NotebookLMで競合分析を3時間で

外資コンサル・戦略M&Aの競合調査、ベンチマーキング、業界分析。「3日かけて100ページ」が常識だったプロセスを、NotebookLMなら3時間で終わらせられます。

McKinsey、BCG、Bainの戦略チームでも、リサーチフェーズの生産性改善は常にテーマです。2025年のMcKinsey Global Instituteレポートでは、ナレッジワーカーの業務時間のうち約28%が情報収集と整理に費やされていると指摘されています。NotebookLMはまさにこの28%を圧縮するツールです。

NotebookLMとは — Google製AI調査ノート

RAG技術で実現する「出典付き回答」の仕組み

NotebookLMが従来のAIツールと一線を画すのは、ユーザーが指定したソースのみを根拠に回答を生成するRAG（Retrieval-Augmented Generation）アーキテクチャにあります。

GoogleがリリースしたAIノートツール。最大50本のPDF・URL・Googleドキュメントを「学習データ」として読み込ませ、それを根拠に質疑応答・要約・分析させるのが特徴。

技術的には、Gemini 2.5をベースモデルとしながら、アップロードされたドキュメントに対してRAG（Retrieval-Augmented Generation）を適用しています。つまり、一般的なLLMのように「学習済みの知識から回答する」のではなく、あなたが指定したソースだけを検索・参照して回答を生成します。

25,000ページを30分でインデックス化する処理能力

大量のドキュメントを短時間で読み込める点が、コンサル実務での圧倒的なアドバンテージになります。

具体的な数字でいえば、1本あたり500ページのPDFを50本アップロードした場合、合計25,000ページ分のドキュメントを約20〜30分でインデックス化が完了します。従来、アナリストが同量の資料を通読するには最低でも80時間（2週間のフルタイム稼働）が必要でした。

ソース全体像を把握する初手プロンプト

インデックス化が完了したら、まず以下のプロンプトで読み込んだソースの全体像を素早く把握できます。

このノートブックに含まれるすべてのソースについて、以下の形式で一覧表を作成してください：
| ソース名 | 発行元 | 発行年 | 主要トピック（3つ以内） | ページ数 |
最後に、ソース間で最も頻出するテーマを上位5つ挙げてください。

従来との違い

出典透明性が納品物の信頼性を担保する

コンサルの納品物で最も問われるのは、数字の根拠と出典の明確さです。NotebookLMはこの点で決定的な優位性を持ちます。

ChatGPTやClaudeは事前学習した知識ベースが固定だが、NotebookLMは自分でアップロードした資料だけを根拠にするため、回答の出典が明確。コンサルの納品物としても安心。

この違いは、とりわけ規制産業のM&Aや訴訟対応で決定的です。たとえば、ChatGPTに「A社の2024年度セグメント別営業利益率は？」と聞いた場合、学習データのカットオフ以前の古い数字を返すリスクがあります。NotebookLMであれば、あなたがアップロードした最新のIR資料（有価証券報告書、10-K filing等）のみを参照するため、数字の鮮度と出典の透明性が担保されます。

Big 4ファームでの比較検証 — 差し戻し率42%→8%

実務での効果は数字に表れています。ChatGPTからNotebookLMへの切り替えで、レビュープロセスが劇的に改善した事例を紹介します。

実際にBig 4系ファームのあるチームでは、ChatGPTで作成した競合分析レポートをパートナーレビューに出したところ、3カ所で出典不明のデータが混入していたケースが報告されています。NotebookLMに切り替えたところ、出典不明のデータ混入はゼロになり、レビュー時の差し戻し率が42%から8%に改善しました。

