6 cose PRO da provare con NotebookLM
Sei flussi operativi per usare NotebookLM come strumento di produzione, non come semplice chatbot su PDF.
Il prodotto AI più sottovalutato di Google continua a essere NotebookLM. Non ha la visibilità di Gemini, non genera immagini (non nello stesso modo almeno), non ha il contesto da un milione di token come Claude o GPT-5. Eppure per chi lavora con materiali strutturati (documenti, presentazioni, ricerche, trascrizioni) è probabilmente lo strumento di produttività AI con il miglior rapporto qualità-prezzo sul mercato.
Forse non è diventato famoso perché molti, quasi tutti in effetti, lo usano nel modo sbagliato. Caricano un PDF, fanno qualche domanda, copiano la risposta, e concludono che "è utile ma non rivoluzionario". È esattamente come usare un computer per fare il calcolo che si potrebbe fare con la calcolatrice: si perde il 95% del valore.
Lo shift mentale per usare NotebookLM bene è semplice da enunciare e difficile da praticare. Smettere di chiedere "cosa significa questo materiale" e cominciare a chiedere "trasforma questo materiale in un output che posso usare direttamente". Il primo è ricerca, il secondo è produzione. Il modello di Google è costruito esattamente per il secondo caso: prendere fonti grezze e restituire deliverable strutturati (riassunti tematici, mind map, podcast audio, video brief, domande di studio, report comparativi). Quello che cambia è che il lavoro mentale si sposta dal raccogliere informazioni al curare l'output.
NotebookLM non risponde a domande. Trasforma materiali grezzi in deliverable pronti.
Tre flussi di lavoro per chi vuole vedere la differenza
Vediamo concretamente sei scenari professionali in cui NotebookLM cambia il modo di lavorare.
Caricare i materiali, chiedere deliverable, iterare. Il valore è nel processo, non nel singolo output.
Tre flussi avanzati per chi forma persone, decide investimenti, costruisce prodotti
NotebookLM e il mercato italiano della formazione AI
Per le aziende italiane c'è una considerazione aggiuntiva. Il prezzo di accesso a NotebookLM è basso: la versione gratuita è già usabile per progetti reali, la versione Plus integrata in Google Workspace costa pochi euro per utente al mese. In un mercato dove le PMI italiane investono in media meno di 5.000 euro all'anno in software AI, NotebookLM è probabilmente il primo strumento accessibile che cambia davvero il modo di lavorare di un professionista. Più di Copilot 365, che richiede investimenti più alti per essere veramente utile. Più di ChatGPT Team, che funziona meglio per task generici ma non per lavoro su materiali strutturati propri.
Come detto sopra, però, bisogna usarlo bene. Chi usa NotebookLM in modalità "chatbot" (faccio una domanda, leggo una risposta, chiudo) non capisce perché lo strumento è importante. Chi invece lo usa in modalità "studio operativo" (carico materiali, chiedo trasformazioni, itero sui risultati, esporta deliverable) si trasforma nel "frontier worker" che le ricerche Coastal-Oxford e OpenAI B2B Signals identificano come 3,5 volte più produttivo della media aziendale. La differenza è la stessa che c'è tra usare Excel come calcolatrice e usare Excel come strumento di modellazione finanziaria. Cambia tutto.
Frontier worker o lavoratore della media: dipende da come usi gli strumenti, non da quali strumenti hai.
Non aspettare che lo facciano gli altri
Strumenti come NotebookLM esistono da quasi due anni e la stragrande maggioranza dei professionisti li usa al 5% del loro potenziale, forse meno. È un problema di abitudini di lavoro che non si sono adeguate alla disponibilità degli strumenti.
Le aziende che vinceranno nei prossimi 24 mesi non saranno quelle che hanno comprato più licenze AI, ma quelle dove i dipendenti hanno cambiato il modo di approcciare i materiali su cui lavorano.
