Ik heb Claude en NotebookLM samen gebruikt voor onderzoek en realiseerde me dat ze volledig verschillende problemen oplossen

Onderzoeksassistentie is een gebied waarin ik steeds vaker vertrouw op op LLM gebaseerde AI-platforms. In vergelijking met ander gebruik van generatieve AI, zorgt het gebruik van AI-chatbots om je te helpen je onderzoek te structureren en verbanden in je aantekeningen te identificeren voor minder spanning, vooral in de academische wereld. Tegenwoordig gebruik ik echter niet zo'n grote verscheidenheid aan AI-tools voor onderzoek.

In plaats daarvan hangt de workflow voornamelijk af van twee oplossingen: Claude en NotebookLM.

Ik zal eerlijk tegen je zijn: ik kende deze optimale combinatie niet vanaf het begin. Het heeft me eigenlijk een tijdje gekost om te begrijpen dat Claude veel beter is dan ChatGPT. Zelfs toen ik met het duo begon, bleek het strategisch gebruik van beide tools een grotere uitdaging dan verwacht en vereiste het meer vallen en opstaan. Tijdens dit proces besefte ik ook dat Claude en NotebookLM gemaakt zijn om volledig verschillende problemen op verschillende manieren op te lossen.

Ik dacht dat Claude alles kon doen

Waarom ik verwachtte dat één AI alles zou afhandelen

Na een korte periode met ChatGPT ontdekte ik Claude, en het werd al snel mijn favoriete AI-tool voor alles wat met onderzoek te maken heeft. Vergeleken met ChatGPT en anderen toonde Claude sterkere schrijf- en redeneervaardigheden, en ik beschouwde het al snel als een denkpartner voor al mijn onderzoeksbehoeften. Achteraf gezien gaf ik de voorkeur aan de manier waarop Claude op mijn berichten reageerde, vooral hoe het alles uitlegde en lange discussiedraden volgde.

Later gebruikte ik Claude voor een verscheidenheid aan taken, waaronder literatuuronderzoek, cursusvoorbereiding, ontwikkeling van collegesmateriaal en het structureren/opzetten van artikelen voor het publiek. Omdat Claude ondersteuning bood voor documenten en andere soorten concepten die ik kon plakken, liep mijn workflow ook soepel. Echter, al snel merkte ik iets op aan de reacties.

Alles was in orde toen ik Claude vragen stelde over wat het al wist. Echter, wanneer ik Claude van bronnen voorzag, waren de antwoorden niet altijd de meest authentieke. Dat wil zeggen, zelfs wanneer ik Claude vraag het antwoord op de verstrekte bron te baseren, worden er toch enkele elementen van buiten de bron toegevoegd. Het mengen van algemene kennis — of enige kennis zonder bronvermelding — is iets wat ik me bij onderzoek niet kan veroorloven. Hier kwam de uitdager om de hoek kijken!

Toen zette ik NotebookLM in als mijn document‑portier

Waarom ik gestopt ben met het vertrouwen op mijn aantekeningen aan één AI

Ik introduceerde NotebookLM in de workflow in feite om één belangrijke reden: brongetrouwheid. Dat wil zeggen, ik wilde ervoor zorgen dat de antwoorden die ik kreeg uitsluitend gebaseerd waren op de bronnen die ik had geleverd. Je kunt begrijpen hoe belangrijk dit is in onderzoek, vooral als je het doet voor onderwijs of academische doeleinden. Bijvoorbeeld, wanneer ik studiemateriaal voorbereid, wil ik niet dat de AI materiaal uit andere bronnen citeert.

Zoals je kunt raden, lost NotebookLM dit probleem op een zeer elegante manier op. Het zorgt ervoor dat de antwoorden gebaseerd zijn op de bronnen die ik heb geüpload — en alleen die bronnen. Het aantal bronnen dat ik naar een enkel NotebookLM-notitieboek kan uploaden was ook indrukwekkend in vergelijking met de beperkte opties bij Claude. Belangrijker nog, NotebookLM maakte het mogelijk om verschillende sets vragen te stellen. In plaats van te vragen: "Wat vind je van standaardtalen?", kon ik vragen: "Wat zeggen de bronnen over standaardtalen?" Deze stap was op zichzelf al enorm.

