博士論文の執筆プロセスには、放棄された数十のアイデア、無数のリポジトリに散らばったコード、数年前に読んだ数百編の研究論文が関わります。AI ツールはこれらの情報を統合するのに役立ちます。著者は 4 つの具体的な応用を共有しています：引用文献を見つけるための研究アシスタント、複数の実験からのコードを組み合わせて再現性を向上させること、引用論文と照らし合わせてファクトチェックを行うこと、研究内容に基づいて審査会での質問を生成すること。これらは、AI 企業の基本サブスクリプション 1 つで実装できます。これらの応用は、精神的な帯域幅を AI システムに委ねるものではなく、場合によっては論文に費やす時間を増やすことさえあります。なぜなら、単に書くだけでなく、より良い成果を生み出すことを目的としているからです。

最初の応用である引用文献検索ツールは、長年の研究から特定の論文を思い出すという課題に対処します。著者は、Claude Code で構築された RAG システムを使用しました。これには、すべての引用文献と背景セクションの主要論文を含む BibTeX ファイルが含まれています。執筆時、著者は文と関連論文をプロンプトとして貼り付けました。著者は、AI の出力を盲目的に信頼せず、常に元の研究論文に立ち返って提案された引用文献を検証することの重要性を強調しています。

残りの応用は、再現性のためのコード統合、引用論文とのファクトチェック、審査質問の生成をカバーしています。すべての方法は、研究者の知的努力を置き換えるのではなく、支援するように設計されていました。