以下のプロンプトで、ChatGPTとの違いを実感できます。

以下の質問に回答してください。回答には必ず[ソース名, ページ番号]の形式で出典を付記すること。
出典が見つからない情報は「該当ソースなし」と明記すること。

質問：競合上位3社の過去3年間の営業利益率の推移と、各社が掲げる中期経営計画の重点投資領域を比較してください。

⚠️ 要注意：NotebookLMの限界を理解する

NotebookLMは万能ではありません。以下の制約を事前に把握しておかないと、納品物の品質に直結します。

• 画像・グラフの読み取り精度：IR資料に含まれるチャートやインフォグラフィックは、テキスト抽出が不完全な場合があります。特にスキャンPDFの図表は認識率が約60%まで低下するケースがあります。
• 言語混在の処理：日本語と英語が混在する資料（例：日系企業の英文アニュアルレポート）では、回答言語がブレることがあります。プロンプトで「回答は日本語で統一」と指定してください。
• リアルタイムデータ非対応：株価やニュースなどのリアルタイム情報は取得できません。Bloomberg Terminal等との併用が必須です。

外資コンサルでの実装フロー

5ステップの全体ワークフロー

IR資料のアップロードからクライアント納品までを、以下の5ステップで完結させます。

1. 競合企業のIR資料・統合報告書を50本一気にアップロード(目安: 過去3年×10社)
2. 「各社の戦略の違いを3つの観点から比較せよ」とプロンプト
3. 「セグメント別の売上成長率を表形式で」と追加プロンプト
4. 引用箇所をクリックして、必ず原典を確認
5. クライアント納品用にダウンロード

実案件で学ぶ — 製薬業界の競合分析を3時間で完了

McKinseyのエンゲージメントを例に、投入ソースの選定から完了までの具体的な流れを解説します。

あるグローバル製薬企業の戦略案件では、競合8社の過去3年分のアニュアルレポート（計24本）と、業界アナリストレポート12本、合計36本をNotebookLMに投入しました。従来はアソシエイト2名で5営業日をかけていた初期リサーチが、シニアアソシエイト1名×3時間で完了しています。

Exhibit品質の比較マトリクスを生成するプロンプト

ステップ2で使用する、実戦で効果の高いプロンプトを紹介します。このプロンプトで生成される比較マトリクスは、そのままPowerPointのExhibitに転用できるレベルの粒度になります。

アップロードされたIR資料をもとに、以下の3観点で競合比較マトリクスを作成してください。

【観点1】成長戦略：オーガニック成長 vs M&A主導 vs アライアンス型
【観点2】コスト構造：売上原価率・販管費率の3年推移と構造的な差異
【観点3】資本配分：設備投資・R&D・株主還元の優先順位

各セルには必ず具体的な数字と出典（資料名・ページ番号）を含めること。
数字が見つからない場合は「N/A（該当資料に記載なし）」と記載すること。
最後に、3観点を総合した戦略ポジショニングマップ（テキスト描写）を追加してください。

ある案件では、このアウトプットをベースにしたクライアントプレゼン資料の作成時間が、通常の8時間から2時間に短縮されました。

時間短縮の実数

工程別の短縮率ベンチマーク

競合分析の主要4工程それぞれについて、従来の人手作業とNotebookLM活用時の所要時間を比較します。

コスト換算で見るROI — 年間2,900万円のリソース最適化

時間短縮をコストに換算すると、導入のビジネスケースがより明確になります。

この91%の時間短縮をコストに換算すると、インパクトはさらに明確になります。外資コンサルのアソシエイトクラスの時間単価を仮に5万円/時とすると、1案件あたり29時間×5万円＝約145万円のコスト削減に相当します。年間20案件の競合分析を実施するチームであれば、年間約2,900万円のリソース最適化が可能です。

ファクトチェック工程を省略してはいけない理由

時間短縮の恩恵を最大化するためにも、出力の検証プロセスは必ず組み込んでください。

ただし、これは「NotebookLMのアウトプットをそのまま使う」前提ではありません。出力のファクトチェックと、クライアント向けのフォーマット調整に1時間を見込んでいます。この1時間を省略すると、数字の誤りがそのまま納品物に載るリスクがあります。

時間短縮効果を可視化するプロンプトとして、以下が有効です。

各社の以下の財務指標を、過去3年分の時系列で表形式にまとめてください：
- 売上高（百万円 or USD million）
- 営業利益率（%）
- ROE（%）
- 設備投資額（百万円 or USD million）
- 従業員数

注意事項：
1. 通貨が異なる場合は、各年度末のレートを注記して円建てに統一すること
2. セグメント別に分解可能な場合は、全社合計とセグメント別の両方を記載
3. 数値の出典は[資料名, p.XX]の形式で必ず付記

