Gemini Notebook. Jak wykorzystać nowy wirtualny komputer Google do analizy danych
Wyobraź sobie plik z kilkoma tysiącami rekordów albo kilkusetstronicowy raport badawczy lub finansowy. Sensowna analiza ręczna? To będzie trudne. Pomagał w tym bardzo NotebookLM, ale narzędzie to miało ograniczenia, było przede wszystkim bardzo użytecznym, zamkniętym czytnikiem takich dokumentów. Teraz Google zrobiło z niego coś znacznie ciekawszego: wyposażyło każdy notatnik we własne środowisko obliczeniowe w chmurze. Co to zmienia? Naprawdę dużo!
Google ogłosiło tę zmianę kilka tygodni temu, ale dopiero teraz nowe funkcje trafiają szerzej do użytkowników wersji Pro oraz kont biznesowych. NotebookLM nazywa się teraz Gemini Notebook, jednak sama zmiana szyldu jest tu najmniej istotna. Narzędzie przestało być tylko sprytnym narzędziem do streszczania tekstu (czy innych źródeł, bo możemy tu korzystać z multimodalnych źródeł informacji), a stało się wreszcie pełnowartościowym asystentem analitycznym. Z NotebookLM korzystałem od dawna i już wiem, że z Gemini Notebook będę korzystał jeszcze intensywniej. Do czego zachęcam również Was.
Co właściwie kryje się pod maską Gemini Notebook?
Najważniejszą nowością jest wyposażenie notatników w rozwiązanie określane jako „secure cloud computer”. Nie jest to wirtualna maszyna w klasycznym rozumieniu odizolowanego środowiska obliczeniowego, do której otrzymujesz klasyczny pulpit ze skrótami. To owszem, odizolowane środowisko, ale takie, w którym sztuczna inteligencja potrafi natywnie pisać, a następnie uruchamiać kod, wykorzystując zgromadzone w notatniku źródła do prowadzenia złożonych analiz.
Różnica w działaniu jest fundamentalna. Zamiast opierać się na językowym prawdopodobieństwie (co często kończy się tzw. halucynacjami przy zadaniach matematycznych), model pisze konkretny skrypt i wykonuje realne operacje na Twoich plikach. Dzięki temu same obliczenia nie muszą już być „zgadywane” przez model, lecz mogą zostać wykonane za pomocą kodu na rzeczywistych danych. To sprawia, że asystent radzi sobie z surowymi zestawieniami znacznie lepiej niż tradycyjne chatboty. Niczego nie dopowiada „od siebie”.
Jednak tu zwróciłbym uwagę na jeszcze jedną bardzo ważną rzecz: wykonanie kodu nie oznacza nieomylności. Innymi słowy, Gemini Notebook może wykonać prawidłowe obliczenia na podstawie źle zinterpretowanych danych. Jeżeli model błędnie rozpozna kolumnę, przyjmie niewłaściwe założenie albo źle sformułuje pytanie analityczne, wynik również będzie błędny. Wykonywanie kodu rozwiązuje więc problem „AI zgadującej wynik działania”, ale nie problem błędnego rozumienia danych. W skrócie, prastara informatyczna zasada „śmieci na wejściu, śmieci na wyjściu” wciąż obowiązuje.
Gemini Notebook a klasyczny Gemini. Czym to się różni?
Użytkownicy mogą czuć się lekko zdezorientowani zbieżnymi nazwami. Warto jasno określić granice obu usług, ponieważ sprawdzają się one w zupełnie innych zadaniach.
Zwykły Gemini działa jak ogólny asystent AI, podobnie do ChatGPT i innych czatbotów AI opartych na LLM-ach. Gemini służy do prowadzenia szerokich konwersacji, szybkiego sprawdzania informacji w sieci (pamiętajmy jednak o ich weryfikacji!) czy generowania tekstów opartych na ogólnym treningu modelu językowego. Oczywiście Gemini daje pewne pole do personalizowania jego „zachowań” poprzez funkcję tworzenia spersonalizowanych tzw. Gemów (odrębnych instancji czatbota dostosowanych do konkretnych zadań przez użytkownika), ale nie zmienia to samej architektury działania Gemini, którego model bazuje na wszystkich dostępnych mu źródłach, a nie tylko tych, które np. dodasz jako źródło wiedzy spersonalizowanego Gema.
