Google atualiza NotebookLM com chat agente, código e saídas

Introdução

NotebookLM acaba de receber o maior salto desde seu lançamento, com chat agentic, execução de código em um computador seguro na nuvem e novos formatos de saída para relatórios, planilhas e apresentações. O anúncio foi publicado em 8 de junho de 2026 no blog oficial do Google, detalhando o upgrade para modelos Gemini 3.5 e a integração com o ambiente Antigravity.

A relevância vai além do hype. Com NotebookLM, pesquisadores, equipes de produto e criadores já organizavam fontes e geravam sínteses. Agora o sistema planeja passos, busca fontes na web, escreve e executa código para análises e entrega arquivos editáveis como PDF, XLSX e PPTX direto do painel. Isso reduz o atrito entre pesquisa, análise e produção de materiais finais.

O que muda com o chat agentic

O novo chat do NotebookLM foi reconstruído sobre o Gemini 3.5 e o orquestrador Antigravity, o que habilita diálogos mais “agentes”, capazes de decompor tarefas em etapas e tomar ações, como executar ferramentas, antes de responder. O Google afirma melhorias de precisão, confiabilidade e transparência do raciocínio.

Publicações independentes reforçam esse salto. Ars Technica relata que cada caderno ganha um “computador na nuvem” próprio, permitindo ao NotebookLM escrever e rodar código para alcançar objetivos de pesquisa, em vez de apenas conversar sobre documentos.

Na prática, isso significa que o chat não só resume PDFs, ele verifica tabelas, roda cálculos, cruza dados de múltiplas fontes e volta com gráficos ou planilhas prontas. Tom’s Guide e Android Central destacam que a experiência deixa de ser “um chatbot de documentos” e vira um parceiro mais completo para pesquisa.

Execução de código com computador seguro na nuvem

O passo mais concreto é a execução de código integrada. Segundo o Google, cada notebook agora vem com um computador seguro na nuvem. O NotebookLM escreve e executa trechos de código sob demanda para aprofundar análises, apoiado por um conjunto de mais de 100 habilidades de software curadas. O resultado aparece como números checáveis, gráficos e transformações de dados auditáveis.

Para fluxos de trabalho reais, o ganho é imediato. Em um cenário de análise de políticas públicas, por exemplo, o NotebookLM pode coletar fontes oficiais, normalizar bases com formatações conflitantes, calcular indicadores e montar um relatório com gráficos prontos para apresentação, tudo sem alternar entre várias ferramentas. Esse uso está alinhado aos exemplos de fluxo descritos pelo Google.

Há uma camada de contexto maior aqui. A estratégia de agentes do Google vem sendo ancorada no Antigravity, um ambiente de desenvolvimento e orquestração pensado para “agentes primeiro”. Esse stack expande acesso a modelos Gemini e integrações, com foco em autonomia controlada.

Novos formatos de saída, de PDF a PPTX e CSV

O NotebookLM passou a gerar uma lista mais ampla de formatos, com personalização detalhada. Entre as saídas citadas estão visualizações e gráficos em PNG ou SVG, documentos em PDF e DOCX, imagens com Nano Banana, dados estruturados em CSV e JSON, planilhas Excel em XLSX e apresentações PowerPoint em PPTX. Tudo disponível para download direto e edição posterior.

Para quem prepara entregáveis recorrentes, como relatórios de resultados, dossiês de mercado ou planos de aula, isso elimina a etapa manual de “copiar e formatar”. O conteúdo é produzido já com a referência às fontes que o próprio NotebookLM reuniu e confirmou com o usuário durante a sessão.

![AI research desk illustration]

Começar do zero, agora com descoberta de fontes na web

Um dos gargalos da versão anterior era a dependência de uploads do usuário. O Google afirma que agora dá para começar com uma ideia solta e perguntas abertas. O NotebookLM ajuda a construir o repositório de fontes direto no chat, usando o Google Search para descobrir materiais relevantes e adicionando-os ao caderno com atribuição clara. O controle final ainda fica com o usuário.

Essa curadoria assistida muda o jogo para pesquisas exploratórias e revisões de literatura. Em vez de ir e voltar entre buscador, downloads e organização manual, o fluxo fica concentrado, com o agente conduzindo os passos e pedindo confirmações. Isso acelera a ida do insight ao rascunho e reduz dispersão.

