«پژوهش عامل‌محور»؛ هدف جدید گوگل در ادغام Gemini Notebook با جست‌وجو

تصور کنید یک مدیر پروژه است که باید هم‌زمان گزارش‌های مالی داخلی، کتاب‌های تخصصی بازار و داده‌های زنده وب را تحلیل کند بدون آنکه بین پنج پنجره جابه‌جا شود. گوگل با تبدیل NotebookLM به Gemini Notebook، دقیقاً همین فضای یکپارچه را خلق کرده است تا پژوهش از حالت تحلیل فایل‌های ایستا به یک اکوسیستم متصل تبدیل شود. در حالی که NotebookLM در ابتدا به عنوان یک آزمایش مستقل آغاز به کار کرده بود، گوگل اکنون با تغییر نام آن به Gemini Notebook، این ابزار را در هسته تجربه Gemini و جست‌وجوی گوگل ادغام کرده است. این انتقال نشان‌دهنده یک تغییر بنیادین در جریان‌های کاری پژوهشی است؛ حرکتی از تحلیل فایل‌های مجزا به سمت یک اکوسیستم کاملاً یکپارچه.

این تحول در حالی رخ می‌دهد که سازمان‌ها برای پیوند دادن داده‌های محرمانه داخلی با اطلاعات بازار جهانی در تکاپو هستند. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های پردازش ویدیو در Google Gemini Omni 1.1 Flash به مبلغ ۰.۰۳ دلار در ثانیه اشاره کردیم، تمرکز گوگل اکنون از لایه سخت‌افزاری به لایه شناختی منتقل شده است؛ یعنی اینکه کاربر چگونه داده‌ها را به دانش تبدیل می‌کند.

گذار به یک اکوسیستم یکپارچه

به نقل از اعلامیه ۱۶ ژوئیه ۲۰۲۶، این سرویس مدل پایهٔ دفترچه یادداشت را حفظ کرده است؛ جایی که کاربر منابع خاصی را برای مبنی‌سازی (Grounding) — شبیه به دادن یک کتاب مرجع به دانش‌آموز برای جلوگیری از تخیل — به مدل می‌دهد. اما تغییرات فراتر از یک نام ساده است. گوگل اکنون دفترچه‌ها را مستقیماً به اپلیکیشن Gemini و جست‌وجوی گوگل متصل کرده است تا یک جریان کاری دانش متصل‌تر ایجاد کند. با این حال، فرآیند فعال‌سازی این دسترسی‌ها برای همه یکسان نبوده و برخی کاربران Pro با تأخیر در فعال‌سازی حساب‌های خود مواجه شدند.

برای تیم‌هایی که اطلاعات را از فرمت‌های مختلف جمع‌آوری می‌کنند، هدف روشن است: Gemini Notebook قرار است به فضای کاری برای ترکیب منابع تبدیل شود، نه اینکه با هر منبع به عنوان یک تسک پژوهشی مجزا برخورد کند. این رویکرد اجازه می‌دهد تا سنتز داده‌ها در سطوح مختلف به صورت یکپارچه انجام شود.

گسترش منابع قابل ادغام

بر اساس مستندات راهنمای گوگل، دامنه منابع پشتیبانی‌شده و قابل کشف به‌شدت گسترش یافته است. کاربران اکنون می‌توانند موارد زیر را ادغام کنند:

• آدرس‌های وب (URL) و ویدیوهای یوتیوب
• فایل‌های PDF و ePub
• محتوای گوگل درایو شامل Docs، Sheets و Slides
• گفت‌وگوهای Gemini و محتوای Google Play Books

گوگل چارچوبی به نام هوش تخصصی (Expert Intelligence) را برای مدیریت محتوای معتبر نویسندگان معرفی کرده است. این چارچوب تعامل با منابع، با کتاب‌های الکترونیکی واجد شرایط در Google Play آغاز می‌شود و به پژوهشگران اجازه می‌دهد تخصص یک نویسنده حرفه‌ای را با اسناد داخلی خود ترکیب کنند. البته باید توجه داشت که تمام کتاب‌های Play Books واجد شرایط این ادغام نیستند و دسترسی به آن‌ها متفاوت است.

به طور جداگانه, Google Play Books ویژگی «بینش‌های کتاب» (Book insights) را معرفی کرده است. این قابلیت که توسط Gemini قدرت گرفته، برای برخی کتاب‌های الکترونیکی انگلیسی در دسترس است و امکان خلاصه‌سازی و هایلایت کردن را در داخل خود اپلیکیشن Play Books فراهم می‌کند؛ هرچند این ویژگی از عرضه Gemini Notebook مجزا است.

قابلیت‌های فنی پیشرفته

دو قابلیت کلیدی اکنون تعریف‌کننده این پلتفرم هستند. نخست، پژوهش عمیق (Deep Research) است؛ یک ویژگی عامل‌محور (Agentic) — مثل دستیاری که خودش در کتابخانه می‌چرخد و منابع جدید می‌یابد، نه اینکه فقط در یک صفحه خاص بگردد — برای مرور منابع. این رویکرد عامل‌محور در راستای استراتژی گسترده‌تر گوگل است که با معرفی سامانه Spark، Gemini Live را نیز از یک چت‌بات ساده به یک عامل اجرایی تبدیل کرد. برخلاف تولید بازیابی‌افزا (RAG) استاندارد که فقط در یک مجموعه فایل ایستا جست‌وجو می‌کند، Deep Research به عنوان یک عامل عمل می‌کند تا به‌صورت پویا منابع اطلاعاتی جدید را در جریان کاری پژوهش بیابد و با آن‌ها تعامل کند.

