NotebookLM: Hacia una Simbiosis Humano-IA 

NotebooKML frente a la Saturación Informativa 

NotebookLM es un asistente de investigación y aprendizaje personalizado que ha sido descrito como una de las herramientas de IA más innovadoras y, a veces, infravaloradas de la actualidad (Kharbach, 2026; Territorio Software by Alejandro, 2025; Yeo et al., 2025). Desarrollado por Google, este sistema integra la organización de notas personales con la potencia de los modelos de lenguaje de última generación (Ferreira de Carvalho & Ferreira de Carvalho, 2025; Reyna, 2025). 

En este escenario de saturación digital, la inteligencia artificial (IA) ha dejado de ser una promesa futurista para convertirse en un motor de eficiencia que permite realizar tareas mecánicas con una rapidez sin precedentes (Sánchez Peñafiel, 2026). Sin embargo, el verdadero reto no es solo la velocidad, sino la comprensión profunda (Ferreira de Carvalho & Ferreira de Carvalho, 2025; Reyna, 2025). Por ello, surge la necesidad crítica de herramientas de “IA centrada en el usuario” que actúen como asistentes cognitivos capaces de organizar, sintetizar y contextualizar el conocimiento dentro de ecosistemas productivos cada vez más complejos (Álvarez-Chaves & Saborío-Taylor, 2025; Ferreira de Carvalho & Ferreira de Carvalho, 2025; Reyna, 2025). 

NotebooKML: Cómo el Confinamiento de Contexto Redefine la IA 

A diferencia de los chatbots de propósito general como las versiones estándar de ChatGPT, que extraen información de vastos conjuntos de datos de todo internet lo que a veces provoca que inventen datos o “alucinen”, NotebookLM trabaja exclusivamente con los documentos que el usuario elige proporcionarle (Kharbach, 2026; Reyna, 2025; Territorio Software, 2025). Esta plataforma utiliza una arquitectura denominada RAG (Generación Aumentada por Recuperación) (Kuo et al., 2025; Reyna, 2025; Tufino, 2025). En términos sencillos, el sistema funciona como un ancla: antes de responder, busca primero en las fuentes cargadas (PDFs, notas, audios o transcripciones) para extraer la información exacta necesaria antes de generar una contestación (Kharbach, 2026; Kuo et al., 2025; Reyna, 2025). 

El cerebro detrás de NotebookLM es la familia de modelos de lenguaje de gran escala (LLM) Gemini 2.0 de Google, basada en la arquitectura Transformer (Barandiaran & Pérez-Verdugo, 2025; Guisen et al., 2025; Hsu et al., 2026). Estas redes neuronales permiten procesar secuencias extensas de texto manteniendo la coherencia semántica, lo que permite a la IA “leer” múltiples documentos a la vez y entender cómo se relacionan entre sí (Barandiaran & Pérez-Verdugo, 2025; Guisen et al., 2025). El flujo de trabajo es intuitivo: el usuario sube sus fuentes con un límite actual de hasta 500,000 palabras por fuente, realiza preguntas en lenguaje natural y recibe respuestas fundamentadas que incluyen citas directas del material original para una verificación instantánea (Hsu et al., 2026; Reyna, 2025; Territorio Software, 2025; Yeo et al., 2025). 

La Caja de Herramientas Multimodal de NotebookLM 

NotebookLM no solo procesa información; la transforma en múltiples formatos para adaptarse a diversos estilos cognitivos y necesidades profesionales (Reyna, 2025; Yeo et al., 2025). A continuación, se detallan las funcionalidades clave que permiten una interacción profunda con el contenido: 

Audio Overview (Podcasts de Inmersión): Es una de las funciones más innovadoras, generando una conversación tipo “talk-show” entre dos anfitriones de IA que desglosan ideas complejas en un lenguaje coloquial y accesible (Yeo et al., 2025; Reyna, 2025). Esta herramienta es vital para el aprendizaje móvil y auditivo, permitiendo a los usuarios “escuchar” sus documentos mientras realizan otras actividades (Kharbach, 2026; Yeo et al., 2025). 

Video Overview: Esta funcionalidad combina elementos visuales con narración para reforzar el material a través de múltiples canales simultáneamente, lo que facilita la retención y comprensión de conceptos que requieren una secuencia lógica o temporal (Kharbach, 2026; Sánchez Peñafiel, 2026). 

Mind Maps e Infografías: NotebookLM permite visualizar la estructura, jerarquía y relaciones entre ideas que a menudo permanecen ocultas en textos lineales (Kharbach, 2026; Reyna, 2025). Genera mapas mentales y diagramas de flujo que ayudan a que la información “haga clic” visualmente, beneficiando especialmente a estudiantes visuales y neurodivergentes (Kharbach, 2026; Ronksley-Pavia et al., 2025). 