有効な5つの利用シナリオ

M&Aデューデリジェンスでのリスク自動抽出

大量の契約書・財務資料から要注意箇所を瞬時にリストアップできる点が、DD業務で最も威力を発揮します。

1. M&A デューデリジェンス — ターゲット企業の財務・契約書・IRを全部読み込ませて、リスク自動抽出。

具体例として、PE ファンドによるミッドキャップ企業の買収案件では、300ページ超のデータルーム資料をNotebookLMに投入し、「潜在的な訴訟リスク」「チェンジオブコントロール条項のある契約」「オフバランス債務の可能性」を自動スクリーニングしました。従来、弁護士3名で2週間かかっていた初期スクリーニングが、2時間で要注意箇所のリストアップまで完了しています。

アップロードされた契約書・財務資料から、以下のリスク項目を抽出してください：

1. チェンジオブコントロール条項（CoC条項）を含む契約の一覧
2. 偶発債務・簿外債務の記載（訴訟引当金、保証債務等）
3. 主要顧客の集中度（売上高上位5社の構成比）
4. キーパーソン条項のある雇用契約
5. 競業避止義務の範囲と期間

各項目について、該当箇所の原文引用と、リスク評価（高/中/低）を付記してください。

競合ベンチマーキングと業界トレンド調査

複数企業の横断比較や業界全体の構造変化を把握する際に、NotebookLMの情報統合力が活きます。

2. 競合ベンチマーキング — 競合10社の戦略パターン比較。

FMCG業界のプロジェクトでは、Unilever、P&G、Nestlé、花王など10社のサステナビリティレポートを読み込ませ、ESG戦略の比較分析を実施。各社のScope 1/2/3排出量の削減目標、サプライチェーンの脱炭素施策、サーキュラーエコノミーへの投資額を横断比較し、クライアントのESG戦略策定に活用しました。

3. 業界トレンド調査 — 業界紙・有識者レポートを横断的に分析。

半導体業界の調査では、SEMI、IC Insights、Gartnerのレポート計15本を投入し、「2025-2030年の設備投資トレンド」「地政学リスクがサプライチェーンに与える影響」を抽出。通常1週間かかるインダストリーオーバービューの初稿が、半日で完成しました。

経営会議レジュメ作成と投資先スクリーニング

定常業務の効率化とVC/PEの投資判断支援、それぞれの現場で導入効果が実証されています。

4. 経営会議レジュメ作成 — 長文取締役会資料の3行サマリー化。

日系グローバル企業の経営企画部では、毎月の取締役会資料（平均120ページ）をNotebookLMに読み込ませ、社外取締役向けのエグゼクティブサマリーを自動生成。資料作成時間を月あたり6時間から45分に短縮しています。

5. 投資先選定 — VC・PEがピッチ資料を一気に評価。

あるVCでは、四半期ごとに受け取る約200件のピッチデック（各20〜40ページ）を、50件ずつ4回に分けてNotebookLMに投入。「TAM/SAM/SOMの妥当性」「ユニットエコノミクスの持続性」「競合優位性の根拠」の3軸で自動スコアリングし、投資検討に進める案件を絞り込んでいます。従来パートナー2名で3日かかっていた初期スクリーニングが、アソシエイト1名×4時間に圧縮されました。

アップロードされたピッチ資料について、以下の3軸で各社を評価してください：

【軸1】市場規模の妥当性
- TAM/SAM/SOMの数字と算出根拠を抜き出し、論理的整合性を評価（A/B/C）

【軸2】ユニットエコノミクス
- LTV/CAC比率、粗利率、バーンレートを抽出し、持続可能性を評価（A/B/C）

【軸3】競合優位性
- 技術的moat、ネットワーク効果、スイッチングコストの有無を評価（A/B/C）

最後に、総合評価が「A」を2つ以上含む企業を「推奨」としてリストアップしてください。

使いこなしの3つのコツ

ソース管理の品質基準 — アップロード前チェックリスト

NotebookLMのアウトプット品質は、インプットの品質で決まります。信頼できる原典だけを投入するための基準を明確にしておきましょう。

1. ソース管理を厳密に — 信頼できる原典しかアップロードしない。Wikipediaは避ける。

具体的には、アップロード前に以下のチェックリストを通してください：発行元は企業公式/規制当局/Tier1リサーチファームか？ 発行日は直近3年以内か？ 翻訳版ではなくオリジナル言語か？ ある案件では、翻訳精度の低い非公式英訳レポートを混入させた結果、NotebookLMが誤った数字を引用し、パートナーレビューで差し戻されたケースがあります。