دوم، گوگل قابلیت اجرای کد از طریق یک کامپیوتر ابری امن را مستقیماً به دفترچه‌ها اضافه کرد. این یعنی کاربر می‌تواند محاسبات پیچیده را روی داده‌های پژوهشی خود بدون خروج از محیط کار انجام دهد. این قابلیت در کنار رویکرد جدید Deep Think برای حل مسائل پیچیده برنامه‌نویسی، توانمندی‌های تحلیلی Gemini را به سطح جدیدی ارتقا می‌دهد.

دسترسی به اجرای کد به‌صورت لایه‌بندی شده است:

• عرضه اولیه: برای کاربران Google AI Ultra و Workspace AI Ultra.
• برنامه‌ زمان‌بندی: عرضه برای کاربران Pro در هفته‌های آینده.

گوگل هنوز جزئیات قیمت‌گذاری دقیقی ارائه نکرده است، بنابراین سازمان‌ها باید پیش از تکیه بر قابلیت اجرای کد، طرح فعلی Gemini یا Workspace خود را بررسی کنند.

تأثیر بر جریان کاری کسب‌وکارها

برای دنیای کسب‌وکار، این یعنی پایان عصر «تسک‌های مجزا». یک مدیر اکنون می‌تواند جداول برنامه‌ریزی داخلی را در کنار یک کتاب تخصصی و داده‌های زنده وب در یک رشته گفتگو بررسی کند. هوش مصنوعی دیگر این‌ها را پرس‌وجوهای جداگانه نمی‌بیند، بلکه آن‌ها را یک پایگاه دانش واحد می‌داند.

کاربردهای احتمالی این ابزار عبارتند از:

• ترکیب فایل‌های گوگل درایو با منابع وب برای پژوهش‌های پروژه.
• استفاده از کتاب‌های تخصصی واجد شرایط در کنار اسناد مرجع داخلی.
• کاوش در اطلاعات موجود در Docs، Sheets و Slides در یک جریان کاری متمرکز بر منبع.
• اجرای کد برای وظایف محاسباتی در صورت دسترسی به لایه‌های مربوطه.

با این حال، کارایی Gemini Notebook همچنان به کیفیت ورودی‌ها وابسته است. پاسخ‌ها تنها به اندازه منابع، مجوزهای دسترسی و پرامپت‌های پشت آن‌ها قابل اعتماد هستند. بازبینی انسانی برای جلوگیری از توهم (Hallucination) — وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه به دوستی که خاطره‌ای را اشتباه تعریف می‌کند — در تصمیمات حساس تجاری ضروری است.

برای شرکت‌هایی که می‌خواهند بدانند تخصص آن‌ها هنگام مراجعه کاربران به Gemini و سایر دستیاران هوش مصنوعی چگونه نمایش داده می‌شود، ابزارهای AI Visibility و GEO Checker از Scalevise می‌توانند شناسایی کنند که اطلاعات مهم برند در کجا قابل مشاهده، مفقود یا نامشخص است. این بینش به تیم‌ها کمک می‌کند تا به جای حدس زدن درباره نحوه نمایش کسب‌وکارشان در پژوهش‌های مبتنی بر AI، اولویت‌بندی محتوا و بهبود منابع را انجام دهند. برای یافتن شکاف‌هایی که ارزش رسیدگی دارند، یک اسکن AI Visibility را شروع کنید.

این حرکت نشان می‌دهد گوگل قصد دارد Gemini را از یک چت‌بات ساده به یک فضای کاری جامع تبدیل کند. با ادغام مرور عامل‌محور و محاسبات امن، گوگل بازار پژوهش‌های سطح بالا را هدف قرار داده است، جایی که دقت و مبنی‌سازی بر اساس منبع غیرقابل مذاکره است.

سازمان‌ها اکنون باید مجوزهای Workspace خود را بازبینی کنند تا ببینند کدام انواع منابع برای حساب‌هایشان فعال است. همچنین باید منتظر عرضه لایه Pro برای اجرای کد باشند تا ببینند آیا این ابزارهای پیشرفته برای تیم‌های بازار متوسط (mid-market) کاربردی خواهند بود یا خیر.

گام بعدی شما

• دسترسی‌های Workspace خود را بررسی کنید تا ببینید کدام انواع منابع برای حساب شما فعال است.
• اگر کاربر Pro هستید، در هفته‌های آینده برای فعال شدن قابلیت اجرای کد در محیط Notebook آماده باشید.
• یک پروژه کوچک را با ترکیب یک فایل PDF داخلی و یک لینک یوتیوب در Gemini Notebook تست کنید تا قدرت ترکیب منابع را بسنجید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.