Reports y Briefing Documents: La herramienta puede sintetizar múltiples fuentes para crear informes estructurados o documentos informativos (Conner et al., 2025; Yeo et al., 2025). En medicina, por ejemplo, se ha utilizado para consolidar guías clínicas y generar resúmenes con una precisión técnica superior, facilitando la toma de decisiones basada en evidencia (Hsu et al., 2026; Kuo et al., 2025). 

Flashcards y Quizzes: Para fomentar el aprendizaje activo y la autoevaluación, NotebookLM genera tarjetas didácticas y cuestionarios personalizados basados estrictamente en el material subido (Kharbach, 2026; Reyna, 2025). Esto permite a los estudiantes monitorear su propia comprensión y detectar brechas de conocimiento de manera inmediata (Kharbach, 2026; Reyna, 2025). 

NotebooKML: “Aidemics” y el Desafío de la Autenticidad 

La integración de la IA en la educación superior está dando lugar a una nueva identidad profesional: los “Aidemics” (Yurdunkulu et al., 2025). Un “Aidemic” es un académico que utiliza la IA de forma eficiente, ética y crítica para potenciar su práctica, viéndola no como un reemplazo, sino como una extensión de su propio cerebro (Yurdunkulu et al., 2025). Este concepto se vincula con la “cognición midtendida”, que describe procesos híbridos donde las sugerencias de la IA se vuelven constitutivas del proceso creativo humano sin que este pierda su autoría (Barandiaran & Pérez-Verdugo, 2025). 

A pesar de sus beneficios, la implementación de NotebookLM conlleva desafíos significativos: 

Privacidad y Seguridad: Subir documentos sensibles a la nube exige una gestión de datos robusta (Yurdunkulu et al., 2025), aunque Google asegura que la información de usuarios educativos ahora cuenta con protección de datos de grado empresarial y no se utiliza para entrenar sus modelos generales (Avendaño et al., 2025; Reyna, 2025). 

La Brecha Digital e “IA Colonialismo”: Existe el riesgo de que el acceso a herramientas premium, como NotebookLM Pro, ensanche la brecha educativa entre quienes pueden costearlas y quienes no (Reyna, 2025; Yurdunkulu et al., 2025). Asimismo, existe la preocupación de que los sistemas reproduzcan sesgos occidentales o “eurocéntricos” presentes en sus datos de entrenamiento, lo que se ha denominado IA Colonialismo (Avendaño et al., 2025; Yurdunkulu et al., 2025). 

Atrofia Cognitiva: El uso excesivo de resúmenes automáticos y la dependencia de las sugerencias de la IA podrían debilitar la capacidad de síntesis, la originalidad y la lectura crítica si se utiliza como un atajo para evitar el esfuerzo intelectual en lugar de como un apoyo cognitivo (Barandiaran & Pérez-Verdugo, 2025; Yurdunkulu et al., 2025). 

NotebooKML: Investigación, Medicina y Apoyo a la Diversidad 

El impacto de NotebookLM se extiende más allá de la simple toma de notas, posicionándose como un sistema de investigación total capaz de acelerar revisiones de literatura y apoyar decisiones críticas (Reyna, 2025; Yeo et al., 2025). En la investigación científica, la herramienta permite comparar simultáneamente múltiples artículos para identificar “huecos” en la investigación actual o detectar contradicciones entre autores (Reyna, 2025; Yeo et al., 2025). En un estudio de caso sobre enfermedades de las vías respiratorias, se construyó un sistema experto cargando guías clínicas oficiales en NotebookLM (Hsu et al., 2026). Los resultados mostraron que la IA generó planes de rehabilitación personalizados y diagnósticos que especialistas pulmonares calificaron como “encima de la media” en el 67% de los casos (Hsu et al., 2026). 

Otro ejemplo fascinante es su uso en las humanidades digitales, donde se utilizó el diario de Mary Easton Sibley (92 páginas) para reanimar el pasado, permitiendo diálogos interactivos que reflejan la visión del mundo de figuras históricas (Huffman & Hutson, 2024). Asimismo, en el ámbito profesional, se ha empleado para desarrollar “mapas de mentoría”, analizando perfiles biográficos de investigadores para identificar las mejores coincidencias entre mentores y aprendices (Conner et al., 2025). 

Para los estudiantes neurodivergentes (con TDAH, autismo o dislexia), NotebookLM actúa como un asistente de funciones ejecutivas (Ronksley-Pavia et al., 2025). Al desglosar tareas complejas en pasos manejables y ofrecer formatos visuales o de audio, reduce la carga cognitiva y mitiga la ansiedad social que a veces provoca la interacción en el aula (Ronksley-Pavia et al., 2025; Yeo et al., 2025). Además, en contextos de enseñanza en una segunda lengua (EMI), la herramienta facilita la comprensión al “traducir” terminología académica densa a un lenguaje básico e interpersonal (BICS), haciendo el contenido más accesible y memorable (Yeo et al., 2025). 

