この記事でわかること
- ✅ NotebookLMで会議資料を短時間で理解できるのか
- ✅ 長い会議資料の全体像をつかめるのか
- ✅ 決定事項・継続検討事項を確認できるのか
- ✅ 自分の部署に関係するToDoを把握できるのか
- ✅ 実際に使って感じたメリットと注意点
「会議資料が長くて、事前に読み込む時間がない…」
大学職員として働いていると、委員会資料、入試関連資料、報告書、議事録など、読むべき資料が多くがあります。
特に会議前は、「まず全体像だけでも把握したい」「自分の部署に関係する部分だけ早く確認したい」「今日の会議で何が決まるのかを押さえておきたい」と感じる場面も多いのではないでしょうか。
そこで今回は、GoogleのAIノートツールNotebookLMに、大学の入試改革検討会議を想定した資料を読み込ませ、会議資料を受け取った参加者が、短時間で内容を理解するために使えるのかを検証してみました。
この記事では、資料全体の要約、決定事項と継続検討事項の確認、新任職員向けの理解補助、部署別ToDoの把握などを試しています。
なお、会議資料を作成・説明する立場で想定質問やリスクなどを整理し、会議の準備に使用する方法は以下の記事をご参照ください。
Notebook LMとは何か、基本的な使い方を知りたい方は以下の記事を先にご覧ください。
当ブログは現役大学職員の私が、AIツール（Gemini, ChatGPTなど）を活用し、事務業務改善をするためのAI活用ブログです。私自身、文系大学卒の非エンジニアの事務職員なので、専門用語は避けて読者の皆さんが分かりやすく、すぐ使える情報をお届けできるよう心がけています。
プロフィールの詳細は、以下をご覧ください。
今回NotebookLMで検証した会議資料
今回使用したのは、架空の大学を想定した「2027年度 入試改革検討会議資料」です。
実際の会議資料を想定し、以下のような内容を含めました。
- 2026年度入試結果概要
- 学部別分析
- 入試方式別分析
- 高校訪問結果
- 志願者アンケート分析
- 会議参加者の発言メモ
- 課題整理
- 改革案比較
- 審議事項
- 自由記述コメント
※今回は個人情報や実在の大学情報は使わず、検証用のサンプル資料として作成しています。
NotebookLMで3分要約を試してみた
まずは、資料全体を短時間で把握できるか確認するため、次のように質問しました。
この資料を3分で読めるように要約してください。
NotebookLMは、志願者数の減少、情報学部の人気上昇、国際学部の志願者減少、総合型選抜の増加といった主要ポイントを整理してくれました。
実務では、会議資料を最初から最後まで読む前に、まず全体像をつかみたい場面も多くありますよね。その点ではかなり使いやすく実用的だと感じました。
会議前に確認しておきたい重要ポイントを整理できる
次に、会議に参加する前に押さえておきたい重要ポイントを確認するため、次の質問をしました。
この会議資料で、参加者が事前に確認しておくべき重要ポイントを整理してください。
NotebookLMは、情報学部の志願者増加とリソース不足、国際学部の志願者減少、総合型選抜の運営負担など、会議前に押さえておきたいテーマを整理してくれました。
長い資料を読む前にこのような要点を確認しておくと、「どの部分を重点的に読めばよいか」が見えやすくなります。
決定事項と継続検討事項を分けられる
会議資料を読むときに意外と重要なのが、「今日決めること」と「今後検討すること」を分けることです。
そこで、次のように質問しました。
決定事項と継続検討事項を分けてください。
NotebookLMは、総合型選抜拡大、情報系特別選抜新設、高校訪問予算増額を「決定事項」として整理し、一般選抜改革や国際学部再編構想を「継続検討事項」として分けてくれました。
会議資料を受け取る側としては、すべての情報を同じ重さで読むのではなく、今回の会議で決めることと、今後検討することを分けて把握できる点が便利だと感じました。
新任職員向けの理解補助にも使える
次に、新任職員が会議資料を理解する場面を想定して、次の質問をしました。
新任職員向けに説明してください。
回答では、現在の入試状況を「志願者は減っているが、入学定員は確保できている」という形で説明してくれました。
また、情報学部は人気だがリソース不足、国際学部は志願者減少が課題、受験生は学費や奨学金情報を求めているといったポイントも整理されていました。
新任職員や異動してきたばかりの職員にとって、会議資料の前提を短時間でつかむのは意外と大変です。その意味で、NotebookLMを使って「まず何を理解すればよいか」を確認できるのは便利だと感じました。
部署別ToDoを確認できる
最後に、会議資料を読んだあとに自分の部署と関係がある部分を把握できるか試しました。