Echter, hoewel deze reacties bron-gegrond en authentiek waren, stuitte ik al snel op een probleem. Ik realiseerde me dat NotebookLM niet iets is dat je kunt gebruiken zoals je Claude of ChatGPT gebruikt. Het is geen goede gesprekspartner, dus het gebruik ervan voor redeneren en brainstormen was minder optimaal dan ik had gedacht. Het grootste probleem dat ik tegenkwam, was het plaatsen van reacties van NotebookLM in een bredere context.

Het ‘aha’-moment: ze zijn geen tweelingen

Waarom deze twee gereedschappen nooit echt overlappen

Het kostte me enige tijd, maar ik besefte dat Claude en NotebookLM elkaar niet bedoeld waren te vervangen. Deze twee zijn geen opties voor hetzelfde werk, maar zijn helemaal voor verschillende taken gebouwd.

Claude staat dicht bij geweldig als een herkenbare gesprekspartner en onderzoeksgenoot waarop je kunt rekenen. Het heeft ook goed voor mij gewerkt als schrijfpartner, vooral wanneer ik een rommelige stapel notities aanlever. Ik gebruik het vol vertrouwen om complexe ideeën uit te leggen en om inhoud te herformuleren om de toon en leesbaarheid te verbeteren. Het is de brongetrouwheid waarmee Claude vaak worstelt.

NotebookLM daarentegen moet worden gezien als een motor die je bronnen diepgaand analyseert en authentieke antwoorden geeft. Het weet hoe het antwoorden uitsluitend op basis van de bron kan beperken. Je kunt ook profiteren van nettere citaten en specifieke delen van de bron als referentie wanneer je het gebruikt. Je zult ook minder snel last hebben van LLM-hallucinaties. NotebookLM werkt echter niet zo goed als gesprekspartner.

Dit begrip bracht me ertoe om een onderzoeksproces met twee AI's te creëren in plaats van te vertrouwen op één enkele AI.

Mijn persoonlijke twee‑AI onderzoeksproces

Hoe ik het werk verdeel tussen Claude en NotebookLM

Gebaseerd op inzichten uit het gebruik van zowel NotebookLM als Claude, heb ik een twee-AI-pijplijn gebouwd die goed werkt voor onderzoek. Zo werkt het:

1. Ik upload eerst alle relevante bronnen naar NotebookLM, die alles verwerkt. Daarna vraag ik NotebookLM om kernpunten, samenvattingen en specifieke vragen op basis van het project. Bijvoorbeeld, ik kan vragen: "Waar zegt de auteur dit?" Let op dat ik NotebookLM niet vraag om directe vragen te beantwoorden of volledig uitgewerkte documenten voor te bereiden.
2. In de tweede stap ga ik naar Claude en geef ik de context die ik van NotebookLM heb gekregen. Hier is Claudes taak om deze nogal rommelige, onvolledige secties om te zetten in coherente materialen die ik voor specifieke doeleinden kan gebruiken. Bijvoorbeeld, ik kan Claude vragen om een studienotitie voor studenten te maken of een schets voor een onderzoeksartikel op basis van wat ik heb aangeleverd.
3. Deze derde stap is optioneel maar sterk aanbevolen als je je zorgen maakt over authenticiteit. Zodra ik iets voorberei met Claude, neem ik de reactie en ga terug naar NotebookLM, waar ik het vraag de beweringen te verifiëren op basis van de bron. Het is een geweldige manier gebleken om mogelijke hallucinaties of overdreven beweringen te vermijden.

Deze pijplijn is een effectieve manier geweest om het beste te halen uit zowel Claude als NotebookLM, terwijl mogelijke valkuilen die elk hulpmiddel afzonderlijk kan hebben, worden vermeden.

Wanneer je er maar één van hen gebruikt, bijt hij je

Je hebt mij niet nodig om je te vertellen dat Claude en NotebookLM op zichzelf geweldige tools zijn. Vanuit een onderzoeksstandpunt met betrekking tot nauwkeurigheid en authenticiteit kan het echter gebruik van slechts één van hen meer problemen veroorzaken dan je denkt. Zo krijg je met alleen Claude goedgeschreven concepten en een interactieve ervaring, maar je loopt het risico de brongetrouwheid in gevaar te brengen. Evenzo doet NotebookLM het geweldig in het koppelen van zijn antwoorden aan je bronnen, maar de concepten die het maakt zijn niet zo goed. Met deze punten in gedachten is een werkwijze die beide tools gebruikt zeer zinvol!