Natomiast Gemini Notebook to nie tyle czatbot (choć też można z nim „pogadać” w pewnym stopniu), lecz raczej środowisko projektowe oparte na konkretnym zbiorze źródeł. Asystent odpowiada na pytania i analizuje zgromadzony materiał, a w razie potrzeby może również korzystać z wyszukiwania w sieci (ale tylko na wyraźne żądanie użytkownika, a nie ad hoc). Teraz zyskuje dodatkowo możliwość wykonywania kodu na danych zgromadzonych w notatniku. Zmiana nazwy nie oznacza fuzji – Google podkreśla, że to nadal samodzielny produkt.
Wrzuć arkusz i poproś o analizę
Wprowadzone nowości najlepiej sprawdzić w biurowej praktyce. Mając przed sobą dokument w formacie CSV lub XLSX, nie musisz już uczyć się zaawansowanych formuł czy pisać makr w Excelu. Ładujesz plik do Gemini Notebook i formułujesz polecenia w naturalnym języku.
Możesz poprosić asystenta o wyczyszczenie błędnych rekordów, obliczenie trendów dla poszczególnych kwartałów czy wyłapanie rynkowych anomalii. Model wykona odpowiednie obliczenia w tle, a na koniec wygeneruje dla Ciebie gotowy wykres i podsumowanie w formie raportu. Analiza danych przestaje być zarezerwowana tylko dla osób biegłych w arkuszach kalkulacyjnych.
Co właściwie wpisać w Gemini Notebook?
Aby wyciągnąć z asystenta maksimum korzyści, musisz przestać pytać go po prostu: „co wynika z tego pliku?”. Zwykłe streszczenia dokumentów możesz przecież uzyskać w Gemini, czy w ChatGPT. Gemini Notebook potrafi więcej. Na przykład możesz mu zlecić cały proces analityczny. Przykładowy prompt (polecenie) dający wymierne efekty wygląda następująco:
„Przeanalizuj dane sprzedażowe z pliku. Usuń duplikaty, sprawdź brakujące wartości, porównaj wyniki kwartał do kwartału, wskaż pięć największych anomalii i przygotuj wykres pokazujący zmianę sprzedaży w czasie. Przy każdym wniosku podaj dokładnie, z jakich danych on wynika.”
Tak sformułowane polecenie zmusza zintegrowane środowisko do napisania kodu, który po kolei przefiltruje surowe dane, wykona kalkulacje matematyczne i wygeneruje merytoryczną odpowiedź popartą źródłami.
Inny przykład podam z mojego własnego podwórka. Osoby, które mnie znają, wiedzą, że od lat interesuje mnie sektor energetyczny, nie konkretne działy, ale spojrzenie holistyczne na zmiany w globalnej, jak i polskiej energetyce. Na przykład korzystając z Gemini Notebook, mogę stworzyć projekt, w którym jako źródeł użyję dwóch raportów IEA (Międzynarodowa Agencja Energii): „Energy Technology Perspectives 2026” oraz „World Energy Outlook 2025”. Pierwszy z dokumentów liczy 388 stron, drugi to cyfrowe opasłe tomiszcze na 519 stron. Ręczna analiza tych dokumentów? Da się, ale… cóż, zdrowia życzę i dużo wolnego czasu. Dzięki Google Notebook mogę wydać np. polecenie „Na podstawie publikacji źródłowych przedstaw jak przebiega rozwój systemów AI w sektorze energetycznym, gdzie zachodzą aktualnie największe wdrożenia, co daje AI w energetyce i jakie są długofalowe implikacje stosowania algorytmów sztucznej inteligencji w sektorze energetycznym w różnych skalach, ujętych w dokumentach źródłowych.”.