関係部署ごとのToDoを整理してください。
NotebookLMは、入試課、広報課、情報学部、国際学部、各学部共通のToDoを整理してくれました。
大学職員の会議資料では、「自分の部署・学部に関係する部分はどこか」を早く把握したい場面があります。その意味で、部署別ToDoの整理は、会議資料を読む側にとっても実務向きだと感じました。
ただし、ここで出てきたToDoはあくまでNotebookLMによる整理です。実際の業務では、正式な決定事項や担当部署について、原資料や上司・関係部署への確認が必要です。
実際に使って感じたNotebookLMのメリット
今回使ってみて、NotebookLMは単なる要約ツールではなく、会議資料を受け取った側が、内容を短時間で理解するための補助ツールとして使えると感じました。
- 長い会議資料の全体像を短時間で把握できる
- 会議前に確認しておきたい重要ポイントを整理できる
- 決定事項と継続検討事項を分けられる
- 新任職員向けの理解補助に使える
- 自分の部署に関係するToDoを把握しやすい
特に、会議前の資料読み込みや、長い資料の全体像を先につかみたい場面には相性が良さそうです。
注意点｜AIの回答をそのまま使わない
一方で、NotebookLMの回答をそのまま会議資料や議事録に貼り付けるのはおすすめしません。
特に以下は必ず人が確認する必要があります。
- 数値が原資料と合っているか
- 学部名・部署名・役職名に誤りがないか
- 決定事項と検討事項を取り違えていないか
- AIが強く言いすぎていないか
- 機密情報や個人情報を含む資料を扱っていないか
大学職員の業務では、学生情報、入試情報、学内会議資料など、外部に出してはいけない情報を扱う場面があります。
実際の業務で使う場合は、所属先のルールや利用可能なAI環境を必ず確認しましょう。
👉 AI利用時の注意点はこちら：
大学職員の実務で使えそうな場面
今回の検証を踏まえると、NotebookLMは以下のような業務で使いやすいと感じました。
- 委員会資料の事前読み込み
- 入試関連資料の内容確認
- 報告書や長文資料の全体把握
- 決定事項・継続検討事項の確認
- 新任職員向けの事前理解
- 自分の部署に関係するToDoの確認
特に、長い資料を短時間で理解したいときにはかなり便利です。
一方で、会議資料を作成・説明する側として、想定質問やリスク、会議での進め方まで整理したい場合は、今回とは少し違う使い方になります。その点は別記事であらためて検証します。
実際に使って感じた注意点
NotebookLMで会議資料を読み込ませてみると、資料全体の要点を短時間で把握できる点はかなり便利でした。特に、ページ数の多い資料や複数のPDFを確認するときは、最初からすべてを読み込む前に「何が論点になりそうか」をつかめるので、会議準備の負担を減らせます。
一方で、実際に使ってみると、NotebookLMの回答をそのまま会議用の説明や判断材料にするのは少し危ないとも感じました。資料内の表現を要約するのは得意ですが、会議で重要になる「なぜこの変更が必要なのか」「前年度から何が変わったのか」「関係部署にどのような影響があるのか」といった背景までは資料に明確に書かれていない限り、十分に読み取れないことがあります。
そのため、NotebookLMは「資料を読まなくてよくするツール」ではなく、「資料を読む前の下準備を早くするツール」として使うのが現実的です。大学職員の実務で使う場合も、AIの要約を参考にしつつ、最終的には原資料を確認し、数字・日付・制度変更・対象者などの重要部分は必ず人間がチェックする必要があります。助ツール」として活用し、最終的には元の資料を確認することが大切だと感じています。
まとめ｜NotebookLMは会議資料の読み込み補助にかなり使える
今回、NotebookLMに入試改革会議資料を読み込ませて検証したところ、会議資料を短時間で理解するための補助ツールとして使えると感じました。
特に便利だったのは、以下の5つです。
- 3分で読める要約
- 会議前に確認しておきたい重要ポイントの整理
- 決定事項と継続検討事項の分類
- 新任職員向けの理解補助
- 関係部署ごとのToDo確認
もちろん、最終確認は人が行う必要があります。
それでも、大学職員や事務職が会議資料を読み込む負担を減らすツールとして、NotebookLMはかなり有力だと感じました。
会議資料や報告書を読む時間に悩んでいる方は、まずは機密情報を含まない資料で試してみるのがおすすめです。
NotebookLMの基本的な使い方やできることを知りたい方は、こちらの記事もご覧ください。
👉 NotebookLMの基本的な使い方はこちら：
👉 NotebookLMで資料作成し、説明準備を行う場合はこちら：
👉 AIでアンケート分析をしたい方はこちら：
