分析：AI 輔助撰寫的研究計畫書獲補助率較高，科學品質的影響仍是未知數

一份分析數千件美國國家科學基金會與國家衛生研究院申請書的研究，得出一個讓科研界不太自在的結論：AI 輔助撰寫的計畫書，獲得補助的比例較高。

這個結果本身並不神秘。研究計畫書的評審在有限時間內閱讀大量文件，而清晰的結構、流暢的表達、精準的術語使用與完整的格式，都會實質影響評審的閱讀體驗與判斷。AI 恰好極擅長這些——它能把一個表達零散的好構想，整理成讀起來令人信服的文件。

真正的問題因此不是誰用了 AI，而是這個結果揭露了什麼。如果寫作品質能顯著影響補助決定，那麼在 AI 出現之前，評審機制實際上一直在獎勵「善於寫申請書的人」而非「善於做研究的人」——只是過去這兩者高度相關，因為兩者都需要時間與訓練，而資源充足的實驗室兩者都有。

從這個角度看，AI 帶來的效應是雙面的。正面是它可能縮小某些既有落差：非英語母語的研究者、缺乏申請書撰寫傳統的小型機構、沒有專職行政支援的年輕研究者，過去在這道關卡上處於明顯劣勢，而 AI 讓表達不再是門檻。負面則是評審訊號的失真：當所有申請書都寫得一樣好，評審更難從文件品質推斷研究能力，而判斷可能轉向其他更容易產生偏誤的線索——機構聲望、既有發表紀錄、人際網絡。

對評審制度的意涵相當具體。若寫作品質已不再是有效的區辨訊號，審查機制就需要更直接地測量研究本身：初步數據的品質、方法設計的嚴謹度、對可能失敗模式的預想。部分機構已在試驗結構化的審查表單與盲審設計，正是往這個方向調整。

這也連結到近期關於 NIH 擬取消同儕審查分數的討論——科研資源分配機制正同時面對多重壓力，而 AI 只是把既有的結構問題推到檯面上。

對台灣的科研補助制度而言，這份分析提供了一個值得預先思考的問題：當申請書的表達品質不再能區辨研究能力，我們的審查機制準備好用什麼取代它？