Salsomaggiore Terme (Tutorial) -
23/07/2026 - NotebookLM tra file modificabili analisi avanzate e short verticali
NotebookLM cambia passo e prova a trasformarsi da semplice spazio per studiare le fonti a vero ambiente operativo. Il punto centrale del nuovo aggiornamento non riguarda soltanto le risposte della chat: ora possiamo partire dai materiali caricati nel notebook e chiedere la creazione di PDF, documenti, presentazioni PowerPoint, file Excel, immagini e grafici. Il vantaggio raccontato nel video e’ molto concreto: questi contenuti non restano semplici anteprime statiche, ma diventano file scaricabili, modificabili e pronti da riutilizzare in altri strumenti.
La seconda novita’ riguarda le capacita’ di analisi. NotebookLM puo’ esaminare cio’ che abbiamo gia’ raccolto, individuare gli aspetti mancanti e proporre nuovi percorsi di approfondimento. Prima di cercare altre fonti, pero’, ci chiede una conferma. In questo modo il lavoro resta ancorato ai documenti scelti da noi, mentre la chat diventa piu’ utile per confrontare dati, costruire grafici e trasformare risultati complessi in output leggibili.
Il video mostra esempi legati al lancio di un corso, alle spese pubblicitarie, al fatturato e a un tracker di allenamento. Da questi casi emerge un flusso semplice: carichiamo i dati, poniamo una richiesta in linguaggio naturale e lasciamo che NotebookLM prepari il formato piu’ adatto. A completare il quadro arrivano gli short verticali, video da circa 40-60 secondi pensati per un formato simile a Reel o TikTok. Possiamo generarli senza indicazioni, partire da un suggerimento oppure definire con precisione il messaggio. Vediamo quindi come funzionano i nuovi file modificabili, quali analisi possiamo costruire e quali limiti dobbiamo considerare prima di usare i video generati.
Quando apriamo un nuovo notebook, possiamo aggiungere le fonti manualmente oppure usare lo strumento di ricerca per trovare il materiale necessario. Una volta caricate, quelle fonti diventano la base per generare diversi artefatti. Nel video vediamo, per esempio, una presentazione, un’infografica e una tabella dati. La differenza rispetto al passato non sta soltanto nella quantita’ di formati disponibili, ma soprattutto nel modo in cui possiamo riutilizzarli.
Prima dell’aggiornamento, una tabella poteva essere esportata verso Google Sheets, mentre una presentazione poteva arrivare in PowerPoint sotto forma di immagini statiche. Questo significava avere un risultato visivamente pronto, ma con possibilita’ limitate di intervento. Il nuovo funzionamento sposta invece il lavoro nella chat centrale: possiamo chiedere a [URLAMPI=https://www.mrpaloma.com/notizie/2719-notebooklm-guida-totale-2026-tra-podcast-presentazioni]NotebookLM[/URLAMP] di creare file veri e scaricabili, tra cui PDF, documenti, Excel, PowerPoint, immagini e semplici grafiche.
L’esempio piu’ chiaro riguarda la strategia di lancio di un corso. Dalla chat viene richiesto un PowerPoint utilizzabile per presentare la strategia al team. La generazione richiede alcuni minuti e il file compare sulla destra. A differenza degli artefatti prodotti attraverso i pulsanti nativi dello studio, facendo clic sul risultato il documento viene scaricato sul computer. Possiamo quindi aprirlo, caricarlo in Google Slides o usarlo in un ambiente simile. Soprattutto, testo ed elementi restano modificabili: possiamo spostare i contenuti, correggere le parole e adattare la presentazione alle esigenze reali del lavoro.
Lo stesso principio viene applicato a un foglio di calcolo. Partendo dalla medesima ricerca, la richiesta consiste nel costruire un file Excel con le proiezioni di due modelli. Non serve formulare un prompt complesso: nel test basta una domanda espressa in linguaggio naturale. Dopo l’attesa, NotebookLM restituisce il file, che puo’ essere scaricato e caricato anche dentro Google Sheets. Il passaggio importante e’ che il notebook non si limita a riassumere i dati in una risposta, ma li organizza in un formato operativo.
