Cómo hacer una investigación en profundidad con Google NotebookLM
- josejotxe
- hace 2 días
- 7 Min. de lectura
(Caso real: estudio del proceso de reconstitución de nata)
1️⃣ Qué es una investigación en profundidad (y por qué importa)
Una investigación en profundidad es algo más que recopilar información: implica marcar un objetivo, reunir fuentes fiables, contrastar datos, generar análisis técnico y sintetizar resultados de manera clara y estructurada.
En un artículo anterior realizamos este tipo de investigaciones asistidas por IA usando ChatGPT. En este caso vamos a hacerlo usando Google NotebookLM, ya que desde hace unos días esta herramienta ha incorporado entre sus características, la función Deep Research, que permite realizar investigaciones completas dentro de un mismo entorno, y lo más interesante: transformarlas con un clic en presentaciones, podcasts, infografías o vídeos.
NotebookLM pasa así de ser un simple organizador de notas a convertirse en una plataforma de creación de conocimiento de extremo a extremo.
2️⃣ Caso real: análisis técnico para una empresa de ingeniería
Para poner a prueba la nueva función de Deep Research de Google NotebookLM, partimos de un caso completamente real dentro del sector industrial.
En este proyecto, una empresa va a poner en marcha un proceso industrial para reconstituir nata utilizando bloques de nata congelada como materia prima. Antes de diseñar equipos, válvulas, tratamientos térmicos o parámetros de homogeneización, necesitaban responder a una pregunta clave:
Que cosas habría que tener en cuenta a la hora de diseñar este proceso y qué diferencias puede haber en el producto final por haber usado nata congelada se hubiera usado nata fresca.
Evaluar la nata estandarizada que se conseguirá al final partiendo de nata congelada no es trivial: afecta a la estructura de los glóbulos de grasa, la viscosidad, el comportamiento posterior en batido, la montabilidad, la estabilidad, la textura, el perfil sensorial… y, por supuesto, a la viabilidad operativa y económica del proceso.
Este es el tipo de investigación en el que NotebookLM puede brillar porque combina documentación técnica, análisis comparativo, impacto tecnológico, conclusiones claras y una salida final que sirva directamente para la ingeniería del proceso.
Nuestro objetivo era elaborar una investigación completa, rigurosa y perfectamente trazable, de modo que el equipo industrial pudiera utilizarla como base para la toma de decisiones. Además, queríamos dejar claramente identificadas todas las fuentes documentales consultadas, para que pudieran acudir a ellas y profundizar tanto como fuera necesario.
.
3️⃣ Cómo realizamos la investigación en Google NotebookLM
En otros proyectos hemos utilizado NotebookLM como un repositorio donde cargábamos todos los documentos necesarios antes de empezar la investigación.Pero en este caso el enfoque fue totalmente distinto.
No subimos ni un solo archivo.Decidimos aprovechar al máximo la nueva función “Deep Research”, dejando que fuera la propia herramienta la que:
investigara,
buscara fuentes externas,
analizara la información,
y finalmente incorporara esas fuentes al cuaderno.
Así fue el proceso:
🧩 Paso 1: Crear un notebook desde cero
Comenzamos creando un nuevo cuaderno en NotebookLM. En lugar de pulsar “Upload resources”, escogimos la opción: "Discover sources".
Esto nos creó un cuaderno completamente vacío, sin documentos previos, listo para que la IA lo llenara con los resultados de la investigación.
