在資訊爆炸的時代，企業最大的成本往往是「溝通」與「查找」。Google NotebookLM 的出現，讓非技術人員也能在幾分鐘內，利用公司現有的 PDF、文檔或網頁，打造出一個具備精準引文功能的「企業大腦」。
以下是建置高效率 AI 機器人的五大核心步驟。
第 1 步：架構設計 ——「一主題一筆記本」原則
建立機器人的第一步不是上傳，而是分類。
核心鐵則：嚴格劃分邊界
不要為了省事將所有資料塞進同一個 Notebook。AI 的上下文理解（Context Window）雖然強大，但混合不同領域的資料會導致「語境污染」。
-
錯誤範例： 將「員工請假規定」與「產品銷售提案」混在一起，AI 可能會在回答福利問題時引用銷售話術。
-
正確做法： 依據職能或專案獨立建檔。
| 機器人類型 | 建議上傳內容 | 解決的問題 |
| 人事勞務助手 | 員工手冊、福利制度、入離職 SOP | 「確診可以請幾天假？」 |
| 銷售實戰知識庫 | 商談紀要、產品報價單、競品對比、成功案例 | 「對手 A 的弱點在哪？如何應對？」 |
| 專案管理大腦 | 需求說明書（PRD）、會議記錄、時程表 | 「專案目前的延遲風險在哪？」 |
第 2 步：資料輸入 —— 品質決定輸出
NotebookLM 不需要你重新排版，但它對「資料品質」非常敏感。
-
支援格式： PDF、Google 文件、純文字、網址、YouTube 影片連結，甚至是錄音檔（會自動轉寫）。
-
規格限制： 單一筆記本最多 50 個來源，每個檔案最高支援 50 萬字（對 99% 的企業來說已綽綽有餘）。
-
關鍵操作 ——「資料脫敏與去重」：
-
刪除舊版本： 避免同時上傳 2023 年與 2024 年的衝突制度。
-
隱私保護： 雖然 Google 承諾資料不會用於訓練公眾模型，但涉及極度機密的個人薪資或個資，建議在處理後再上傳。
-
第 3 步：精準對話 —— 利用「引用溯源」建立信任
NotebookLM 最強大的商務功能在於其「不胡說八道」的特性。
-
引文編號： AI 的每一句回答都會附上來源編號。點擊編號，視窗右側會直接跳轉到原文對應段落。
-
驗證機制： 在商務場景，我們不盲目相信 AI。這個功能讓核對資訊的時間從「分鐘級」縮短為「秒級」。
第 4 步：深度設定 —— 透過自定義指示（Custom Instructions）進行專業調教
要讓 AI 說話像個「專家」而非「機器人」，你需要在設置中加入指令。
設定路徑：筆記本設置 > 自定義指示
這裏的指令會對該筆記本的所有對話生效，不需要每次提問都重寫。
人事機器人範例指令： 「你是一位資深的人事顧問。請務必依據來源文件回答，並在回答中註明文件名與條文編號。語氣請溫暖且專業。在回答結束後，主動提供一個相關的延伸問題建議。」
高階技巧：提問的藝術（Prompt Engineering）
-
具體化數量： 「列出方案 A 與 B 的 3 個核心差異」優於「比較 A 與 B」。
-
結構化輸出： 「請按短期、中期、長期分類整理這份會議紀要」。
第 5 步：團隊協作與持續迭代
機器人不是蓋好就結束了，它是一個「活」的知識體系。
1. 共享與協作
點擊「共享」按鈕，你可以將筆記本權限發放給團隊成員。
-
檢視者： 只能提問，不能修改來源資料（適合一般員工）。
-
編輯者： 可更新資料、新增來源（適合部門管理員）。
2. 利用 Studio 工具進行「滾雪球式更新」
NotebookLM 的 Notebook Guide 可以一鍵生成 FAQ（常見問題集）。
-
技巧： 將 AI 產生的 FAQ 下載後，重新作為一個「新來源」上傳回去。這會大幅增強 AI 對於模糊問題的處理能力。
3. 定期維護
制度會變，資料會舊。建議每個月檢查一次來源資料，刪除過時文件，補入最新進度。
結語：將知識從個人大腦釋放到系統中
建立 AI 機器人的核心價值，在於「消除資訊孤島」。原本只存在於資深員工腦中的隱性知識，透過 NotebookLM 轉化為企業的顯性資產。
