Comparación entre las Gems de Google y NotebookLM en la gestión del Conocimiento.

Con la colaboración de Mercedes Leticia Sánchez Ambriz

Escucha el pódcast en este enlace

La gestión del conocimiento y la optimización de la interacción con modelos de lenguaje de gran escala (LLMs) constituyen áreas de creciente interés. Google ha introducido diversas herramientas que buscan mejorar estas interacciones. Dos de estas son las "Gems" (guías de estudio y memorización) y NotebookLM. Aunque ambas realizan tareas similares, existen diferencias que abordaremos a continuación.

Las Gems de Google

Las Gems representan una evolución en la interacción con los modelos de lenguaje de Google, particularmente Gemini. Su concepto principal reside en la capacidad de los usuarios para crear versiones personalizadas de Gemini, adaptadas a tareas o necesidades específicas.

Una Gem, como explica Gemini es, esencialmente, una instrucción o un conjunto de instrucciones predefinidas que se aplican a un modelo Gemini subyacente. Son individuales, lo que significa que cada Gems responde al interés del usuario y no se pueden compartir para que otra persona interactúe con ella. Su construcción es sencilla y se puede apreciar en las imágenes a continuación.

El primer paso es acceder a https://gemini.google.com/ y hacer clic en “Descubrir Gemes”. En la nueva venta encontrarás diferentes Gems propias de Gemini, que puedes probar para formarte una idea de cómo se trabaja con ellas.

El siguiente paso es crear la Gems, para lo que activas la opción Nuevo Gem como se aprecia en la imagen.

En los siguientes pasos se construye la Gems. Coloca un nombre, añade las instrucciones y la base de conocimiento. Las instrucciones es la manera en que deseamos actúe la Gems. ¿Qué debe realizar, de qué manera, cómo serán las respuestas y todo lo necesario para que responda a nuestras necesidades? Es el prompt que ejecutará la Gems.

Es preferible crear el prompt previamente y para ello la mejor opción es el propio Gemini. 

Para ello, en el chat se puede escribir: “Elabora un prompt que me permita generar una gems dirigido a estudiar (nuestro tema)”. Con esta orden, Gemini elabora el prompt que, después de revisarlo, pegamos en la caja de instrucciones. Una función recientemente añadida es la base de conocimientos, que permite añadir hasta 10 archivos.

El último paso es ir refinando al tutor, mediante preguntas que realizamos, midiendo la exactitud de las respuestas. De estar satisfechos, guardamos el Gems y está listo para nuestro trabajo individual.

Utilidad y aplicaciones: La utilidad principal de las Gems se manifiesta en la automatización y la consistencia.

• Automatización de tareas repetitivas: Para usuarios que realizan tareas recurrentes con LLMs, como la generación de correos electrónicos con un formato específico, la redacción de descripciones de productos o la creación de contenido para redes sociales, una Gem puede ahorrar tiempo al eliminar la necesidad de reintroducir las mismas instrucciones en cada ocasión.
• Consistencia en la salida: Garantizan que las respuestas del modelo se adhieran a parámetros preestablecidos, lo que es crucial para mantener la coherencia en la comunicación o en la producción de contenido.
• Especialización del modelo: Permiten "especializar" una instancia de Gemini para un dominio particular. Un desarrollador podría crear una Gem para "Asistencia de Codificación en Python" que siempre proporcione ejemplos de código y explicaciones relevantes para Python.
• Acceso rápido a funcionalidades específicas: Almacenan configuraciones complejas o cadenas de razonamiento, facilitando el acceso a funcionalidades avanzadas de Gemini sin la necesidad de recordar o reescribir prompts elaborados.
• Prepararse para un examen. La posibilidad de interactuar con el contenido cargado y emplear la capacidad de Gemini para responder preguntas, lo convierte en un recurso ideal para la preparación individual. La rapidez de creación de la gems, lo hace ideal para cualquier estudiante.

NotebookLM: El cuaderno aumentado por inteligencia artificial

Del otro lado del ecosistema Google, nos encontramos con NotebookLM, una herramienta de diseñada para asistir en la investigación, el análisis y la síntesis de información a partir de documentos personales o fuentes cargadas por el usuario. Su enfoque no es la personalización de un LLM para tareas repetitivas, sino la interacción contextualizada con un grupo de archivos seleccionados por el usuario.