⚙️ Paso 2: Indicar el tema de investigación con Deep Research
Dentro del notebook, en la sección “Add sources”, tendremos la opción de escribir un prompt, y podremos seleccionar entre "Fast Research" y "Deep Research". Seleccionamos la opción "Deep Research"
A continuación escribimos la prompt del proyecto, explicando detalladamente lo que queremos:
Estoy diseñando un proceso industrial en el que a partir de bloques de nata congelada de 25Kg a -18ºC y al 69% de materia grasa, queremos reconstituir esa nata, picando esos bloques y mezclándola con leche hasta tener nata a 5ºC y con un 40% de materia grasa. Me interesa ver como seria ese proceso y como afectaría a las propiedades de la nata para luego poder ser usada en posteriores procesos industriales, sobre todo en comparación con usar una nata que no haya sido congelada, ¿variarán sus propiedades, sus características, su sabor, su capacidad de mezclarse o montarse luego....? y cualquier otra cosa que me pudiera ser interesante de conocer para ejecutar este proceso
NotebookLM entendió la instrucción y comenzó automáticamente el proceso de investigación.
⏳ Paso 3: NotebookLM investiga por nosotros (varios minutos)
Durante unos minutos — en este caso estuvo 11 minutos, pero este tiempo dependerá de la complejidad— la herramienta estuvo:
buscando información en fuentes públicas y técnicas,
analizando artículos, explicaciones científicas y documentación industrial,
extrayendo patrones y comparativas,
y generando el cuerpo completo del estudio.
Mientras tanto, NotebookLM mostraba en tiempo real las fuentes que iba utilizando, indicando:
URL,
título del recurso,
tipo de documento,
y relevancia para la investigación.
📄 Paso 4: Obtener el informe final + las fuentes usadas
Al finalizar, NotebookLM generó:
Un documento completo de investigación con secciones ya estructuradas: contexto, análisis técnico, diferencias, conclusiones…
Un listado de todas las fuentes utilizadas perfectamente identificadas y enlazadas.
Lo mejor es que desde esa misma lista pudimos añadir cada una de esas fuentes directamente al cuaderno con un solo clic, quedando integradas en nuestro NotebookLM.
Esto nos permitió que, a partir de ese momento, tanto el estudio generado como las fuentes consultadas estuvieran dentro del mismo entorno, listos para seguir trabajando, ampliando, verificando o generando nuevos formatos.
4️⃣ Resultados: qué descubrimos con la investigación
La investigación generada por NotebookLM nos ofreció una comparativa clara entre el uso de nata fresca y nata congelada en procesos de reconstitución.El informe resumía las principales diferencias técnicas, sensoriales y de comportamiento en el proceso, y nos proporcionó todas las fuentes utilizadas, perfectamente identificadas.
Una vez obtenido el informe:
Lo copiamos en un documento Word.
Añadimos un índice automático.
Incluimos la lista completa de fuentes que NotebookLM había recopilado.
Exportamos el documento final a PDF.
Hemos puesto ese PDF aquí para que puedas descargarlo y ver por ti mismo el resultado exacto que generó NotebookLM.
5️⃣ Transformando el informe en contenido útil
Una de las grandes ventajas de Google NotebookLM es que no se queda solo en generar un informe:también permite transformar esa investigación en diferentes formatos, listos para comunicar, presentar o compartir.
Una vez tuvimos el documento final, probamos estas funciones para ver hasta dónde podía llegar la herramienta. El resultado fue el siguiente:
🖼️ Infografía
NotebookLM desde noviembre de 2025 permite generar infografías. A la hora de generarlas permite configurar el idioma, el nivel de detalle, la orientación y además te permite introducir un prompt para dar mas detalles para la generación de la misma.
En este caso indicamos el idioma, un nivel de detalle "Detailed" y de orientación "Landscape". No introdujimos ninguna prompt.
NotebookLM se tomó unos minutos y sintetizó los puntos principales de la investigación en una infografía visual, perfecta para compartir con un equipo técnico o para usar en una presentación rápida.
🎙️ Podcast
Con un clic, podemos convertir el informe en un guion narrativo. También permite configurar varios aspectos. En nuestro caso seleccionamos el idioma (español), longitud por defecto, formato "Debate" y como prompt no pusimos nada.
Asi a partir de nuestro documento de investigación NotebookLM generó un audio completo en formato podcast. Ideal para explicar el proceso de reconstitución de nata de manera clara y amena.