Nel flusso mostrato troviamo anche la generazione di immagini attraverso Nano Banana. Viene chiesta un’immagine di copertina per il lancio del corso, coerente con il posizionamento e il tono di voce definiti nella ricerca. Il risultato non viene presentato come una grafica casuale: nasce dal contesto fornito nel notebook e puo’ essere scaricato subito. Questo aspetto rende il notebook particolarmente interessante per chi vuole mantenere una linea coerente tra analisi, presentazioni, proiezioni e materiali visivi.
Possiamo quindi immaginare un unico spazio in cui le fonti alimentano piu’ risultati coordinati. La chat serve a descrivere cio’ che ci occorre, mentre NotebookLM prepara il formato richiesto. Il valore pratico non e’ soltanto ’generare qualcosa con l’intelligenza artificiale’, ma passare dalla ricerca a un documento utilizzabile senza ricostruire ogni volta il lavoro in strumenti separati. I file restano scaricabili e modificabili, due caratteristiche che cambiano sensibilmente il ruolo del notebook all’interno di un progetto.
I nuovi formati sono la parte piu’ visibile, ma il video insiste sul cambiamento che avviene sotto il cofano. NotebookLM viene descritto come basato sull’ultimo modello Google Gemini 3.5, con risposte piu’ accurate e affidabili e la possibilita’ di osservare i passaggi seguiti per arrivare a un risultato. Questo rende piu’ semplice accorgersi se l’analisi sta prendendo una direzione poco utile e intervenire per correggerla.
Ogni notebook dispone inoltre di un computer cloud sicuro e puo’ eseguire codice per affrontare ricerche e analisi piu’ complesse. Dal punto di vista di chi lo usa, non e’ necessario occuparsi dei dettagli tecnici: cio’ che conta e’ la capacita’ di elaborare le fonti e di aiutarci a trovare gli elementi mancanti. Possiamo chiedere, per esempio, che cosa manca a un’analisi e quali temi dovrebbero essere aggiunti come fonti.
Nel test dedicato al lancio di un corso, NotebookLM esamina i materiali gia’ caricati e la conversazione svolta fino a quel momento. Individua cosi’ alcune aree non considerate, tra cui benchmark legati ai modelli ad abbonamento e dinamiche di prezzo e disdetta. Invece di procedere senza controllo, domanda quale strada vogliamo seguire. Dopo la conferma sull’approfondimento dei benchmark di retention, i risultati vengono aggiornati. La sequenza e’ importante: il sistema osserva il contesto, segnala un vuoto, propone alternative e attende l’autorizzazione prima di aggiungere nuove fonti.
Quando uniamo questa capacita’ ai file scaricabili, nascono flussi di lavoro piu’ completi. Un esempio parte da due documenti: uno contiene la spesa pubblicitaria del lancio precedente, l’altro le vendite. Dopo aver selezionato soltanto questi materiali, viene chiesto di confrontare il fatturato con l’investimento in advertising. NotebookLM incrocia i dati e restituisce una scomposizione delle campagne che hanno reso meglio o peggio.
La prima risposta, pero’, contiene molto testo. La chat stessa propone allora di trasformare le spese mensili e il fatturato in un grafico pulito. Accettando il suggerimento, otteniamo un’immagine nella quale il rapporto tra investimento pubblicitario e risultato economico diventa immediatamente leggibile. Non abbiamo quindi soltanto un’analisi numerica, ma una progressione che porta dai file originali a una spiegazione e infine a una visualizzazione.
