NotebookLM trả lời từ tài liệu bạn upload — kết quả chính xác hơn hỏi Gemini/ChatGPT từ không khí. Kiến thức ra đúng context, không bị hallucinate.
Map nội dung thành 4 tầng dễ/vừa/khó/cần lặp ngay từ đầu. Tránh lãng phí thời gian vào phần đã biết, tập trung vào điểm yếu thực sự.
Não ghi nhớ thứ nó phải chủ động lấy ra, không phải thứ nó đọc qua. Tạo câu hỏi + tự kiểm tra > đọc notes lại lần thứ 5.
NotebookLM = khai thác tài liệu cụ thể. Gemini = giải thích rộng, lập kế hoạch, đơn giản hóa. Không trộn lẫn mục đích.
Không đánh giá việc học bằng cảm giác "tôi hiểu rồi". Phải test bằng đề thi nghiêm, có chấm điểm, có phân tích điểm yếu cụ thể.
Upload toàn bộ SOP/quy trình Gigago & Visana vào NotebookLM. Nhân viên mới "hỏi" tài liệu thay vì đọc chay. Kết hợp với training-html-builder để tạo bài quiz kiểm tra sau.
Media team thiếu product depth — upload product doc Gigago eSIM/Visana visa → tạo bộ 50 câu hỏi kiểm tra → sales tự test trước khi lên sàn. Đo điểm trước/sau để có data thực.
Workflow này mô tả đúng RAG pattern đang build. Prompt "giải thích 4 cấp độ" (trẻ 10t → thực tế) có thể copy thẳng vào system prompt của bot — giúp bot tự động điều chỉnh độ phức tạp theo level khách hàng.
Workflow 7 ngày thiết kế cho cá nhân, không scale được cho nhóm. Nhưng cấu trúc có thể dùng làm template cho chương trình đào tạo nội bộ có lộ trình rõ ràng.
Thay vì học, dùng workflow này để phân tích đối thủ: upload landing page, review, ads copy của competitor eSIM/visa vào NotebookLM → hỏi "điểm yếu của họ là gì, mình khai thác chỗ nào". Kết hợp n8n để tự động pull data định kỳ mỗi tuần.
Áp dụng "4 cấp độ giải thích" vào Visana Assistant: khi khách hỏi về visa, bot detect level qua vài câu đầu (lần đầu hỏi visa vs. đã từng đi) rồi tự điều chỉnh độ phức tạp câu trả lời. Trải nghiệm cá nhân hóa hơn hẳn bot cố định.
Upload SOP → NotebookLM tạo 50 câu hỏi → export → nhúng vào training HTML (skill sẵn có) → nhân viên làm quiz, sai thì hiện giải thích ngay. Đo điểm trước/sau training để có số liệu thực cho HR review.