Pendahuluan: Mengapa NotebookLM dan Perplexity Cocok Bersama?
Sejak Google meluncurkan NotebookLM sebagai asisten riset pribadi bertenaga AI, saya langsung jatuh hati. Alat ini menjadi favorit saya untuk meningkatkan produktivitas. Selama ini, saya selalu menggunakannya secara terpisah. Namun, minggu lalu, saya memutuskan untuk menggabungkannya dengan alat AI lain yang juga sering saya gunakan: Perplexity.
Tujuan saya bukan untuk mencari pengganti NotebookLM, melainkan untuk melihat apa yang terjadi jika keduanya digunakan bersamaan. Apakah saya akan kembali menggunakan NotebookLM sendiri seperti biasanya? Atau justru kolaborasi ini akan mengubah alur kerja saya menjadi lebih baik? Ternyata, hasilnya sangat mengejutkan! Kedua alat AI ini saling melengkapi dengan cara yang tak terduga.
Kelebihan Masing-Masing, Kekuatan Bersama
NotebookLM dan Perplexity dirancang untuk mempercepat dan menyederhanakan proses riset yang membosankan. Namun, keduanya fokus pada bagian yang berbeda. Perplexity adalah mesin pencari AI yang dirancang untuk menghemat waktu pencarian informasi.
Sebaliknya, NotebookLM bekerja setelah informasi terkumpul. Alat ini membantu Anda mengorganisir, memahami, dan menafsirkan topik yang Anda teliti. Meskipun Google telah menambahkan fitur “Discover sources” ke NotebookLM, yang memungkinkan Anda mencari sumber berdasarkan deskripsi, fitur ini memiliki batasan.
Fitur “Discover sources” hanya dapat menampilkan maksimal sepuluh sumber sekaligus. Selain itu, saya juga tidak selalu puas dengan sumber yang dikumpulkan. Oleh karena itu, saya lebih sering mencari sumber sendiri dari web. Di sisi lain, Perplexity dirancang untuk mencari informasi di internet secara real-time dan mengumpulkan informasi dari sumber yang kredibel.
Singkatnya, di mana NotebookLM kurang, Perplexity unggul (dan sebaliknya). Dengan menggabungkan kekuatan keduanya, Anda mendapatkan kombinasi riset yang lebih cerdas dan efektif daripada menggunakan salah satunya saja.
Bagaimana NotebookLM Mengelola Kekacauan yang Ditemukan Perplexity?
Setelah Perplexity menemukan sumber yang saya butuhkan, saya membuat notebook baru di NotebookLM dan mengunggah semua sumber tersebut. Di sinilah kesenangan dimulai. Setelah sumber diunggah, saya dapat menggunakan NotebookLM untuk menghasilkan “Audio Overview” jika saya sedang tidak ingin membaca dan lebih suka mendengarkan diskusi bergaya podcast tentang sumber tersebut.
Jika saya belum sepenuhnya memahami konsep yang berbeda dalam sumber, saya dapat menggunakan mode interaktif di “Audio Overviews” dan langsung masuk ke diskusi antara dua pembawa acara AI untuk mengklarifikasi keraguan saya.
Jika saya ingin melihat bagaimana konsep yang berbeda dalam sumber saling berhubungan, saya dapat menghasilkan “Mind Map”. NotebookLM juga dapat membuat “Study Guide”, “Briefing doc”, “FAQ”, atau “Timeline” menggunakan sumber saya.
Keunggulan utamanya adalah NotebookLM hanya mereferensikan informasi dari sumber yang Anda berikan. Ini berarti saya dapat mengajukan pertanyaan di panel “Chat” tanpa terlalu khawatir tentang halusinasi atau jawaban yang diambil dari tempat acak di internet.
Sebaliknya, mengajukan pertanyaan tentang sumber di Perplexity bisa sedikit merepotkan. Alih-alih menjawab berdasarkan set sumber pertama yang ditemukan, Perplexity biasanya mengambil batch baru dan menggunakannya untuk merespons, sehingga tidak selalu sesuai dengan materi yang awalnya ingin Anda fokuskan.
Meskipun contoh ini mungkin tidak memiliki informasi baru beberapa hari kemudian, jika Anda mempelajari sesuatu yang lebih real-time yang terus berkembang, Perplexity sangat membantu. Setelah mengumpulkan sumber asli Anda dan menggunakannya, Anda dapat menggunakan Perplexity lagi nanti untuk mendapatkan sumber terbaru dengan informasi terkini karena mencari di web secara real-time.
Kesimpulan: Kekuatan Kolaborasi NotebookLM dan Perplexity
Meskipun kedua alat AI ini melayani tujuan yang berbeda, mereka bekerja bersama secara mulus. Meskipun saya sudah sering menggunakan Perplexity di masa lalu, saya tidak pernah benar-benar berpikir untuk memasangkannya dengan NotebookLM sampai sekarang. Dan saya sangat senang saya melakukannya — lebih baik terlambat daripada tidak sama sekali, bukan?