Il secondo caso riguarda un tracker di allenamento. Nel notebook vengono inseriti i dati delle sessioni per osservare la crescita della forza settimana dopo settimana e l’andamento del peso. Con una richiesta diretta possiamo ottenere un grafico che mette in relazione i progressi di forza, il programma seguito e il monitoraggio del peso. Il risultato puo’ poi essere personalizzato con un prompt piu’ dettagliato.
Questi esempi mostrano come cambiamo prospettiva: non usiamo il notebook soltanto per imparare da libri, articoli e video, ma anche per lavorare sui nostri dati. Se le fonti sono le campagne di un lancio o le sessioni in palestra, ogni grafico, documento o immagine nasce da quelle informazioni. Il principio rimane la fedelta’ alle fonti scelte, mentre la chat ci aiuta a individuare il passaggio successivo e a presentare meglio cio’ che l’analisi ha trovato.
L’aggiornamento introduce anche la possibilita’ di generare video verticali. Non si tratta, secondo quanto mostrato, dei classici contenuti social prodotti con strumenti specializzati, ma di brevi video in formato simile a Reel o TikTok. La durata indicativa e’ di 40-60 secondi e il punto di partenza resta sempre il materiale presente nel notebook.
L’opzione si trova nello studio, nella sezione della panoramica video. Aprendo la freccia possiamo selezionare la voce dedicata agli shorts. I pulsanti e la logica generale ricordano il [URLAMPI=https://www.mrpaloma.com/notizie/2530-notebooklm-google-esploriamo-funzionalita-sorprendenti]funzionamento[/URLAMP] precedente, ma cambia il tipo di risultato generato. Nel test viene ripreso il notebook sul lancio del corso con l’obiettivo di creare un teaser verticale.
Il video descrive tre modi per procedere, ordinati dal piu’ rapido al piu’ controllabile. Il primo consiste nella generazione senza prompt. Apriamo il creatore di video, scegliamo shorts, non selezioniamo altre opzioni e avviamo la creazione. In questo caso lasciamo che sia NotebookLM a decidere su cosa focalizzarsi. Lo strumento propone automaticamente alcuni suggerimenti ricavati dai dati disponibili. Tra gli esempi compare l’importanza di creare una finestra d’urgenza durante un lancio.
Il secondo metodo parte proprio da uno di questi suggerimenti. Invece di lasciare il campo vuoto, scegliamo l’argomento che ci interessa e chiediamo al sistema di concentrare il video su quel punto. L’esempio selezionato riguarda il motivo per cui un lancio a finestra crea urgenza. Abbiamo quindi una direzione tematica precisa senza dover scrivere da zero tutte le istruzioni.
Il terzo metodo offre il controllo maggiore. Inseriamo direttamente nel campo di testo cio’ che vogliamo ottenere. Nel test la richiesta e’ di creare un video verticale che promuova il lancio del corso e spinga le persone a iscriversi alla lista d’attesa. Questa strada permette di definire meglio obiettivo e messaggio, pur continuando a usare come base le fonti raccolte nel notebook.
Lo stesso meccanismo viene provato sui dati personali. Per il tracker di allenamento viene richiesto uno short motivazionale sui progressi in palestra. Il prompt chiede di incoraggiare l’utente se sta migliorando e di utilizzare il grafico con l’andamento settimanale. Il risultato incorpora effettivamente la visualizzazione dei progressi, trasformando numeri e analisi in un contenuto breve.
Dietro la generazione viene citata Nano Banana 2 Lite, presentata come una versione piu’ leggera, veloce ed economica del modello per immagini. Nel flusso descritto e’ questa tecnologia ad alimentare gli short. La scelta consente di mettere la funzione a disposizione senza richiedere costi aggiuntivi per ogni generazione video, almeno nel contesto mostrato.
Per noi il valore piu’ interessante non e’ quindi la produzione indiscriminata di video social, ma la possibilita’ di riutilizzare in forma audiovisiva un’analisi gia’ costruita. Possiamo partire dalla strategia di un lancio, da un grafico o dall’andamento di un’attivita’ e ottenere un breve contenuto coerente con quei dati. I tre livelli di controllo - nessun prompt, suggerimento automatico e istruzione mirata - permettono di scegliere tra velocita’ e precisione in base allo scopo.
