Gemini Notebook (dawniej NotebookLM) vs ChatGPT. Czego użyć do analizy wielostronicowych dokumentów?

Na rynku ścierają się obecnie dwa główne podejścia technologiczne. Z jednej strony funkcjonują uniwersalne modele językowe, których najpopularniejszym przedstawicielem jest ChatGPT od OpenAI. Z drugiej strony rozwijają się wyspecjalizowane środowiska badawcze, takie jak stworzony przez Gemini Notebook, dawniej zwany jako NotebookLM. Przeprowadziliśmy własny test, aby sprawdzić, jak oba te narzędzia radzą sobie z gęstym od danych korporacyjnym raportem, by ocenić, któremu z nich można bezpiecznie powierzyć analizę ważnych dokumentów.

Dlaczego praca z długim plikiem to wciąż wyzwanie dla AI?

Aby w pełni zrozumieć różnice między testowanymi narzędziami, należy spojrzeć na mechanikę ich działania. Zdolność modelu AI do przetwarzania tekstu definiuje tak zwane okno kontekstowe. Jest to w uproszczeniu pamięć krótkotrwała modelu - maksymalna liczba słów (tokenów), które algorytm jest w stanie przeanalizować i utrzymać w pamięci operacyjnej podczas generowania pojedynczej odpowiedzi.

Jeszcze kilkanaście miesięcy temu wgranie 50-stronicowego pliku do większości dostępnych narzędzi kończyło się błędem lub ucięciem połowy tekstu. Obecnie okna kontekstowe urosły do rozmiarów, które teoretycznie pozwalają na wczytanie całych książek (Gemini 1.5 Pro posiada okno rzędu nawet 2 milionów tokenów). Pojawił się jednak inny, bardziej subtelny problem techniczny, określany przez badaczy jako zjawisko "zagubienia w środku".

RAG kontra Generalista

To, jak dane narzędzie radzi sobie z ograniczaniem halucynacji, wynika z tego, jak zostało zaprojektowane.

Gemini Notebook, dotychczas zwany jako NotebookLM od Google to środowisko działające w oparciu o architekturę RAG (Retrieval-Augmented Generation). To technika, która nakłada na sztuczną inteligencję sztywne ramy, wymuszając opieranie się wyłącznie na wgranych źródłach. Gemini Notebook ma wbudowany mechanizm blokady - jeśli zadasz pytanie o dane, których faktycznie nie ma w przesłanych plikach, narzędzie wprost odmawia wygenerowania odpowiedzi. Dodatkowo, system tworzy precyzyjne przypisy. Użytkownik może kliknąć w numer przy wygenerowanym akapicie, a interfejs przenosi go bezpośrednio do zaznaczonego fragmentu w źródłowym pliku PDF, co drastycznie skraca czas weryfikacji.

Dowiedz się więcej o Gemini Notebook (wcześniej NotebookLM) w tym wpisie: Notebook LM - czyli notatnik premium bez uciążliwości wersji premium (za darmo!)

ChatGPT (wykorzystujący model GPT-4o oraz moduł analizy danych) to system o charakterze generatywnym i wielozadaniowym. Kiedy wgrywasz do niego plik, traktuje go jako dodatkowy kontekst do rozmowy, a nie jedyne źródło prawdy. Zaletą tego rozwiązania jest ogromna elastyczność. ChatGPT potrafi przetworzyć surowe liczby z pliku, a następnie samodzielnie napisać kod w Pythonie, by wygenerować na ich podstawie wykres. Wadą jest skłonność do nadmiernej pewności siebie i dopisywania własnych interpretacji, co w analizie dokumentów nie zawsze jest pożądane.

Jeden raport finansowy, dwa narzędzia

Postanowiliśmy to po prostu przetestować, poddaliśmy oba narzędzia praktycznemu testowi. Jako materiał badawczy posłużył Skonsolidowany Raport Roczny Grupy InPost za rok 2025. Wybór nie był przypadkowy. To anglojęzyczny, obszerny dokument wypełniony specyficznym żargonem branżowym, rozbudowanymi tabelami finansowymi oraz regulacjami prawnymi (ESG).

Plik wgraliśmy do nowych, czystych sesji w ChatGPT oraz w Gemini Notebook. Narzędzia otrzymały serię identycznych promptów w języku polskim. Wymuszało to na nich nie tylko analizę tekstu, ale również symultaniczne tłumaczenie pojęć i pracę na styku dwóch języków.

Wyniki testu, architekt czy Analityk?

