Praktijkcase: Deep Research-functie
Hoe een onderzoeksteam een branche rapport in uren voltooide met Deep Research.
Een marktonderzoeksteam van vier personen had één werkdag voor een concurrentiebriefing. Ze importeerden 12 kern-Sources in NotebookLM en gebruikten Deep Research om gaten te vullen vóór Studio-PDF-export.
Randvoorwaarde: elke bullet in het einddeck moest traceerbaar zijn — een eis die NotebookLMs citatiemodel native vervult.
Tijdlijn (werkelijke run)
| Tijd | Actie | Notities |
|---|---|---|
| 0:00 | Upload 8 PDF's + 4 URL's | Investor decks, 10-K-fragmenten, earnings call-transcripten |
| 0:20 | Chat: scopevragen | Marktomvang, marktaandeelverschuivingen, regelgevingsrisico's |
| 0:45 | Deep Research-ronde | 6 door NotebookLM aanbevolen web-Sources toegevoegd |
| 1:30 | Studio Briefing Doc | Executive summary + SWOT met citaties |
| 2:00 | PDF-export + review | PM verifieerde elke citatie in onder 30 min |
Voor vs na
| Metriek | Handmatig proces | NotebookLM Deep Research |
|---|---|---|
| Kloktijd | 2–3 dagen | ~2 uur actief werk |
| Citeerbare bullets | Handmatige voetnoten | Auto-gelinkte Sources |
| Gatdetectie | Analistgeheugen | Deep Research-suggesties |
| Stakeholderformaat | Herbouwen in slides | Studio-export + lichte edits |
Geleerde lessen
- Begin met een smalle onderzoeksvraag — brede prompts blazen Deep Research-runtime op
- Geef de voorkeur aan gestructureerde PDF's boven gescraped HTML als nauwkeurigheid telt
- Tweede Chat-ronde: "wat weerspreekt onze these?" vóór export
- Houd een "bronkwaliteit"-notitie: markeer paywall of verouderde items vroeg
Teamcitaat: "Deep Research verving ons oordeel niet — het verving de saaie montagestap zodat we tijd aan interpretatie konden besteden."