La generazione degli short viene accompagnata da due osservazioni molto chiare. La prima riguarda i tempi: la creazione dei video e’ ancora lenta e puo’ richiedere un’attesa significativa. Si tratta comunque di una funzione aggiuntiva disponibile nello stesso ambiente, senza dover ricorrere immediatamente a un servizio esterno con costi di generazione separati.
Il consiglio espresso nel video e’ di usare NotebookLM soprattutto per le altre attivita’ mostrate - ricerca, analisi, documenti, presentazioni, fogli di calcolo, immagini e grafici - e di riservare gli short a contenuti specifici, accattivanti e strettamente collegati al proprio lavoro. Non viene suggerito di considerarli una sostituzione completa degli strumenti per la produzione social.
Il secondo limite e’ visivo. Negli esempi compare spesso uno sfondo con un motivo puntinato. Al momento della registrazione questo elemento ricorre in quasi tutti i video e rende facilmente riconoscibile la provenienza da NotebookLM. Puo’ risultare gradevole, ma rischia anche di uniformare troppo i risultati. Prima di pubblicare uno short conviene quindi osservarne con attenzione l’aspetto e valutare se quella firma grafica sia coerente con l’uso previsto.
L’aggiornamento richiede anche un piccolo cambio di mentalita’. In precedenza un notebook poteva servire soprattutto per imparare qualcosa attraverso tecniche di storytelling, libri, articoli o video YouTube. Ora possiamo creare spazi ancorati ai nostri dati. Nel tracker di allenamento, per esempio, le informazioni provengono dalle sessioni personali e non da fonti esterne. Di conseguenza, ogni output prodotto nello studio o nella chat parte dai numeri che abbiamo fornito.
Questa evoluzione solleva una domanda importante: l’aumento delle capacita’ rischia di indebolire il legame con le fonti? Nel test la risposta e’ negativa. NotebookLM continua a usare le informazioni presenti e, quando effettua una ricerca, aggiunge nuove fonti soltanto dopo l’approvazione. Se gli poniamo una domanda che non trova risposta nei materiali, non dovrebbe inventare una soluzione. Nel video viene fatto l’esempio di una domanda su come cucinare una fiorentina o una carbonara: senza fonti dedicate, il notebook non sa rispondere.
Resta infine il tema della disponibilita’. Le capacita’ agentiche e i file creati dalla chat, indicati come il cuore di questa evoluzione, vengono distribuiti gradualmente. L’arrivo parte dagli utenti Google AI Ultra e prosegue poi verso gli altri. E’ quindi possibile che, guardando il video o aprendo il proprio account, alcune funzioni non siano ancora visibili.
Per gli short la situazione viene descritta come diversa: dovrebbero arrivare a tutti in tempi piu’ rapidi. Viene inoltre anticipato l’arrivo futuro di video cinematografici piu’ lunghi. Non dobbiamo pero’ confondere una funzione annunciata o in distribuzione con uno strumento gia’ disponibile per ogni profilo. La scelta piu’ sensata e’ controllare cio’ che compare nel nostro studio e costruire il flusso di lavoro sulle opzioni effettivamente presenti.
Nel complesso, il nuovo NotebookLM mostra una direzione precisa. Le fonti non servono piu’ soltanto a ottenere risposte, ma possono diventare presentazioni modificabili, fogli di calcolo, immagini, grafici e brevi video. Per sfruttare bene questo passaggio dobbiamo mantenere il controllo sui materiali, approvare consapevolmente le nuove ricerche e scegliere il formato in funzione del risultato. In questo modo l’ancoraggio ai dati resta il centro del notebook, mentre le nuove capacita’ ampliano i modi in cui possiamo analizzarli, raccontarli e condividerli.