Spodziewaliśmy się, że uniwersalny ChatGPT polegnie na precyzji, a wyspecjalizowany Gemini Notebook zdominuje zestawienie dzięki swojej architekturze RAG. Rzeczywistość ukazała jednak dużo bardziej złożony obraz możliwości obu systemów.

Zadanie 1: Test precyzji (Igła w stogu siana)

Zadaniem modeli było znalezienie konkretnych ryzyk związanych z przepisami środowiskowymi i opłatami za emisję.

Gemini Notebook wskazał konkretne zapisy z raportu, wymieniając ryzyko niezgodności z dyrektywą CSRD oraz ryzyko podatku węglowego (carbon tax), trafnie zauważając, że w zaktualizowanej ocenie usunięto to drugie z listy ryzyk istotnych. Wskazał również na ogólne ryzyka transformacji klimatycznej. Do każdego z tych punktów narzędzie wygenerowało klikalne przypisy, co pozwalało natychmiast zweryfikować akapity źródłowe.

ChatGPT obrał trochę inne podejście. Zbudował czytelną tabelę i wyciągnął konkretne numery stron z pliku PDF, m.in. strony 25, 63 oraz 164. Co więcej, model ten zdołał odszukać bardzo głęboko ukrytą informację na stronie 177: spółka stosuje wewnętrzną cenę emisji w wysokości 100 USD/tCO₂e, słusznie interpretując, że jest to wewnętrzne narzędzie zarządcze, a nie realna opłata regulacyjna. Dowodzi to, że GPT-4o radzi sobie ze skanowaniem długich tekstów równie dobrze co systemy dedykowane, jeśli otrzyma odpowiednio ostre polecenie.

Zadanie 2: Synteza rozproszonych danych

W tym zadaniu sprawdzaliśmy umiejętność łączenia wątków biznesowych rozrzuconych po całym dokumencie. Polecenie wymagało opisania strategii ekspansji InPostu w Wielkiej Brytanii z uwzględnieniem nakładów inwestycyjnych (CAPEX) oraz liczby paczkomatów (APM). Obydwa narzędzia wyciągnęły prawidłowe dane z różnych sekcji raportu.

Co ciekawe, Gemini Notebook w tym zadaniu nie próbował niczego interpretować. Po prostu wskazał cztery konkretne informacje z raportu i do każdej dodał odnośnik do źródła. Wspomniał o integracji sieci poprzez przejęcie firmy Yodel, posiadaniu 13 721 paczkomatów na koniec 2025 roku oraz prognozowanym CAPEX na poziomie 2,4 mld PLN.

ChatGPT wskazał te same dane. Opisał przejęcie Yodel, potwierdził liczbę 13 721 paczkomatów i zwrócił uwagę, że CAPEX dotyczy całej Grupy, a nie wyłącznie Wielkiej Brytanii. Różnica sprowadzała się do formy - Gemini Notebook zachował się jak surowy archiwista, podając nagie fakty, natomiast ChatGPT ubrał dane w płynną, analityczną narrację.

Zadanie 3: Weryfikacja prawdomówności (Test na halucynacje)

To najistotniejszy punkt programu. Celowo zapytaliśmy modele o plany przejęcia fikcyjnej firmy "Kurier Express" w Niemczech w 2026 roku. Z punktu widzenia analizy dokumentów, jedyną pożądaną reakcją AI jest w tym przypadku stwierdzenie braku takich danych.
Wynik? Wzorcowy w obu przypadkach!

Gemini Notebook odpowiedział jednoznacznie: "W dostarczonym raporcie nie ma żadnych informacji na temat planów przejęcia firmy Kurier Express w Niemczech w 2026 roku".

ChatGPT zareagował z identyczną stanowczością, ale dodał cenną warstwę audytu własnych działań. Wymienił hasła, pod kątem których przeszukał raport (nazwa firmy, plany przejęć w Niemczech, sekcje M\&A) i potwierdził, że nie znalazł odniesienia do takiej transakcji. Aby być w pełni użytecznym, samodzielnie wyliczył rzeczywiste przejęcia opisane w dokumencie: brytyjski Yodel oraz hiszpański Sending. Pokazuje to, że współczesne modele, jeśli nie zmusi się ich do korzystania z internetu, potrafią trzymać się faktów z pliku.

Zadanie 4: Formatowanie i interpretacja cyfr

Ostatni sprawdzian polegał na przekształceniu danych finansowych z pliku w nową strukturę - tabelę w formacie Markdown porównującą wolumen przesyłek i przychody dla Polski w zderzeniu z rynkami międzynarodowymi w 2025 roku. Trudność polegała na tym, że w samym raporcie rynki zagraniczne były rozbite na dwa osobne segmenty: Eurozone oraz UK + Ireland.

