Wat is er gebeurd
Google rolt een grote update uit voor NotebookLM voor Google AI Ultra- en Workspace-klanten. Volgens The Verge gebruikt NotebookLM nu Gemini 3.5, kan het vanuit een vraag zelf bronnen zoeken via Google Search, en kan het meer gestructureerde output maken zoals pdf’s, spreadsheets, presentaties, csv-bestanden, visualisaties en afbeeldingen.
Het belangrijkste detail is niet alleen de modelupgrade. Elke notebook is nu gekoppeld aan wat Google een secure cloud computer noemt, draaiend op het agentic coding-platform Antigravity. Daardoor kan NotebookLM code schrijven en uitvoeren als onderdeel van een onderzoekstaak, in plaats van alleen bronnen samen te vatten.
Daarmee schuift NotebookLM op richting document operations. Een gebruiker brengt een vraag, het systeem verzamelt bronnen, redeneert daarover, voert code uit en levert bruikbare bestanden terug. Dat is een andere categorie dan een chatbot die alleen tekstuele antwoorden geeft.
Waarom dit ertoe doet
Enterprise AI verschuift van praten naar gecontroleerd werk uitvoeren. De nuttige systemen zijn niet de systemen met het langste antwoord, maar de systemen die rommelige bronnen omzetten in gecontroleerde output: een tabel, memo, presentatie, dashboard of beslisstuk. Daarvoor heb je retrieval, herkomst, uitvoering, formatting en governance in één flow nodig.
De term secure cloud computer is ook een signaal. Zodra een AI-systeem code kan uitvoeren en zakelijke bestanden kan genereren, wordt de runtime onderdeel van het product. Securityteams willen weten waar uitvoering plaatsvindt, welke data beschikbaar is, welke tools aangeroepen mogen worden, hoe output wordt gelogd en hoe mislukte stappen later te controleren zijn.
Voor Workspace-klanten is de aantrekkingskracht duidelijk. Kenniswerk begint vaak in documenten, notities, meetings en spreadsheets. Als AI veilig over die materialen kan werken en bruikbare bestanden oplevert, komt de waarde veel dichter bij de dagelijkse operatie dan bij een generiek assistentvenster.
Laava-perspectief
Dit is precies de richting die Laava ziet voor productie-AI: agents hebben context, reasoning en action nodig. Context betekent dat het systeem bronnen, auteurschap, rechten en metadata begrijpt. Reasoning betekent dat het juiste model of proces gekozen kan worden. Action betekent dat er een artifact wordt gemaakt, een systeem wordt bijgewerkt of een gecontroleerd proces start.
Het risico is dat organisaties dit behandelen als alweer een losse tool. Een secure cloud computer binnen één applicatie kan nuttig zijn, maar echte processen lopen meestal over SharePoint, e-mail, ERP, CRM, ticketing en maatwerkdatabases. Zonder integratie en logging over die systemen heen ontstaan losse automatiseringsplekken, geen operationele AI-laag.
Laava’s managed runtime en Agents as a Service-positionering begint bij die operationele laag. De klant koopt geen losse box of verzameling scripts. De klant koopt een beheerde omgeving waarin agents met documenten en workflows kunnen werken onder duidelijke controle: rechten, audit trails, modelkeuze, voorspelbare kosten en integratie met bestaande systemen.
Wat je kunt doen
Als je tools zoals NotebookLM zakelijk beoordeelt, test dan niet alleen de antwoordkwaliteit. Test het volledige uitvoeringspad. Welke bronnen worden gebruikt? Kan het systeem die citeren? Waar draait code? Wie kan de logs inspecteren? Is output reproduceerbaar? Wat gebeurt er als de taak vertrouwelijke klantdata raakt?
Voor documentintensieve teams is de kans concreet. Begin met één workflow waarin mensen nu handmatig bronnen verzamelen, feiten controleren, een spreadsheet bouwen of een terugkerend rapport opstellen. Ontwerp daarna de runtime rond die workflow, niet rond de chatbotinterface.