La seconda novita’ riguarda le capacita’ di analisi. NotebookLM puo’ esaminare cio’ che abbiamo gia’ raccolto, individuare gli aspetti mancanti e proporre nuovi percorsi di approfondimento. Prima di cercare altre fonti, pero’, ci chiede una conferma. In questo modo il lavoro resta ancorato ai documenti scelti da noi, mentre la chat diventa piu’ utile per confrontare dati, costruire grafici e trasformare risultati complessi in output leggibili.
Il video mostra esempi legati al lancio di un corso, alle spese pubblicitarie, al fatturato e a un tracker di allenamento. Da questi casi emerge un flusso semplice: carichiamo i dati, poniamo una richiesta in linguaggio naturale e lasciamo che NotebookLM prepari il formato piu’ adatto. A completare il quadro arrivano gli short verticali, video da circa 40-60 secondi pensati per un formato simile a Reel o TikTok. Possiamo generarli senza indicazioni, partire da un suggerimento oppure definire con precisione il messaggio. Vediamo quindi come funzionano i nuovi file modificabili, quali analisi possiamo costruire e quali limiti dobbiamo considerare prima di usare i video generati.
Indice
- File modificabili creati direttamente dalla chat
- Analisi ancorate alle fonti e nuovi flussi di lavoro
- Short verticali generati dai contenuti del notebook
- Accesso graduale limiti e uso consapevole
Tutorial video
File modificabili creati direttamente dalla chat
Quando apriamo un nuovo notebook, possiamo aggiungere le fonti manualmente oppure usare lo strumento di ricerca per trovare il materiale necessario. Una volta caricate, quelle fonti diventano la base per generare diversi artefatti. Nel video vediamo, per esempio, una presentazione, un’infografica e una tabella dati. La differenza rispetto al passato non sta soltanto nella quantita’ di formati disponibili, ma soprattutto nel modo in cui possiamo riutilizzarli.
Prima dell’aggiornamento, una tabella poteva essere esportata verso Google Sheets, mentre una presentazione poteva arrivare in PowerPoint sotto forma di immagini statiche. Questo significava avere un risultato visivamente pronto, ma con possibilita’ limitate di intervento. Il nuovo funzionamento sposta invece il lavoro nella chat centrale: possiamo chiedere a [URLAMPI=https://www.mrpaloma.com/notizie/2719-notebooklm-guida-totale-2026-tra-podcast-presentazioni]NotebookLM[/URLAMP] di creare file veri e scaricabili, tra cui PDF, documenti, Excel, PowerPoint, immagini e semplici grafiche.
L’esempio piu’ chiaro riguarda la strategia di lancio di un corso. Dalla chat viene richiesto un PowerPoint utilizzabile per presentare la strategia al team. La generazione richiede alcuni minuti e il file compare sulla destra. A differenza degli artefatti prodotti attraverso i pulsanti nativi dello studio, facendo clic sul risultato il documento viene scaricato sul computer. Possiamo quindi aprirlo, caricarlo in Google Slides o usarlo in un ambiente simile. Soprattutto, testo ed elementi restano modificabili: possiamo spostare i contenuti, correggere le parole e adattare la presentazione alle esigenze reali del lavoro.
Lo stesso principio viene applicato a un foglio di calcolo. Partendo dalla medesima ricerca, la richiesta consiste nel costruire un file Excel con le proiezioni di due modelli. Non serve formulare un prompt complesso: nel test basta una domanda espressa in linguaggio naturale. Dopo l’attesa, NotebookLM restituisce il file, che puo’ essere scaricato e caricato anche dentro Google Sheets. Il passaggio importante e’ che il notebook non si limita a riassumere i dati in una risposta, ma li organizza in un formato operativo.
