グラントライター・助成金担当者

米国。統計局は、ファンドレイザーの雇用が2025年から2035年に6%、140,900人から148,700人へ増え、毎年約10,000人の求人があると予測している。O*NET はこの職業の職名の一つとしてグラントライターを挙げている。このページは人工知能や自動化には触れていない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

米国。この研究は、二つの大規模な研究大学から NSF と NIH に提出された機密の申請書と、公開されている NSF と NIH のすべての採択課題を組み合わせ、言語モデルの利用が2023年から急増し、最小限の利用と実質的な利用に分かれていることを見いだしている。利用が多いほど研究課題の独自性は低く、NIH では採択されやすいが NSF ではそうではない。測っているのは申請する研究者自身であって、専門のグラントライターではない。

ある道具が実際の仕事のために大規模に使われていることが測定されており、しかも使うと決めたのが雇用主ではなく働き手である場合。capability の記録より重い——仕事が実演ではなく本物だからである——そして deployment の記録より軽い。どの雇用主もそれを本番に置いておらず、求めてもおらず、その周りに工程も作っていないからである。重みは `cautious` である——`automating` とは、機械がその業務をできることと、採用の兆しがあることの両方を意味し、これは採用の兆しである——しかし利用は試験的でありうるし、測定の多くは利害のある側から来るので、一件では決して足りず、独立した二件で足りる。誰が数えているかに注意すること。ベンダーの計測データはこれを直に見るが、その道具を売っているので、そうした記録は適用範囲にその利害を明記する。統計機関が企業に「働き手は業務でAIを使っているか」を尋ねる場合、同じ経路を何の利害もなく見ており、それが存在するならそちらが良い出典である。

米国。ある医学部は、ルールと言語モデルを組み合わせた安全なツールを作り、変化し続ける州と連邦の政策によって制限された助成金申請書の表現を検出して、代わりの表現を提案させた。適合率は1.00、再現率は0.73、F1 は0.84で、汎用のモデルを上回り、25人の教職員がその使いやすさを高く評価した。一つの機関で、開発者自身が作り、評価したものである。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

米国。この研究助成機関は、AI によって実質的に作成された申請書や、AI によって実質的に作成された部分を含む申請書を申請者の独自のアイデアとはみなさず、採択後に AI の利用が見つかった場合は研究不正の可能性があるとして調査に回すことがあるとしている。一回の募集で40件を超える別々の申請書を出した研究者がいたことを受けて、2025年9月25日の受付日から、研究代表者一人あたりの新規、継続、再提出、修正の申請を暦年で6件までに制限している。研究助成機関の規則であり、拘束するのは申請者であって、助成金の担当者を名指ししてはいない。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

英国。この助成機関の方針は、申請者が注意したうえで生成 AI を使うことを認めつつ、人の関与なしに申請書の全体や一部を生成するために使ってはならないこと、使った場合には申請書でそれを明らかにすることが期待されること、そして審査員は自分の文章を整える場合を除いて審査に使ってはならないことを定めている。研究助成機関の規則であり、拘束するのは申請者と審査員である。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

これから始めるなら、AI が最初の版を下書きし、助成機関からはそれを使ったかどうかを尋ねられると考えておくこと。助成機関が評価し、AI には主張できないものを身につけること——自分の組織の活動を知り、それを助成機関ごとの優先事項に合わせ、申請書を規則の範囲内に保つことである。

最初の下書きは速くなり、AI の利用の申告についての規則は増えると考えておくこと。戦略、助成機関との関係、コンプライアンスはあなたに残る。

職の形を組み替える

助成機関ごとの AI の規則に通じた人になる

助成機関はいまや AI の利用と開示についてそれぞれ異なる規則を定めており、それに反する申請書は却下されることがある。

留まって強くする

戦略と助成機関との関係にとどまる

申請数の上限と独自性の規則によって、より少なく、より強い申請を選んで練り上げることの価値が高まっている。

隣へ移る

研究支援や助成金管理へ移る

大学や研究機関は、多くの助成金にわたってコンプライアンス、予算、報告を管理する職員を必要としている。

現在の証拠からはそうではない。AI は下書きに広く使われているが、助成機関はいまそれを制限している。NIH は AI によって実質的に作成された申請書を独自のものとはみなさず、UKRI は人の関与なしに生成された申請書全体を禁じている。米国は、グラントライターを含むファンドレイザーの職が2025年から2035年に6%増えると予測している。

その問いに年数では答えない。自分が申請している助成機関が AI で書かれた申請書について何と言っているか、そして NIH のような上限によって組織が出す申請の数が変わるかどうかを見ること。そのほうが、どんな日付よりも多くを教えてくれる。

助成機関によって異なる。UKRI は申請者が使うことを認めているが、人の関与なしに申請書の全体や一部を生成することは認めていない。NIH は AI によって実質的に作成された申請書を申請者の独自のアイデアとはみなさない。それぞれの助成機関自身の方針を確かめること。

NIH は、一部の研究者が AI を使って一回の募集で40件を超える別々の申請書を出しているのを見たと述べ、2025年9月から研究者一人あたりの申請を年に6件までに制限した。