Efekt? Rozbudowana analiza wpływu AI z różnych perspektyw (algorytmy jako narzędzia optymalizacji sieci, ale też centra AI jako zasób znacząco zwiększający popyt na energię elektryczną, a przez to opóźniający wycofywanie energetyki węglowej, co ma implikacje dla nas wszystkich. Jednak dotychczas tego typu raporty źródłowe trzeba było mieć lokalnie. Owszem NotebookLM potrafił korzystać ze źródeł online, czy nawet z klipów na YT (o ile miały transkrypcję), ale raporty i pliki PDF podawane z lokalnego dysku były zasobem „pewniejszym”. W Gemini Notebook to się zmienia.
Koniec z przymusem posiadania własnych plików
Jak już wspomniałem, do niedawna filozofia działania tego narzędzia opierała się na jednym schemacie: „daj mi dokumenty, a ja je przeanalizuję”. Obecnie aplikacja przesuwa się w znacznie bardziej autonomiczną stronę, działając w trybie: „powiedz mi, czego szukasz, a pomogę Ci zbudować zbiór źródeł”. Oczywiście zalecam dalej mieć ograniczone zaufanie i sprawdzić, co algorytm nam wyszperał, ale to i tak znaczne ułatwienie w stosunku do wcześniejszych wymogów.
Google rozszerzyło Gemini Notebook o zintegrowane wyszukiwanie. Oznacza to, że nie musisz już gromadzić wszystkich PDF-ów i linków na swoim dysku przed rozpoczęciem projektu. Jeśli brakuje Ci kontekstu badawczego, program potrafi samodzielnie przeszukać sieć przez Google Search i dołączyć znalezione informacje do Twojej bazy wiedzy, opierając na nich późniejsze analizy. Co ważne, nie robi tego sam, ale proponuje takie rozwiązanie i przeprowadza wyszukiwanie online dopiero na wyraźną Twoją prośbę. Podoba mi się to podejście.
Co można z tym zrobić w codziennej pracy?
Dla kogo to właściwie jest? Cóż, przemiana czytnika tekstów w środowisko zdolne do uruchamiania skryptów otwiera nowe możliwości przed wieloma grupami zawodowymi. Narzędzie Google pozwala na oszczędzenie dziesiątek godzin powtarzalnej pracy:
- Dla dziennikarza: szybkie porównywanie wieloletnich raportów finansowych spółek, wyciąganie danych z nieczytelnych tabel i przekształcanie urzędowego żargonu w przejrzyste wykresy, albo wyłapywanie cennych faktów z przesyconych marketingowym żargonem i „pięknomową” komunikatów prasowych.
- Dla studenta i naukowca: sprawna analiza setek stron literatury, zestawianie ze sobą publikacji i szybkie wyciąganie średnich z danych badawczych. Tutaj jednak uczulam studentów, pójście na łatwiznę i scedowanie wszystkiego na AI to – nazwę to po imieniu – głupota. Jeżeli naprawdę myślimy że AI zrobi wszystko za nas, to w zasadzie już możemy brać łopatę i kopać sobie grób.
- Dla firmy: przetwarzanie surowych wyników ankiet, analiza spływających danych sprzedażowych z różnych oddziałów i generowanie automatycznych raportów podsumowujących. To jest złoto. Pracownicy korporacji doskonale wiedzą, ile zajmuje przygotowanie raportów na podstawie surowych danych. Gemini Notebook pozwala zaoszczędzić masę czasu.
- Dla zwykłego użytkownika: prześwietlanie długich i skomplikowanych umów, analiza instrukcji obsługi sprzętu czy porządkowanie domowych wydatków wyeksportowanych do pliku z konta bankowego. Również polecam, serio. Jeżeli ktoś wam przesyła opasłą umowę wprowadzającą ważną zmianę w waszym życiu (np. ubezpieczenie na życie, polisa dla dzieci, przedwstępna umowa sprzedaży nieruchomości, etc.) wrzućcie tę umowę w Gemini Notebook i każcie AI ją prześwietlić pod kątem np. klauzul abuzywnych, czy potencjalnych pułapek konsumenckich i prawnych. Nie musicie dziękować.
Google NotebookLM zyskuje Gemini 3.5 i staje się analitycznym potworem
