2026年の研究ツールスタック — AIネイティブ研究の道具箱

研究者が実際に使う道具を「役割別」に整理。2026年時点の流行り廃りと、SEへの転用ポイントを併記。

1. 研究ワークフローと対応ツール（役割マップ）

研究ループ（→ 00概論）の各段階に、道具が対応している。

段階	役割	代表ツール（2026）	SEでの類推
探索	論文を見つける	Semantic Scholar, Google Scholar, PapersFlow	技術調査・GitHub探索
レビュー	大量論文を選別・要約	Elicit（大規模スクリーニング）, Consensus（仮説駆動）, Paperguide	既存実装・OSS比較調査
文献管理	引用・PDFを整理	Zotero（定番）, Mendeley	参考資料・ブックマーク管理
読解	PDFを対話的に読む	Paperpal, ChatGPT/Claude等のLLM	コードリーディング支援
記録	実験を記録する	ELN（Benchling, RSpace, eLabFTW, OMĒOS）	実験ノート/ADR/実験追跡
分析	データ処理・可視化	Python/R, Jupyter, 各種統計	分析スクリプト・ノートブック
執筆	論文を書く	LaTeX/Overleaf, Paperpal, Grammarly	ドキュメント・技術記事
知識統合	個人の知を蓄積	Obsidian, Notion, Logseq（＝"second brain"）	個人wiki・ナレッジベース

Elicit：大量論文の系統的スクリーニングに最強（Proで最大5,000本）。網羅性重視。
Consensus：仮説駆動の発見に最適。「〜は正しいか」に論文根拠で答える。
Paperguide：Plan→Search→Screen→Extract→Generate のレビュー全工程を1ワークスペースで完結（オールインワン化の代表）。
出典：paperguide, effortlessacademic。

2024年の標準スタック：Semantic Scholar＋Elicit＋Scite＋Zotero＋Grammarly＋ChatGPT（各段階に最強ツールを寄せ集め）。
2026年の標準スタック：1つのワークフロー基盤＋少数の無料補助。ツール間を行き来するコンテキストスイッチのコストが、各段階最強を使う利点を上回った。
AI研究ツールは「論文用ChatGPT」の域を超え、実データベースに接続し、実在論文を引用し、特定タスクを専用にこなす段階に成熟。
出典：papersflow, readwonders。

SEへの教訓：これはAI開発ツールの潮流とそっくり。「個別最強ツールの寄せ集め」より「統合されたAgentワークフロー（IDE内でAgentが探索〜編集〜検証まで通す）」が、コンテキストスイッチのコストゆえに勝つ。あなたが日常で使うAI Agentの使い方の指針にもなる。

「唯一の最強」は無い。4つの仕事（collect / share / search / analyze）のどれを重視するかで選ぶ（→ 03研究ノート）。

潮流：自動タイムスタンプ・版管理という土台の上に、AIによる自動化・agentic分析が乗り始めた。

AIで加速する一方で、記録・透明性の要求は強化されている（→ 02国際比較）。研究の道具箱には"ブレーキ側"の道具もある：

事前登録 (preregistration)：OSF, AsPredicted.org, ClinicalTrials.gov。分析前に仮説と手順を宣言し、後付けの都合の良い解釈（p-hacking）を防ぐ。
FAIRデータ原則：Findable / Accessible / Interoperable / Reusable。データを機械可読・再利用可能に。
オープンデータ/コード公開：再現性の担保。オープンデータ論文は31%多く引用される。
出典：eldenhallresearch, nature 2026。

SEへの教訓：AIで速く動くほど、「何を前提に・何を根拠に決めたか」の事前宣言と記録が効いてくる。実験前に成功条件を宣言する（＝事前登録）作法は、A/Bテストや性能改善で"あとから都合よく解釈する"ワナを防ぐ。