La mayoría usa Gemini para chatear y NotebookLM para investigar. Pero los que consiguen resultados ya los tienen conectados en un mismo espacio de trabajo. Próximamente en Europa.
Muy interesante. Yo no uso ninguno de los dos pero voy a probarlos...a ver si me apaño. Para la próxima estaría bien conocer Perplexity para investigación profesional, que igual es útil para recopilar investigaciones científicas y organizarlas un poco por temas.
Excelente, era una unión obvia, por lo menos para mi. Yo, a modo de experimento pedagógico escribí un libro de ciencia ficción con Gemini y la cosa escaló hasta que lo publique en Google libros y de ahí surgieron nuevas acciones, la primera fue ingresar a substack para difundirlo y otra que aun no hice, pero esta en carpeta, es la idea de usar los audios de los relatos que me facilitó Google libros, más una reseña de audio de LM y hacer un podcast hibrido en YouTube. Y claro tuve que subir las fuentes, relato por relato y generar los audios. Ya tengo casi todo, solo me faltan unas horas de edición para empezar a subir. Si pudiera pedirle algo a Google, le pediría que nos permita limitar el tiempo de los audios. Para lo que yo los necesito son muy largos. Gracias por la nota, la voy a compartir porque es de gran utilidad para muchos estudiantes que no conocen el enorme potencial de Notebook LM.
Esto cambia de forma silenciosa pero significativa la manera de trabajar con IA en proyectos reales.
Hasta ahora, el flujo más común era: abres Gemini para pensar, abres NotebookLM para investigar, y al final tienes contexto disperso en dos sitios. La sincronización bidireccional elimina ese salto mental y convierte la IA en algo parecido a un espacio de trabajo persistente, no solo en un chat que desaparece.
Lo que me resulta más valioso del caso de uso de "notebook por cliente" es que convierte el conocimiento acumulado en un activo reutilizable. No empiezas de cero cada vez. El contexto ya está allí.
El único riesgo que veo es que muchos usuarios aún usan estas herramientas en modo reactivo ("pregunto cuando necesito") y no en modo proactivo ("construyo mi sistema de conocimiento"). La fusión lo facilita, pero el hábito sigue siendo el cuello de botella.
Pregunta práctica: ¿estás usando ya los Notebooks de esta forma integrada, o sigue siendo una funcionalidad nueva que estás explorando?
Tiene mucho sentido que lo uséis. Lo que me parece más valioso de esa integración es que elimina la fricción de exportar/importar: el contexto ya vive donde lo necesitas. ¿Estáis usando NotebookLM más para investigación interna o también lo integráis en flujos de creación de contenido?
Lo usamos como RAG, pero que además usa el razonamiento. Tenemos uno con todos los premios de publicidad de los últimos treinta años. Mejora el proceso creativo de un asistente de cero a 100
El caso de los premios de publicidad es un ejemplo perfecto de cómo el contexto histórico convierte la IA de herramienta genérica a ventaja real. Un asistente sin esa memoria institucional de 30 años da respuestas correctas pero sin alma. Con ella, el razonamiento tiene perspectiva. Eso es exactamente lo que diferencia un RAG bien construido de uno mediocre. ¿Estáis documentando el proceso para replicarlo en otros clientes o es un caso único?
Buenos días amigos, suludos desde Caracas. En mi opinión siguen siendo plataformas separadas. Comparten los cuadernos. Si abres un cuaderno en gemeni y haces una consulta referente a ese cuaderno, en notebook, esa conversación aparecerá como una fuente más. Además en gemeni las respuestas no solo se basan en tus fuentes sino que buscan en internet. Para mí notebook sigue siendo para la investigación y gemini para tareas de menos rigurosidad y aprovechas las fuentes de tus cuadernos. Saludos
Uuuuuu ahí quede ajjajaaj buenisimo me reencanto, yo soy usuaria de chat gpt con plan voy a probar aunque los proyectos que tengo soy yo misma jajaja pero voy a organizar uno y lo voy a probar
Tiene sentido que lo uséis de esa forma. Para quien ya genera contenido o investiga con frecuencia, la integración elimina uno de los mayores frenos: tener que recontextualizar cada vez que cambias de herramienta. El flujo se vuelve continuo en lugar de fragmentado.
Yo todavía no los he usado, pero sí tengo un interés importante en "Claude Projects vs Gemini Notebooks: comparativa real", ojalá lo podamos tener pronto y ver los resultados.
También me gustaría saber vuestra opinión sobre el mismo proceso pero usando las herramientas de Abacus, ya qué también cuenta con proyectos y otras herramientas muy interesantes.
Hola, difícil valoración. Claude es una maravilla, pero Gemini también es genial (NotebookLM y Deepresearch y Canvas y google AI studio y Flow y Stitch). Depende de tus necesidades profesionales. Abacus no lo conocíamos, pero pinta bien como agregador de modelos. Como formadores preferimos trabajar con cada modelo para estar muy al día de ellos, pero los agregadores son una buena opción profesional dependiendo de para qué
Muy interesante. Yo no uso ninguno de los dos pero voy a probarlos...a ver si me apaño. Para la próxima estaría bien conocer Perplexity para investigación profesional, que igual es útil para recopilar investigaciones científicas y organizarlas un poco por temas.