Investire in formazione operativa sull'uso quotidiano di NotebookLM e di strumenti simili (claude project, copilot pages, ChatGPT canvas) ha un ROI immediato e misurabile: ore di lavoro risparmiate, qualità degli output finali, riduzione del time-to-market di documenti e proposte. Il costo è bassissimo, l'investimento è di tempo e attenzione, il risultato si vede in poche settimane. Non c'è davvero motivo per non farlo subito, salvo l'inerzia culturale che è esattamente il problema che le ricerche attuali identificano come blocco principale dell'adozione AI nelle aziende. La buona notizia è che si supera con un workshop pratico fatto bene. La cattiva è che la maggior parte delle aziende italiane non ha ancora cominciato.
a cura di Valerio Porcu
Senior Editor @Tom's Hardware Italia
Pubblicato il 15/05/2026 alle 13:38
Sei flussi operativi per usare NotebookLM come strumento di produzione, non come semplice chatbot su PDF.
Il prodotto AI più sottovalutato di Google continua a essere NotebookLM. Non ha la visibilità di Gemini, non genera immagini (non nello stesso modo almeno), non ha il contesto da un milione di token come Claude o GPT-5. Eppure per chi lavora con materiali strutturati (documenti, presentazioni, ricerche, trascrizioni) è probabilmente lo strumento di produttività AI con il miglior rapporto qualità-prezzo sul mercato.
Forse non è diventato famoso perché molti, quasi tutti in effetti, lo usano nel modo sbagliato. Caricano un PDF, fanno qualche domanda, copiano la risposta, e concludono che "è utile ma non rivoluzionario". È esattamente come usare un computer per fare il calcolo che si potrebbe fare con la calcolatrice: si perde il 95% del valore.
Lo shift mentale per usare NotebookLM bene è semplice da enunciare e difficile da praticare. Smettere di chiedere "cosa significa questo materiale" e cominciare a chiedere "trasforma questo materiale in un output che posso usare direttamente". Il primo è ricerca, il secondo è produzione. Il modello di Google è costruito esattamente per il secondo caso: prendere fonti grezze e restituire deliverable strutturati (riassunti tematici, mind map, podcast audio, video brief, domande di studio, report comparativi). Quello che cambia è che il lavoro mentale si sposta dal raccogliere informazioni al curare l'output.
NotebookLM non risponde a domande. Trasforma materiali grezzi in deliverable pronti.
Tre flussi di lavoro per chi vuole vedere la differenza
Vediamo concretamente sei scenari professionali in cui NotebookLM cambia il modo di lavorare.
- Per chi scrive contenuti professionali (manager che firma articoli, analyst che produce report, consulenti che fanno white paper). Il problema tipico non è scrivere, è avere troppi materiali sparsi senza un filo. Note di riunioni, draft incompiuti, ricerche salvate in cartelle diverse, idee buttate in messaggi WhatsApp. NotebookLM permette di caricare tutto questo in un singolo notebook e poi chiedere cose come:
- "qual è l'argomento centrale che emerge da tutti questi materiali?";
- "raggruppa questo in tre angolature da sviluppare separatamente";
- "trasforma questa nota in una bozza strutturata di articolo".
- Per chi prepara presentazioni e pitch (sales, marketing, business development). Caricare nel notebook le slide passate, i case study aziendali, le ricerche di mercato, le brand guideline. Poi chiedere:
- "costruisci un pitch di 12 slide per un cliente del settore X usando solo questi materiali";
- "trova le incoerenze tra le diverse fonti";
- "genera tre versioni della stessa narrativa con tono diverso (formale, technical, colloquiale)".
- Per chi gestisce clienti complessi (consulenti, account manager, partner studio). Caricare il brief del cliente, le email scambiate, i progetti precedenti, le brand guideline. Poi chiedere:
- "qual è il vero risultato che il cliente si aspetta?";
- "trasforma il brief in una check-list di passaggi che posso eseguire";
- "crea una prima bozza di proposta basata solo su questi materiali".
Caricare i materiali, chiedere deliverable, iterare. Il valore è nel processo, non nel singolo output.