Nel flusso mostrato troviamo anche la generazione di immagini attraverso Nano Banana. Viene chiesta un’immagine di copertina per il lancio del corso, coerente con il posizionamento e il tono di voce definiti nella ricerca. Il risultato non viene presentato come una grafica casuale: nasce dal contesto fornito nel notebook e puo’ essere scaricato subito. Questo aspetto rende il notebook particolarmente interessante per chi vuole mantenere una linea coerente tra analisi, presentazioni, proiezioni e materiali visivi.
Possiamo quindi immaginare un unico spazio in cui le fonti alimentano piu’ risultati coordinati. La chat serve a descrivere cio’ che ci occorre, mentre NotebookLM prepara il formato richiesto. Il valore pratico non e’ soltanto ’generare qualcosa con l’intelligenza artificiale’, ma passare dalla ricerca a un documento utilizzabile senza ricostruire ogni volta il lavoro in strumenti separati. I file restano scaricabili e modificabili, due caratteristiche che cambiano sensibilmente il ruolo del notebook all’interno di un progetto.
Analisi ancorate alle fonti e nuovi flussi di lavoro
I nuovi formati sono la parte piu’ visibile, ma il video insiste sul cambiamento che avviene sotto il cofano. NotebookLM viene descritto come basato sull’ultimo modello Google Gemini 3.5, con risposte piu’ accurate e affidabili e la possibilita’ di osservare i passaggi seguiti per arrivare a un risultato. Questo rende piu’ semplice accorgersi se l’analisi sta prendendo una direzione poco utile e intervenire per correggerla.
Ogni notebook dispone inoltre di un computer cloud sicuro e puo’ eseguire codice per affrontare ricerche e analisi piu’ complesse. Dal punto di vista di chi lo usa, non e’ necessario occuparsi dei dettagli tecnici: cio’ che conta e’ la capacita’ di elaborare le fonti e di aiutarci a trovare gli elementi mancanti. Possiamo chiedere, per esempio, che cosa manca a un’analisi e quali temi dovrebbero essere aggiunti come fonti.
Nel test dedicato al lancio di un corso, NotebookLM esamina i materiali gia’ caricati e la conversazione svolta fino a quel momento. Individua cosi’ alcune aree non considerate, tra cui benchmark legati ai modelli ad abbonamento e dinamiche di prezzo e disdetta. Invece di procedere senza controllo, domanda quale strada vogliamo seguire. Dopo la conferma sull’approfondimento dei benchmark di retention, i risultati vengono aggiornati. La sequenza e’ importante: il sistema osserva il contesto, segnala un vuoto, propone alternative e attende l’autorizzazione prima di aggiungere nuove fonti.
Quando uniamo questa capacita’ ai file scaricabili, nascono flussi di lavoro piu’ completi. Un esempio parte da due documenti: uno contiene la spesa pubblicitaria del lancio precedente, l’altro le vendite. Dopo aver selezionato soltanto questi materiali, viene chiesto di confrontare il fatturato con l’investimento in advertising. NotebookLM incrocia i dati e restituisce una scomposizione delle campagne che hanno reso meglio o peggio.
La prima risposta, pero’, contiene molto testo. La chat stessa propone allora di trasformare le spese mensili e il fatturato in un grafico pulito. Accettando il suggerimento, otteniamo un’immagine nella quale il rapporto tra investimento pubblicitario e risultato economico diventa immediatamente leggibile. Non abbiamo quindi soltanto un’analisi numerica, ma una progressione che porta dai file originali a una spiegazione e infine a una visualizzazione.
Il secondo caso riguarda un tracker di allenamento. Nel notebook vengono inseriti i dati delle sessioni per osservare la crescita della forza settimana dopo settimana e l’andamento del peso. Con una richiesta diretta possiamo ottenere un grafico che mette in relazione i progressi di forza, il programma seguito e il monitoraggio del peso. Il risultato puo’ poi essere personalizzato con un prompt piu’ dettagliato.
