AIエージェント能力アトラス › 仕事ごとの一覧 › 研究・問題解決 › 論文執筆・査読・学術コミュニケーション

研究プロポーザル・助成金申請書作成

Research proposal / grant proposal writing

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

2026年の報告ではNIHにおいてAI活用度が高い申請書ほど採択率・その後の論文産出数が高い一方、NSFでは同様の優位性が確認されず、機関の審査文化への依存が大きい。AI活用は採択率を上げる一方で「研究アイデアの多様性を狭める」という懸念も指摘されている。

できること

既存の採択済み申請書のパターンを学習し、審査員に響きやすい構成・文体で申請書を高速にドラフトできる。NIHでは実際に採択率向上という定量的効果が確認された。

まだできないこと

NSFは公式審査プロセスへのAI活用を承認しておらず、機関によって受容度が大きく異なる。「勝ちパターン」の模倣に偏るため、真にハイリスク・ハイリターンな独創的研究アイデアの提案力は弱いとされる懸念がある。

なぜそうなのか

助成金申請書の評価は既存の成功パターンとの類似性に大きく影響されるため、模倣に強いLLMとは相性が良い反面、その特性自体が「これまでにない発想」の提案を苦手とする理由にもなっている。

これからの予測の根拠

機関ごとの審査ポリシーのばらつきが解消され、独創性を評価するための審査プロセス側の適応が進めば2028年に専門家並みへ到達すると予測。

いま使える主な道具

GPT-5.x、Claude Fable 5.1、各種grant-writing特化ツール(Granted AI等)

根拠

• AI-assisted grant proposals may win more often—while narrowing research ideas 2026-08
  採択率向上とアイデア多様性低下のトレードオフを報告
• AI Helped Researchers Win NIH Grants. Will Science Suffer? 2026-08
  NIHでの採択率向上とNSFとの違いを対比
• ARPA-H Will Let LLMs Read Your IGoR Proposal 2026
  連邦機関ごとのAI審査利用ポリシーの分裂状況

同じ分野のほかの仕事（論文執筆・査読・学術コミュニケーション）

• 論文執筆(ドラフト作成)
• 査読(ピアレビュー)代行・支援
• 引用文献の妥当性チェック(幻覚引用対策)
• 自律的研究パイプライン(仮説立案→実験→論文執筆)

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。