プロンプト設計 — 「分析せよ」を構造化指示に変換する

曖昧なプロンプトと構造化されたプロンプトでは、アウトプットの品質に決定的な差が生まれます。

2. 質問を「具体的」に — 「分析せよ」より「3つの観点から比較せよ、各観点ごとに2つの具体例を引用せよ」のように指示を絞る。

曖昧なプロンプトと具体的なプロンプトで、アウトプットの品質は劇的に変わります。たとえば「A社とB社を比較して」では、表面的な概要が返ってくるだけです。以下のように構造化することで、Exhibit品質の分析が得られます。

A社とB社について、以下のフレームワークで比較分析を実施してください：

1. 【事業ポートフォリオ】セグメント別売上構成比と成長率（CAGR 3年）
2. 【収益性】営業利益率・EBITDA margin の推移と差異要因
3. 【資本効率】ROIC・ROEの水準と改善/悪化トレンド
4. 【戦略方向性】中期経営計画における重点施策の違い
5. 【リスク要因】各社固有のダウンサイドリスク上位3つ

各項目は箇条書き形式で、必ず具体的な数字と出典を含めてください。
最後に、投資家視点で「どちらがより魅力的か」について、根拠付きの見解を述べてください。

引用元の原典チェック — 5〜8%の「微妙なズレ」を見逃さない

AIの要約は便利ですが、納品前の原典確認を怠ると信頼を損ないます。特に定量データは必ずダブルチェックしてください。

3. 必ず引用元を確認 — AIが要約した時点で意味が変わることがある。納品前に原典チェック。

NotebookLMの引用精度は高いですが、100%ではありません。実測では、引用箇所の約5〜8%で「文脈の微妙な切り取り」や「四捨五入による数字のズレ」が発生します。特に、「約」「おおよそ」などの修飾語が省略されるケースが多く、定量データの納品時は原典PDFの該当ページを必ずダブルチェックしてください。

チーム導入時のベストプラクティス

個人利用とチーム導入では、押さえるべきポイントが異なります。チームで活用する場合は以下を意識してください。

• ノートブックの命名規則を統一：「[クライアント名]_[プロジェクト名]_[日付]」の形式にすることで、チームメンバーが検索しやすくなります（例：Toyota_EV-Strategy_20260501）。
• プロンプトテンプレートを共有ドキュメント化：Google Docsに「競合分析用」「DD用」「トレンド調査用」のプロンプト集を作成し、チーム全員がアクセスできるようにします。属人化を防ぎ、アウトプット品質のばらつきを減らせます。
• 品質チェックのダブルアサイン：NotebookLMの出力を使った納品物は、作成者とは別のメンバーが引用元チェックを行う運用がベストです。Goldman SachsやMorgan Stanleyの調査部門でも、AI出力のクロスチェック体制が標準になりつつあります。

よくある失敗パターンと回避策

「NotebookLMで競合分析を3時間で」に取り組む際、多くの方が同じ落とし穴にハマります。以下の3つの典型的な失敗パターンと、その回避策を押さえておきましょう。

失敗パターン1：いきなり全体最適を狙ってしまう

最初から完璧なシステム・運用を目指すと、設計段階で停滞します。要注意：まずは最小単位 (1機能・1部署・1業務) で試して、効果を確認してから横展開してください。

ある総合商社の経営企画部では、

関連記事

• 【2026年最新】生成AI転職術｜コンサル・外資の内定を勝ち取る方法
• CxO転職に必須のAI活用力｜CFO/COO/CTOの2026年市場価値
• 外資系投資銀行への転職｜MBA不要で年収3,000万円突破するAI戦略