Questi esempi mostrano come cambiamo prospettiva: non usiamo il notebook soltanto per imparare da libri, articoli e video, ma anche per lavorare sui nostri dati. Se le fonti sono le campagne di un lancio o le sessioni in palestra, ogni grafico, documento o immagine nasce da quelle informazioni. Il principio rimane la fedelta’ alle fonti scelte, mentre la chat ci aiuta a individuare il passaggio successivo e a presentare meglio cio’ che l’analisi ha trovato.
Short verticali generati dai contenuti del notebook
L’aggiornamento introduce anche la possibilita’ di generare video verticali. Non si tratta, secondo quanto mostrato, dei classici contenuti social prodotti con strumenti specializzati, ma di brevi video in formato simile a Reel o TikTok. La durata indicativa e’ di 40-60 secondi e il punto di partenza resta sempre il materiale presente nel notebook.
L’opzione si trova nello studio, nella sezione della panoramica video. Aprendo la freccia possiamo selezionare la voce dedicata agli shorts. I pulsanti e la logica generale ricordano il [URLAMPI=https://www.mrpaloma.com/notizie/2530-notebooklm-google-esploriamo-funzionalita-sorprendenti]funzionamento[/URLAMP] precedente, ma cambia il tipo di risultato generato. Nel test viene ripreso il notebook sul lancio del corso con l’obiettivo di creare un teaser verticale.
Il video descrive tre modi per procedere, ordinati dal piu’ rapido al piu’ controllabile. Il primo consiste nella generazione senza prompt. Apriamo il creatore di video, scegliamo shorts, non selezioniamo altre opzioni e avviamo la creazione. In questo caso lasciamo che sia NotebookLM a decidere su cosa focalizzarsi. Lo strumento propone automaticamente alcuni suggerimenti ricavati dai dati disponibili. Tra gli esempi compare l’importanza di creare una finestra d’urgenza durante un lancio.
Il secondo metodo parte proprio da uno di questi suggerimenti. Invece di lasciare il campo vuoto, scegliamo l’argomento che ci interessa e chiediamo al sistema di concentrare il video su quel punto. L’esempio selezionato riguarda il motivo per cui un lancio a finestra crea urgenza. Abbiamo quindi una direzione tematica precisa senza dover scrivere da zero tutte le istruzioni.
Il terzo metodo offre il controllo maggiore. Inseriamo direttamente nel campo di testo cio’ che vogliamo ottenere. Nel test la richiesta e’ di creare un video verticale che promuova il lancio del corso e spinga le persone a iscriversi alla lista d’attesa. Questa strada permette di definire meglio obiettivo e messaggio, pur continuando a usare come base le fonti raccolte nel notebook.
Lo stesso meccanismo viene provato sui dati personali. Per il tracker di allenamento viene richiesto uno short motivazionale sui progressi in palestra. Il prompt chiede di incoraggiare l’utente se sta migliorando e di utilizzare il grafico con l’andamento settimanale. Il risultato incorpora effettivamente la visualizzazione dei progressi, trasformando numeri e analisi in un contenuto breve.
Dietro la generazione viene citata Nano Banana 2 Lite, presentata come una versione piu’ leggera, veloce ed economica del modello per immagini. Nel flusso descritto e’ questa tecnologia ad alimentare gli short. La scelta consente di mettere la funzione a disposizione senza richiedere costi aggiuntivi per ogni generazione video, almeno nel contesto mostrato.
Per noi il valore piu’ interessante non e’ quindi la produzione indiscriminata di video social, ma la possibilita’ di riutilizzare in forma audiovisiva un’analisi gia’ costruita. Possiamo partire dalla strategia di un lancio, da un grafico o dall’andamento di un’attivita’ e ottenere un breve contenuto coerente con quei dati. I tre livelli di controllo - nessun prompt, suggerimento automatico e istruzione mirata - permettono di scegliere tra velocita’ e precisione in base allo scopo.