Pues te va a encantar!!!!
Excelente, era una unión obvia, por lo menos para mi. Yo, a modo de experimento pedagógico escribí un libro de ciencia ficción con Gemini y la cosa escaló hasta que lo publique en Google libros y de ahí surgieron nuevas acciones, la primera fue ingresar a substack para difundirlo y otra que aun no hice, pero esta en carpeta, es la idea de usar los audios de los relatos que me facilitó Google libros, más una reseña de audio de LM y hacer un podcast hibrido en YouTube. Y claro tuve que subir las fuentes, relato por relato y generar los audios. Ya tengo casi todo, solo me faltan unas horas de edición para empezar a subir. Si pudiera pedirle algo a Google, le pediría que nos permita limitar el tiempo de los audios. Para lo que yo los necesito son muy largos. Gracias por la nota, la voy a compartir porque es de gran utilidad para muchos estudiantes que no conocen el enorme potencial de Notebook LM.
Nos apuntamos a lo de los audios. Ah, ya la versión cinemática para todos en los vídeos YA.
Esto cambia de forma silenciosa pero significativa la manera de trabajar con IA en proyectos reales.
Hasta ahora, el flujo más común era: abres Gemini para pensar, abres NotebookLM para investigar, y al final tienes contexto disperso en dos sitios. La sincronización bidireccional elimina ese salto mental y convierte la IA en algo parecido a un espacio de trabajo persistente, no solo en un chat que desaparece.
Lo que me resulta más valioso del caso de uso de "notebook por cliente" es que convierte el conocimiento acumulado en un activo reutilizable. No empiezas de cero cada vez. El contexto ya está allí.
El único riesgo que veo es que muchos usuarios aún usan estas herramientas en modo reactivo ("pregunto cuando necesito") y no en modo proactivo ("construyo mi sistema de conocimiento"). La fusión lo facilita, pero el hábito sigue siendo el cuello de botella.
Pregunta práctica: ¿estás usando ya los Notebooks de esta forma integrada, o sigue siendo una funcionalidad nueva que estás explorando?
Nosotros los usamos mucho. La integración en Gemini es un paso muy natural.
Tiene mucho sentido que lo uséis. Lo que me parece más valioso de esa integración es que elimina la fricción de exportar/importar: el contexto ya vive donde lo necesitas. ¿Estáis usando NotebookLM más para investigación interna o también lo integráis en flujos de creación de contenido?
Lo usamos como RAG, pero que además usa el razonamiento. Tenemos uno con todos los premios de publicidad de los últimos treinta años. Mejora el proceso creativo de un asistente de cero a 100
El caso de los premios de publicidad es un ejemplo perfecto de cómo el contexto histórico convierte la IA de herramienta genérica a ventaja real. Un asistente sin esa memoria institucional de 30 años da respuestas correctas pero sin alma. Con ella, el razonamiento tiene perspectiva. Eso es exactamente lo que diferencia un RAG bien construido de uno mediocre. ¿Estáis documentando el proceso para replicarlo en otros clientes o es un caso único?
Buenos días amigos, suludos desde Caracas. En mi opinión siguen siendo plataformas separadas. Comparten los cuadernos. Si abres un cuaderno en gemeni y haces una consulta referente a ese cuaderno, en notebook, esa conversación aparecerá como una fuente más. Además en gemeni las respuestas no solo se basan en tus fuentes sino que buscan en internet. Para mí notebook sigue siendo para la investigación y gemini para tareas de menos rigurosidad y aprovechas las fuentes de tus cuadernos. Saludos
Interesante. NotebookLM nos tiene enamorados, la verdad. Vamos a ver esta y más integraciones.
Uuuuuu ahí quede ajjajaaj buenisimo me reencanto, yo soy usuaria de chat gpt con plan voy a probar aunque los proyectos que tengo soy yo misma jajaja pero voy a organizar uno y lo voy a probar
Tiene sentido que lo uséis de esa forma. Para quien ya genera contenido o investiga con frecuencia, la integración elimina uno de los mayores frenos: tener que recontextualizar cada vez que cambias de herramienta. El flujo se vuelve continuo en lugar de fragmentado.
Yo todavía no los he usado, pero sí tengo un interés importante en "Claude Projects vs Gemini Notebooks: comparativa real", ojalá lo podamos tener pronto y ver los resultados.
También me gustaría saber vuestra opinión sobre el mismo proceso pero usando las herramientas de Abacus, ya qué también cuenta con proyectos y otras herramientas muy interesantes.
Felicitaciones por vuestro trabajo.
Hola, difícil valoración. Claude es una maravilla, pero Gemini también es genial (NotebookLM y Deepresearch y Canvas y google AI studio y Flow y Stitch). Depende de tus necesidades profesionales. Abacus no lo conocíamos, pero pinta bien como agregador de modelos. Como formadores preferimos trabajar con cada modelo para estar muy al día de ellos, pero los agregadores son una buena opción profesional dependiendo de para qué