Desempenho medido, não só promessa

O Google publicou números internos comparando o novo NotebookLM com o sistema anterior. Em avaliações lado a lado, houve taxa média de vitória acima de 65 por cento, 15 pontos acima da paridade, com destaque para análise de documentos longos, 69,9 por cento, e pesquisa avançada na web e descoberta de fontes, 78,2 por cento, contra a base anterior. Esses dados foram divulgados no anuncio oficial de 8 de junho de 2026.

Embora métricas proprietárias devam ser lidas com cautela, o recorte do que está sendo medido, entendimento de documentos extensos e descoberta de fontes, é coerente com as capacidades de execução de código, novas ferramentas e o ganho de contexto trazido pelo Gemini 3.5. Ars Technica e Android Central convergem nesse diagnóstico de salto qualitativo.

Disponibilidade e quem pode usar hoje

O Google afirma que as novidades estão sendo liberadas globalmente na web, a partir de 8 de junho de 2026, para usuários com Google AI Ultra e para clientes do Workspace com AI Ultra Access e AI Expanded Access, com expansão planejada para outros públicos. Esse ponto é essencial para definir expectativas de adoção em equipes.

Para educação, existe um histórico de ampliações orientadas a clientes do Workspace for Education Plus e Teaching and Learning, com rollouts graduais que variam por domínio. Essas políticas ajudam a explicar por que recursos chegam em ondas diferentes conforme o licenciamento.

![Data visualization concept]

Boas práticas e limitações, segurança em pauta

A chegada de execução de código e automação mais ampla também exige práticas de segurança. Em ambientes de agentes, pesquisas independentes já apontaram riscos de injeção de prompt, abuso de ferramentas e exposição de credenciais quando não há isolamento adequado. Relatos sobre IDEs agentic como o Antigravity, mesmo que datem de meses anteriores e possam não refletir o estado atual, reforçam a importância de governança e revisão humana.

No uso corporativo, o caminho pragmático inclui estabelecer cadernos por projeto, políticas claras de dados sensíveis, logs revisáveis de ações do agente e validação humana antes de publicar saídas. Além disso, testes sistemáticos com casos adversariais, por exemplo, documentos com conteúdo enganoso, ajudam a calibrar o uso seguro sem desperdiçar o potencial do agente.

Casos práticos para aplicar já

• Pesquisa de mercado, o caderno coleta fontes setoriais, padroniza séries históricas, executa código para calcular participação por segmento e exporta um PPTX com gráficos e notas de rodapé das fontes.
• Produto e UX, o agente cruza feedbacks textuais, roda análise de sentimento em código, agrupa temas e entrega um PDF com priorização e impactos.
• Educação, instrutores geram worksheets personalizadas, rubricas em DOCX e planilhas XLSX, a partir de leituras indicadas e critérios avaliativos, com edição posterior no próprio painel.

Como se posiciona frente a outras soluções

O movimento do Google aproxima o NotebookLM de assistentes de pesquisa com autonomia crescente. A diferença, sugerida pelo próprio anúncio, está na junção de três camadas, descoberta guiada de fontes na web, execução de código com um computador isolado e geração de saídas editáveis em múltiplos formatos. Isso cria um ciclo fechado de pesquisa, análise e entrega.

O ecossistema Gemini 3.5, que inclui variantes como Flash para tarefas rápidas, está sendo distribuído por apps e plataformas do Google, além de disponibilizado a desenvolvedores via Antigravity e ferramentas de desenvolvimento. Esse pano de fundo explica por que o NotebookLM consegue orquestrar mais passos sem depender de integrações externas.

Métrica que importa, da pergunta ao entregável

No uso diário, a métrica que importa é o tempo para sair de uma pergunta a um entregável verificável. As atualizações encurtam esse tempo com três alavancas, planejamento de passos no chat, automação de análises via código e exportação para formatos compatíveis com o fluxo de trabalho da equipe, por exemplo, XLSX e PPTX. É uma mudança de ritmo que tende a se pagar em ciclos de sprint, releases e publicações.

Conclusão

O conjunto de upgrades coloca o NotebookLM no centro da discussão sobre agentes para pesquisa aplicada. Chat agentic, execução de código em ambiente seguro e saídas editáveis mudam o escopo do que é possível fazer em uma tarde de trabalho, especialmente quando é preciso reunir fontes, analisar dados e apresentar resultados.

Para equipes com acesso ao Google AI Ultra e clientes Workspace elegíveis, o melhor momento para testar é agora, 8 de junho de 2026 em diante, com pilotos curtos focados em fluxos de alto impacto. O caminho recomendado é combinar governança e validação humana com o ganho de velocidade, buscando um equilíbrio entre ambição e responsabilidade.