Accesso graduale limiti e uso consapevole
La generazione degli short viene accompagnata da due osservazioni molto chiare. La prima riguarda i tempi: la creazione dei video e’ ancora lenta e puo’ richiedere un’attesa significativa. Si tratta comunque di una funzione aggiuntiva disponibile nello stesso ambiente, senza dover ricorrere immediatamente a un servizio esterno con costi di generazione separati.
Il consiglio espresso nel video e’ di usare NotebookLM soprattutto per le altre attivita’ mostrate - ricerca, analisi, documenti, presentazioni, fogli di calcolo, immagini e grafici - e di riservare gli short a contenuti specifici, accattivanti e strettamente collegati al proprio lavoro. Non viene suggerito di considerarli una sostituzione completa degli strumenti per la produzione social.
Il secondo limite e’ visivo. Negli esempi compare spesso uno sfondo con un motivo puntinato. Al momento della registrazione questo elemento ricorre in quasi tutti i video e rende facilmente riconoscibile la provenienza da NotebookLM. Puo’ risultare gradevole, ma rischia anche di uniformare troppo i risultati. Prima di pubblicare uno short conviene quindi osservarne con attenzione l’aspetto e valutare se quella firma grafica sia coerente con l’uso previsto.
L’aggiornamento richiede anche un piccolo cambio di mentalita’. In precedenza un notebook poteva servire soprattutto per imparare qualcosa attraverso tecniche di storytelling, libri, articoli o video YouTube. Ora possiamo creare spazi ancorati ai nostri dati. Nel tracker di allenamento, per esempio, le informazioni provengono dalle sessioni personali e non da fonti esterne. Di conseguenza, ogni output prodotto nello studio o nella chat parte dai numeri che abbiamo fornito.
Questa evoluzione solleva una domanda importante: l’aumento delle capacita’ rischia di indebolire il legame con le fonti? Nel test la risposta e’ negativa. NotebookLM continua a usare le informazioni presenti e, quando effettua una ricerca, aggiunge nuove fonti soltanto dopo l’approvazione. Se gli poniamo una domanda che non trova risposta nei materiali, non dovrebbe inventare una soluzione. Nel video viene fatto l’esempio di una domanda su come cucinare una fiorentina o una carbonara: senza fonti dedicate, il notebook non sa rispondere.
Resta infine il tema della disponibilita’. Le capacita’ agentiche e i file creati dalla chat, indicati come il cuore di questa evoluzione, vengono distribuiti gradualmente. L’arrivo parte dagli utenti Google AI Ultra e prosegue poi verso gli altri. E’ quindi possibile che, guardando il video o aprendo il proprio account, alcune funzioni non siano ancora visibili.
Per gli short la situazione viene descritta come diversa: dovrebbero arrivare a tutti in tempi piu’ rapidi. Viene inoltre anticipato l’arrivo futuro di video cinematografici piu’ lunghi. Non dobbiamo pero’ confondere una funzione annunciata o in distribuzione con uno strumento gia’ disponibile per ogni profilo. La scelta piu’ sensata e’ controllare cio’ che compare nel nostro studio e costruire il flusso di lavoro sulle opzioni effettivamente presenti.
Nel complesso, il nuovo NotebookLM mostra una direzione precisa. Le fonti non servono piu’ soltanto a ottenere risposte, ma possono diventare presentazioni modificabili, fogli di calcolo, immagini, grafici e brevi video. Per sfruttare bene questo passaggio dobbiamo mantenere il controllo sui materiali, approvare consapevolmente le nuove ricerche e scegliere il formato in funzione del risultato. In questo modo l’ancoraggio ai dati resta il centro del notebook, mentre le nuove capacita’ ampliano i modi in cui possiamo analizzarli, raccontarli e condividerli.
Salsomaggiore Terme (Tutorial) -
23/07/2026 - NotebookLM tra file modificabili analisi avanzate e short verticali -
Written by Mokik