Gemini Notebook bez problemu zrozumiał intencję, zsumował wartości z dwóch segmentów i zaprezentował poprawny wynik dla rynków międzynarodowych: 601,6 mln sztuk przesyłek oraz 7 534,0 mln PLN przychodów.

W tym zadaniu najlepiej było widać różnicę między narzędziami. Zamiast wykonać jedynie proste sumowanie i przepisać dane do tabeli, ChatGPT proaktywnie rozbudował zestawienie. Wyliczył samodzielnie udziały procentowe rynków, pokazując, że choć Polska w 2025 roku generowała 55,9% wolumenu przesyłek, to rynki międzynarodowe przynosiły już większość (51,2%) całkowitych przychodów Grupy (odpowiednio 7 177,2 mln PLN dla Polski i 7 534,0 mln PLN dla rynków zagranicznych). Pod tabelą wygenerował gotowe wnioski analityczne. W takich sytuacjach ChatGPT przestaje być zwykłym czytnikiem PDF-ów, a staje się autonomicznym asystentem analitycznym.

Bezpieczeństwo danych. Co się dzieje z Twoim plikiem?

Przed wgraniem jakiegokolwiek pliku zawierającego wrażliwe dane finansowe, strategie firmowe czy dokumenty prawne, należy bezwzględnie sprawdzić kwestie prywatności.
W przypadku Gemini Notebook zasady są przejrzyste. Aplikacja została od początku zaprojektowana jako zamknięta, prywatna baza wiedzy użytkownika. Google deklaruje w swojej dokumentacji technicznej, że pliki wgrywane do przestrzeni roboczych Gemini Notebook nie są wykorzystywane do trenowania ogólnych modeli AI korporacji.

W odniesieniu do usług OpenAI (ChatGPT) sytuacja zależy od posiadanego planu. W wersji darmowej oraz standardowym, konsumenckim planie Plus, treści z czatów (w tym wgrywane pliki) mogą być domyślnie przetwarzane w celu ulepszania modeli bazowych. Aby tego uniknąć, użytkownik musi ręcznie zrezygnować z tej opcji w ustawieniach prywatności.

Które narzędzie powinieneś wybrać?

Szczerze mówiąc, spodziewaliśmy się większej przewagi Gemini Notebook, czyli dawnego NotebookLM. Nasz test pokazuje jedną rzecz - mit o tym, że ChatGPT nie nadaje się do czytania długich plików, zdezaktualizował się wraz z premierą modelu GPT-4o. Zarówno rozwiązanie od OpenAI, jak i Gemini Notebook radzą sobie z gęstą faktografią i nie ulegają łatwo halucynacjom. Wybór nie polega więc na wskazaniu narzędzia obiektywnie lepszego, lecz na dopasowaniu specyfiki działania algorytmu do Twojego stylu pracy.

Wybierz Gemini Notebook (wcześnie zwane jako NotebookLM), jeśli:

• Pracujesz w zawodzie wymagającym absolutnej weryfikacji faktów (prawo, audyt, nauka).
• Potrzebujesz szybkiego dostępu do akapitów źródłowych poprzez system interaktywnych, precyzyjnych przypisów.
• Chcesz zbudować stałą, zamkniętą bazę wiedzy z kilkudziesięciu różnych dokumentów i notatek dotyczących jednego projektu, bez ryzyka, że AI wtrąci do niej informacje z zewnątrz.

Wybierz ChatGPT, jeśli:

• Traktujesz pracę z plikiem jako punkt wyjścia do dalszej analizy (np. przeliczania wskaźników procentowych, tworzenia wykresów).
• Zależy Ci na zaawansowanym formatowaniu danych (generowanie złożonych tabel, kodu Markdown czy przekształcanie suchych faktów w narracyjny tekst prezentacji).
• Oczekujesz od sztucznej inteligencji inicjatywy i wyciągania samodzielnych wniosków na podstawie dostarczonych jej liczb.

Jeśli mielibyśmy wskazać jedno rozwiązanie, nie zrobilibyśmy tego. W praktyce oba narzędzia dobrze się uzupełniają. Gemini Notebook sprawdza się podczas wyszukiwania i weryfikacji informacji z obszernego źródła, natomiast ChatGPT lepiej radzi sobie z ich analizą, ostateczną obróbką oraz prezentacją.