O que aprendi sobre usar NotebookLM para Pesquisas
Fala povo bunito!
O que aprendi sobre usar NotebookLM para Pesquisas
Fala povo bunito!
Depois de um tempinho em off, venho com atualizações das minha novas andanças em UXR/ReOps, agora focando em IA.
Uma hora, este momento chegaria. E vou ser sincera com vocês: foi divertido. Correção: está sendo divertido.
Contexto
Para os que nunca leram um artigo meu, convido-os a acessar um dos links abaixo e adentrar nesse universo de testes às cegas & aprendizados sobre métodos/ferramentas/operacionalização de pesquisa com foco em experiência do usuário:
Para os que já leram: No meu último artigo, falei da minha experiência em utilizar pela primeira vez o Diário de uso continuado.
Aliás, abre aspas aqui: Eu e a Fran Maciel (amiga e parceira de time de UXR), participamos do podcast Cabeça de lab para se aprofundar um pouco mais sobre diário de uso continuado.
Dá o play e aproveita:
[embed]
Desde esse artigo, venho estudando e testando maneiras de orquestrar e facilitar o acesso as pesquisas feitas pelo o time onde atuo, que tem como foco desenvolver e entregar pesquisas & estudos de clientes.
Sim, eu continuo conduzindo pesquisas, mas cada vez mais meu trabalho como pessoa responsável pela operacionalização & sistematização das pesquisas feitas vem aumentando. E por isso, urge em algum momento a necessidade de utilizar ferramentas que otimizem esse processo.
E por onde comecei?
Primeiro, analisei o que temos como ferramentas e a resposta mais óbvia foi utilizar as IAs do Gsuite (já que utilizamos o Google Workspace como ambiente de trabalho), sendo elas: NotebookLM e Gemini.
O Gemini vai ser papo para outro artigo.
Para quem ainda não utilizou ou desconhece o NotebookLM, ele é basicamente um assistente de pesquisa & escrita. Ele pode tanto consumir conteúdo da internet como absorver APENAS o que for indexado como fonte de acesso. No meu caso, escolhi a segunda opção, já que o objetivo é que o NotebookLM criado seja uma ferramenta de auxílio a busca de pesquisas finalizadas e integradas ao nosso repositório (Drive e GSite).
Aliás, esse é um ponto muito importante: IAs como Claude, GPT, Deepseek e etc, permitem que o usuário impute dados de quaisquer fontes (que esteja no seu computador pessoal ou na internet). Especificamente no NotebookLM, caso você deseje restringir sua base de consulta, os documentos precisam estar em seu computador OU anexados no Drive (no formato de Docs e Presentation).
Acredito que em algum momento a possibilidade de utilizar vídeos gravados pelo Meet, será uma possibilidade de documentação.
Segundo passo foi averiguar a curva de aprendizado em utilizar e esforço cognitivo para fazer tarefas básicas (Ex: Criar um prompt, dar um tom & voz para a assistente e etc).
Inicialmente nesse segundo passo, não houve interferência de outras pessoas (no caso, stakeholders/usuários); Tratei de modelar possíveis prompts, testá-los diversas vezes, melhorar o tom do assistente e documentar as versões como backups.
Após esses 2 pontos esmiuçados, o próximo passo foi definir as etapas sobre como essa operacionalização deve funcionar. Ou seja: outros usuários testarem.
Criar by the book (Guia de uso)> Definir correções > Testar com usuário > Corrigir & adicionar melhorias
O que aprendi com os testes
Primeiro, vamos entender os parâmetros que defini para testar o Notebook:
Usuários com senioridade distinta X Conhecimento da ferramenta (NotebookLM) = método de pesquisa distinto
- Quanto maior o conhecimento com a ferramenta = método de pesquisa não moderado (Diário de uso)
- Quanto menor o conhecimento com a ferramenta = método de pesquisa moderado (Entrevista moderada)
Todos os usuário, receberam a mesma tarefa: Leia o documento compartilhado, escolha de 1 ou 2 prompts para testar no notebookLM.
Ao final dos testes, os participantes preencheram uma survey respondendo algumas perguntas:
- Satisfação (NotebookLM e Guia)
- Escala de clareza da informação
- Escala de dificuldade em utilizar (prompts & notebook)
- Escala de otimização de tempo
Além disso, os objetivo são:
- Entender o grau de importância, facilidade e agilidade que o NotebookLM oferece para o usuário
- Compreender se o material de apoio (By the book/guia de uso) é funcional
- O que os usuários gostaram/desgostaram no documento

Aprendizados gerais
- O documento (guia de uso) é visto mais como de uso Norteador e menos de uso Prático.
- Os usuários que passaram pelo teste moderado, tiveram dificuldade em executar as tarefas, diferente dos usuários que passaram pelo teste não-moderado, que tiveram facilidade em executar as tarefas.
- Os usuários têm dificuldades de definir objetivos. Logo, se não estiver definido, não sabem criar.
- A depender do perfil de usuário, enfrentam maior dificuldade em detalhar e especificar o que desejam/esperado que seja feito


O que aprendi com os resultados dos testes
- O guia de uso, inicialmente foi feito no formato de Presentation. Percebi pelos testes, que o acesso pelo Gsite (página) é mais fácil de compartilhar/acessar;
- Disseminar o uso do Notebook e os prompts, é uma forma de dar mais autonomia para os usuários criarem novos prompts e aprenderem a usar o básico de maneira espontânea.
- Mesmo sendo mais usado como norteador (apenas como motor de busca), aqueles que utilizaram para criar documentos, se beneficiariam da otimização de tempo. Logo: a tendência é que quanto mais pessoas usam, melhor é a entrega do Notebook.
Os próximos passos são manter as melhorias constantes, evoluindo a ferramenta e disseminar/compartilhar por meio de workshops com os times.
Spoiler: estou estudando como criar Persona sintéticas atráves do Gemini. Então fica de olho que os avanços serão documentados por aqui.
메타데이터
- post_id
- cf07c4afa56f
- slug
- o-que-aprendi-sobre-usar-notebooklm-para-pesquisas-cf07c4afa56f
- url
- https://medium.com/luizalabs/o-que-aprendi-sobre-usar-notebooklm-para-pesquisas-cf07c4afa56f
- canonical_url
- https://medium.com/luizalabs/o-que-aprendi-sobre-usar-notebooklm-para-pesquisas-cf07c4afa56f
- author_url
- https://medium.com/@rairaizabel
- status
- ok
- fetched_at
- 2026-06-23 19:38:28