🎥 Vídeo
La herramienta también nos permite generar un video corto basado en la investigación: con narración, texto superpuesto, imágenes y una estructura en capítulos. Muy útil para formaciones internas o para dar una visión rápida del proyecto.
Te permite configurar varios aspectos a la hora de generar el video. En nuestro caso, seleccionamos el formato "Explainer", el lenguaje "español" y el estilo visual hemos dejado en "auto-select"
Tras varios minutos, NotebookLM creó un video de casi 5 minutos y de tamaño 1280x720. El video generado lo hemos colgado en nuestro canal de Youtube para que puedas verlo fácilmente.
Video: Reconstitución de Nata: https://youtu.be/7F4eHT-zr2M
📊 Presentación (Slides)
NotebookLM también permite la creación de presentaciones en PDF. Puedes configurar el idioma, longitud y además puedes darle un prompt para dar mas detalles del tipo de presentación que quieres.
6️⃣ En paralelo: hicimos la misma investigación con ChatGPT
Para completar el análisis y ofrecer una visión más amplia, realizamos la misma investigación utilizando ChatGPT y su modo “Investigación en profundidad”, siguiendo exactamente el mismo planteamiento y el mismo objetivo técnico.
📝 Conversión del informe de ChatGPT en un documento descargable
Con la investigación generada por ChatGPT, creamos un documento Word en el que:
Pegamos la investigación completa generada por la herramienta.
Añadimos todas las fuentes que ChatGPT indicó durante el proceso de investigación.
Insertamos un índice automático para que el documento fuera fácil de navegar.
Una vez revisado, convertimos ese documento en un PDF final.
Hemos dejado ese PDF aquí mismo para que puedas descargarlo y comparar por tu cuenta:
el resultado generado por ChatGPT,
con el resultado generado por Google NotebookLM.
De esta forma podrás ver diferencias reales en estilo, enfoque, estructura, profundidad y forma de citar fuentes.
7️⃣ Conclusión: la investigación técnica ya no se hace como antes
Este proyecto ha demostrado algo muy claro:las nuevas herramientas de IA, como Google NotebookLM y ChatGPT, han cambiado para siempre la manera en la que realizamos investigaciones técnicas, especialmente en entornos industriales.
Gracias a NotebookLM pudimos:
realizar una investigación en profundidad sin subir documentos,
obtener un informe organizado y trazable,
y transformar esa investigación en vídeos, presentaciones, infografías y podcasts en cuestión de minutos.
En paralelo, ChatGPT ofreció otra visión igualmente válida, con un modo de investigación profundo muy sólido, permitiendo generar un informe estructurado con fuentes claras y fácilmente documentables.
Cuando combinamos ambas, obtenemos investigaciones más completas, fiables y ricas en matices.
El resultado es una nueva forma de trabajar: más rápida, más clara y con más capacidad de comunicar lo aprendido.
📁 Recursos del artículo
Aquí puedes descargar los dos informes completos generados durante este proyecto:
🔵 Informe generado por Google NotebookLM
🟢 Informe generado por ChatGPT (Deep Research)
🔗 Artículos relacionados
Si quieres seguir profundizando en métodos de investigación con IA, aquí tienes dos artículos clave del blog Lozkorp:
🚀 ¿Quieres que investiguemos, te ayudemos a investigar o te enseñemos a hacerlo?
En Lozkorp trabajamos con empresas y profesionales que necesitan transformar información técnica en decisiones reales. Podemos ayudarte de tres formas:
Hacer la investigación completa por ti.
Ayudarte a construirla paso a paso, usando IA de forma inteligente.
Enseñarte a dominar herramientas como NotebookLM, ChatGPT o KIMI para que puedas hacerlo por tu cuenta.
Si estás preparando un proyecto industrial, un estudio técnico o simplemente quieres aprender a trabajar con estos nuevos flujos IA:
👉 Contáctanos y empezamos.
Comentarios