalezas de Notion son su flexibilidad, la personalización, las funciones de escritura, la colaboración, las plantillas, las integraciones. Las fortalezas de Notebook LM son su capacidad de análisis profundo de fuentes específicas, la privacidad que da el trabajar solo con tus documentos. Y claro, esas funciones únicas de resumen en audio y video interactivo.
[00:16:28] Speaker A: ¿Y las debilidades ¿Cuáles serían?
[00:16:30] Speaker B: Bueno, Notion, por ejemplo, no tiene modo offline. Y Notebook LM pues tiene menos flexibilidad en cómo organiza la información que genera. Los cuadernos son como islas separadas, no se conectan entre sí. Y la limitación del rack que acabamos de discutir.
[00:16:43] Speaker A: Entendido. Entonces, no es una cuestión de elegir uno u otro, quizás.
[00:16:47] Speaker B: Yo creo que no. Son herramientas que pueden ser muy complementarias. Puedes usar Notion para crear, organizar tus ideas, tus proyectos, y luego usar Notebook LM para profundizar en materiales específicos de investigación, en lecturas, en documentos que necesites analizar a fondo.
[00:17:04] Speaker A: Tiene sentido. Oye, y ya para ir cerrando, recordemos rápido las novedades más recientes. Además de las funciones que ya platicamos, mencionaste la interfaz rediseñada.
[00:17:15] Speaker B: Sí, esa nueva organización en tres fuentes, chat y estudio. Y el modo interactivo en los resúmenes de audio, que aunque está en beta, es una función muy prometedona.
[00:17:27] Speaker A: Y también está la versión de paga, ¿No? Notebook LM Plus.
[00:17:31] Speaker B: Correcto. Esa es la versión por suscripción. Y básicamente te da límites mucho más altos. Puedes hacer muchos más resúmenes de audio, tener más cuadernos, meter más fuentes en cada cuaderno. También te da opciones para personalizar un poco el estilo y la longitud de las respuestas que te da la IA. Permite compartir cuadernos con equipos y ver análisis de uso y ofrece protecciones de privacidad y seguridad de nivel empresarial.
[00:17:58] Speaker A: ¿Y cómo se consigue esa?
[00:18:00] Speaker B: ¿Se accede a través de Google Workspace, de Google Cloud, o dicen que pronto va a estar incluida en la suscripción de Google One AI Premium?
[00:18:08] Speaker A: Perfecto. Bueno, pues hagamos una recapitulación final. Notebook LM se nos presenta como una herramienta de IA, sí, potente, pero con un enfoque muy particular, muy diferente. Su meta parece ser ayudarnos a interactuar de formas nuevas, más profundas, con nuestra propia información. La capacidad de resumir, de generar estas conversaciones en audio y video basadas en nuestros textos y de responder siempre anclada a esas fuentes. La verdad, sí es muy llamativo, definitivamente.
[00:18:39] Speaker B: Lo es, pero creo que es crucial, de verdad, ver la imagen completa. Es una herramienta poderosa, sí, pero exige un uso informado, un uso crítico. Hay que saber sacarle jugo a sus fortalezas, ese análisis enfocado, la privacidad, los formatos de salida innovadores, pero al mismo tiempo ser súper conscientes de sus limitaciones, especialmente cómo funciona eso del Ragnarok y la necesidad constante, permanente de verificar la información nosotros mismos.
[00:19:06] Speaker A: No es magia entonces.
[00:19:07] Speaker B: Para nada. Es un asistente avanzado, muy avanzado, pero que necesita que el usuario piense críticamente, que supervise, que no delegue su entendimiento.
[00:19:18] Speaker A: Y esta nos deja quizás con una reflexión para llevarnos. Si herramientas como Notebook LM nos permiten conversar de una manera cada vez más fluida con toda esa información que vamos acumulando, nuestras notas, nuestras lecturas, investigaciones pasadas, ¿Cómo podría esto transformar no sólo la forma en que investigamos o estudiamos, sino la manera misma en que reflexionamos y desarrollamos nuestras propias ideas a lo largo del tiempo, ¿Estaremos chance ante una nueva forma de dialogar con nuestro propio conocimiento acumulado? ¿Como tener un eco inteligente de nuestro propio aprendizaje?
Ahí se queda la pregunta para pensarla. Gracias por acompañarnos en esta exploración detallada. Hasta la próxima.