Utilidad y aplicaciones: La utilidad de NotebookLM se centra en la gestión y análisis de información densa.

• Investigación documental: Es una herramienta valiosa para investigadores, estudiantes o profesionales que necesitan analizar grandes volúmenes de texto. Permite extraer rápidamente la esencia de documentos, identificar argumentos clave y localizar información específica. La versión gratuita permite subir hasta 50 archivos, incluidos videos de YouTube
• Síntesis de información: Facilita la creación de resúmenes coherentes y la consolidación de ideas de múltiples fuentes, lo que es fundamental para la redacción de informes, tesis o artículos.
• Generación de ideas y conexiones: Al comprender el contenido de los documentos, NotebookLM puede sugerir conexiones o ideas que un lector humano podría pasar por alto, potenciando la creatividad y la profundidad del análisis. Permite la creación de mapas mentales, de todos los o de uno en particular.
• Acceso a conocimiento personalizado y privado: La información procesada por NotebookLM es la que el usuario carga, garantizando que el modelo opere dentro de los límites de ese conocimiento específico y privado. En los últimos meses permite crear “investigaciones” de temas definidos por el usuario, buscando la información en la Web. , sin depender de datos externos.
• Generación de notas de texto y audio. Una de las aplicaciones más conocidas y empleadas es la de generar pódcast de un tema en especial de la base de conocimientos que fue cargada.

Comparación entre Gems y NotebookLM

Aunque tanto las Gems como NotebookLM buscan mejorar la interacción con la inteligencia artificial, sus propósitos y metodologías difieren significativamente.

Característica	Gems (Basadas en Gemini)	NotebookLM
Propósito Principal	Personalizar y automatizar interacciones con Gemini para tareas específicas.	Analizar, sintetizar y responder preguntas sobre los documentos cargados por el usuario.
Fuente de Conocimiento	El conocimiento general del modelo Gemini subyacente, guiado por instrucciones personalizadas.	Exclusivamente los documentos que el usuario carga en la interfaz, o aquellos solicitados por el usuario.
Interacción	Configuración de prompts y directrices para moldear el comportamiento del LLM en diversas tareas.	Consultas directas sobre el contenido de los documentos cargados, buscando respuestas y conexiones dentro de ese material.
Aplicaciones Típicas	Generación de contenido con formato específico, asistencia en codificación, redacción de correos, automatización de flujos de trabajo con LLMs.	Investigación académica, análisis de informes, preparación de resúmenes de libros, organización de notas personales, generación de ideas basadas en fuentes.
Naturaleza	Herramienta de personalización y automatización de la salida del LLM.	Herramienta de gestión y análisis de documentos y conocimiento.
Dependencia del Usuario	Requiere que el usuario defina claramente las instrucciones y el propósito de la Gem.	Requiere que el usuario proporcione los documentos sobre los cuales el modelo debe operar.

Principales diferencias:

1. Enfoque del conocimiento: Las Gems operan sobre el conocimiento vasto y preexistente de Gemini, que es luego "dirigido" por las instrucciones de la Gem. NotebookLM, por el contrario, construye su base de conocimiento desde cero con los documentos que el usuario le proporciona, actuando como un asistente de investigación enfocado en el tema creado.
2. Modo de operación: Las Gems son fundamentalmente un método para configurar y reutilizar instrucciones complejas para un LLM. NotebookLM es una interfaz para interactuar analíticamente con un conjunto de documentos.
3. Casos de Uso: La Gem busca optimizar la producción de texto o la interacción con el LLM para tareas recurrentes. NotebookLM busca profundizar en la comprensión y extracción de información de un conjunto de datos específicos.

Las Gems y NotebookLM, si bien son productos de la misma empresa y comparten la base de la inteligencia artificial, están diseñados para resolver problemas distintos. Las Gems sobresalen en la personalización y automatización de la interacción con modelos de lenguaje para generar contenido o realizar tareas repetitivas de manera consistente. NotebookLM, por su parte, es una herramienta poderosa para la gestión, el análisis y la síntesis de conocimiento proveniente de fuentes documentales específicas del usuario. La elección entre una u otra, o la combinación de ambas, dependerá de la necesidad particular del usuario: sea la de optimizar la interacción con un LLM generalista o la de extraer valor y comprender a fondo un corpus de información propio.