Créditos

Autor: Yeraldine Becerra Barrera

Editor: Mg. Ing. Carlos Ivan Pinzon Romero

Código: UCIA- 6

Universidad: Universidad central

Fuentes:

Kharbach, M. (2026). 10 unexpected ways to use NotebookLM with your students. Med Kharbach. http://www.medkharbach.com
Sánchez Peñafiel, L. A. (2026). La inteligencia artificial en el desarrollo de competencias digitales en la educación. Arandu UTIC: Revista Científica Internacional, 13(1), 553-566. https://doi.org/10.69639/arandu.v13i1.1932 
Avendaño Carpio, I. M., Castelo Haro, S. I., Castañeda Condo, L. E., & Guadalupe Tamayo, E. R. (2025). El futuro de la educación: Google Learn y el aprendizaje personalizado. Esprint Investigación, 4(2), 437-450. https://doi.org/10.61347/ei.v4i2.187
Álvarez-Chaves, A., y Saborío-Taylor, S. (2025). Integración de la inteligencia artificial en los procesos de investigación educativa y evaluación de aprendizajes: Una experiencia con estudiantes de la carrera de Estudios Sociales y Educación Cívica en la Universidad Nacional de Costa Rica. RINVE, Revista de Investigación e Innovación Educativa, 3(1), 32-51. https://doi.org/10.59721/rinve.v3i1.30
Hsu, C.-H., Hsu, C.-L., Tsou, C.-H., Hsu, K.-F., & Yang, H.-Y. (2026). Improving clinical decision-making in treating airway diseases with an expert system built upon the free AI tool Google NotebookLM. JMIR Medical Informatics, 14, e78567. https://doi.org/10.2196/78567
Conner, L., Scoresby, K., & Watts, K. J. (2025). Using Artificial Intelligence to Develop a Mentorship Map. The Journal of Faculty Development, 39(2), 76-78. 
Huffman, P., & Hutson, J. (2024). Enhancing History Education with Google NotebookLM: Case Study of Mary Easton Sibley’s Diary for Multimedia Content and Podcast Creation. ISRG Journal of Arts, Humanities and Social Sciences (ISRGJAHSS), 2(5), 1-8. https://isrgpublishers.com/isrgjahss 
Kuo, S.-M., Tai, S.-K., Lin, H.-Y., & Chen, R.-C. (2025). Automated Clinical Trial Data Analysis and Report Generation by Integrating Retrieval-Augmented Generation (RAG) and Large Language Model (LLM) Technologies. AI, 6, 188. https://doi.org/10.3390/ai6080188 
Reyna, J. (2025). The Potential of Google NotebookLM for Teaching and Learning. The Royal Australian and New Zealand College of Ophthalmologists (RANZCO). 
Yeo, M. A., Moorhouse, B. L., & Wan, Y. (2025). From academic text to talk-show: Deepening engagement and understanding with Google NotebookLM. Teaching English as a Second or Foreign Language Electronic Journal (TESL-EJ), 28(4). https://doi.org/10.55593/ej.28112int1
Ronksley-Pavia, M., Nguyen, L., Wheeley, E., Rose, J., Neumann, M. M., Bigum, C., & Neumann, D. L. (2025). A scoping literature review of generative artificial intelligence for supporting neurodivergent school students. Computers and Education: Artificial Intelligence, 9, 100437. https://doi.org/10.1016/j.caeai.2025.100437 
Villarrubia Zúñiga, M. S., González García, P., & Schmauss, B. (2025). Google Notebook LM: Artificial intelligence to manage plurilingual learning through the Lean-Kaizen process. Porta Linguarum, Special Issue XIII, 17-33. https://doi.org/10.30827/portalin.viXIII.33867
Yurdunkulu, A., Bulut, M. A., & Göçen, A. (2025). From academics to Aidemics: Unpacking the human–AI symbiosis in higher education. Acta Psychologica, 261, 105796. https://doi.org/10.1016/j.actpsy.2025.105796 
Barandiaran, X. E., & Pérez-Verdugo, M. (2025). Generative midtended cognition and Artificial Intelligence: thinging with thinging things. Synthese, 205(137). https://doi.org/10.1007/s11229-025-04961-4 
Ferreira de Carvalho, M. C., & Ferreira de Carvalho, C. (2025). O impacto da utilização do NotebookLM como metodologia ativa para melhorar o processo de aprendizagem e desempenho estudantil. Universidade Santa Cecília. 
Guisen, M. A., Giorgi, L. N., López Serra, L., & Acosta, P. E. (2025). Taxonomía de prompts para optimizar la accesibilidad académica en sistemas de Inteligencia Artificial conversacional. Revista Abierta de Informática Aplicada, 9(1), 36-51. https://doi.org/10.59471/raia2025216