DeepResearchの出力をそのままにしない——自作の技術記事生成アプリを挟んだNotebookLMスライド生成ワークフロー

Introduction: DeepResearchとNotebookLMを繋ぐ「自作ツール」の役割

AIによるリサーチツールであるDeepResearchが登場し、膨大な情報の収集と整理は劇的に効率化された。私はこの調査結果をさらに活用すべく、NotebookLMにインプットしてプレゼンスライドを自動生成する試みを行っている。技術的な細部を正確に拾い上げ、構造化されたスライドを即座に得られるこの組み合わせは、一見すると完璧なワークフローに思えた。

しかし、実際に生成されたアウトプットを確認すると、そこには決定的な「欠落」があることに気づいた。本稿では、DeepResearchの出力をそのまま利用するのではなく、自作の chatlog-converter（以下、CLC）を介在させることで、AI生成物に「書き手の視点」を吹き込むワークフローについて解説する。

Struggle: 「百科事典」になってしまう情報の羅列

DeepResearchの調査レポートをそのままNotebookLMのソースとして流し込むと、出来上がるスライドは極めて「百科事典的」なものになる。情報は正確であり、網羅性も申し分ない。しかし、それは単なる事実の羅列に過ぎず、「誰に向けて、何を伝えたいのか」というターゲット意識や、読み手を惹きつけるストーリーラインが希薄であった。

具体的には、実行結果の画像を確認すると、情報密度は高いものの、どのスライドも同じような重要度で構成されており、強調すべき論点が埋没してしまっていた。技術スタックの解説としては正解だが、プレゼンテーション資料としては「語り口」が欠けているため、読者が内容を自分事として捉えにくいという課題に直面した。

実際のスライド。
=250x
=250x
=250x

Insight: 「書き手のフィルター」が論点を生む

この問題を解決する鍵は、情報の塊をそのまま渡すのではなく、一度「書き手のフィルター」を通す工程を挟むことにあった。私は以前から、AIとのチャットログをZenn記事などの技術ドキュメントに変換するツール chatlog-converter（CLC）を開発している。この converter をワークフローの中間に配置することで、以下のような質的変化が生まれることに気づいた。

Keyword Freeze: 重要な固有名詞や専門用語を保護し、文脈の中での一貫性を維持する。
Voice Sampler: 書き手自身の文体やユーモア、固有のエピソードを反映させる。
GEO最適化: 読者が理解しやすい構造への再配置を行う。

比較検証の結果、DeepResearchから直接生成したスライド（パターンA）が「百科事典」であるならば、CLCを経由したスライド（パターンB）は「論点のあるプレゼン」へと進化していた。CLCを通すプロセスで、何を強調し、何を削るかという「思考の痕跡」が入力素材に刻まれ、それがNotebookLMの生成ロジックにポジティブな影響を与えていることが判明した。

こちらがCLCを通した上で作成したスライド。

Solution: CLCを介在させたスライド生成ワークフロー

最終的に構築したワークフローは、DeepResearchによる広範な調査と、CLCによる人間中心の構造化を組み合わせたものである。

DeepResearch（Gemini）
    ↓
chatlog-converter（CLC）で記事化・トリミング
    ↓
NotebookLMにソースとして注入
    ↓
スライド生成

このワークフローの核心は、AIが生成した chatlog やレポートを、単なるデータとしてではなく「記事」として一度昇華させる点にある。CLC内部では、特定のキーワードを保護しながら、書き手の個性を反映したメタデータを付与する処理を行っている。これにより、NotebookLMは「事実の羅列」ではなく「意図のある文章」をソースとして認識し、結果として「3つのポイント」のようなフレーミングが効いた、説得力のあるスライドを出力できるようになる。

現在はまだCLCをドッグフーディングしながら開発している段階だが、この「自作ツールをワークフローの急所に配置する」というアプローチこそが、AI時代におけるアウトプットの唯一性を担保する手段になると確信している。

副産物でスライドPDFを4in1のPNGにワンクリックで変換するアプリができてしまったが、CLCに通すほどのログも無いのでここで消化しておく。ことにする。

*本記事は自作のAIツールによって作成しています。