Tre flussi avanzati per chi forma persone, decide investimenti, costruisce prodotti
- Per chi forma o aggiorna persone (HR, training, learning&development). Le aziende italiane spendono molto in formazione interna ma producono materiale didattico in modo artigianale. Caricare in NotebookLM i contenuti tecnici di riferimento (manuali, normative, processi interni), poi chiedere:
- "trasforma questo in una sequenza didattica per principianti";
- "spezza in moduli da 30 minuti";
- "aggiungi esempi pratici per ciascun modulo";
- "genera domande di valutazione che testino comprensione reale".
- Per chi valuta investimenti, partnership, M&A (CFO, executive committee, comitati strategici). Caricare i bilanci dell'azienda target, i comunicati stampa degli ultimi due anni, le ricerche di settore, le interviste pubbliche al management. Poi chiedere:
- "quali sono le incoerenze tra il messaggio pubblico e i numeri reali";
- "quali rischi non sono stati menzionati nelle comunicazioni ufficiali";
- "costruisci una sintesi della tesi di investimento e della tesi contraria".
- Per chi sviluppa un prodotto o servizio (product manager, founder, innovation). Caricare le specifiche del prodotto, le user research, il feedback dei clienti, le analisi competitive. Poi chiedere:
- "qual è il problema reale che il cliente vuole risolto, non quello dichiarato";
- "dove ci sono contraddizioni tra utenti, mercato e ipotesi del team?";
- "trasforma questo in un positioning chiaro in 50 parole".
NotebookLM e il mercato italiano della formazione AI
Per le aziende italiane c'è una considerazione aggiuntiva. Il prezzo di accesso a NotebookLM è basso: la versione gratuita è già usabile per progetti reali, la versione Plus integrata in Google Workspace costa pochi euro per utente al mese. In un mercato dove le PMI italiane investono in media meno di 5.000 euro all'anno in software AI, NotebookLM è probabilmente il primo strumento accessibile che cambia davvero il modo di lavorare di un professionista. Più di Copilot 365, che richiede investimenti più alti per essere veramente utile. Più di ChatGPT Team, che funziona meglio per task generici ma non per lavoro su materiali strutturati propri.
Come detto sopra, però, bisogna usarlo bene. Chi usa NotebookLM in modalità "chatbot" (faccio una domanda, leggo una risposta, chiudo) non capisce perché lo strumento è importante. Chi invece lo usa in modalità "studio operativo" (carico materiali, chiedo trasformazioni, itero sui risultati, esporta deliverable) si trasforma nel "frontier worker" che le ricerche Coastal-Oxford e OpenAI B2B Signals identificano come 3,5 volte più produttivo della media aziendale. La differenza è la stessa che c'è tra usare Excel come calcolatrice e usare Excel come strumento di modellazione finanziaria. Cambia tutto.
Frontier worker o lavoratore della media: dipende da come usi gli strumenti, non da quali strumenti hai.
Non aspettare che lo facciano gli altri
Strumenti come NotebookLM esistono da quasi due anni e la stragrande maggioranza dei professionisti li usa al 5% del loro potenziale, forse meno. È un problema di abitudini di lavoro che non si sono adeguate alla disponibilità degli strumenti.
Le aziende che vinceranno nei prossimi 24 mesi non saranno quelle che hanno comprato più licenze AI, ma quelle dove i dipendenti hanno cambiato il modo di approcciare i materiali su cui lavorano.
Investire in formazione operativa sull'uso quotidiano di NotebookLM e di strumenti simili (claude project, copilot pages, ChatGPT canvas) ha un ROI immediato e misurabile: ore di lavoro risparmiate, qualità degli output finali, riduzione del time-to-market di documenti e proposte. Il costo è bassissimo, l'investimento è di tempo e attenzione, il risultato si vede in poche settimane. Non c'è davvero motivo per non farlo subito, salvo l'inerzia culturale che è esattamente il problema che le ricerche attuali identificano come blocco principale dell'adozione AI nelle aziende. La buona notizia è che si supera con un workshop pratico fatto bene. La cattiva è che la maggior parte delle aziende italiane non ha ancora cominciato.
a cura di Valerio Porcu
Senior Editor @Tom's Hardware Italia
Pubblicato il 15/05/2026 alle 13:38