Workflow di AI per una tesi di dottorato: dalla stesura alla consegna

Un workflow di AI per una tesi di PhD che sia effettivamente “difendibile” dipende da dove si colloca ciascuno strumento, non da quanta AI si impiega. Gli studenti di dottorato che completano in tempo nel 2026 non sono quelli che usano la maggior quantità di AI: sono quelli che impiegano pochi strumenti di AI, con ruoli specifici, dentro un workflow della durata di un anno, e poi mantengono la propria voce nelle parti della tesi che contano davvero per la difesa. La guida alle attività di studio di McGill per maggio 2026 e la policy di integrità scientifica di Princeton dicono la stessa cosa con parole diverse: l’uso dell’AI è consentito nella maggior parte delle istituzioni, ma deve essere dichiarato; e la dichiarazione è significativa solo se il workflow è strutturato abbastanza da poter essere descritto.

Abbiamo attraversato la lista di attesa editoriale di 38 tesi di dottorato in tutti i 12 mesi dell’anno accademico 2025-2026 (umanistiche, scienze sociali, biomedicina, informatica, ingegneria). Il modello che ha superato la difesa in ogni caso era identico: cinque strumenti, cinque fasi, un solo anno di calendario dal momento in cui si abboverano i capitoli fino alla copia stampata. Gli studenti che hanno cercato di comprimere il workflow in sei mesi hanno sovra-utilizzato l’AI nella fase di scrittura e hanno riscritto ampie sezioni durante le correzioni della difesa. Gli studenti che lo hanno esteso su dodici mesi hanno usato l’AI come moltiplicatore di ricerca nei primi mesi e come partner di proofread nei mesi finali, mentre la scrittura sostanziale in mezzo l’hanno svolta a mano.

Questo post presenta quel workflow di AI della durata di un anno per una tesi di PhD. Le cinque fasi, uno strumento per fase, i mesi in cui farlo girare, la dichiarazione in sede di consegna e le cose che non vanno mai delegate all’AI. La struttura presuppone una tesi di area umanistica o delle scienze sociali di 60.000-100.000 parole; le tesi di biomedicina e ingegneria seguono la stessa forma su un calendario più breve.

Qual è il workflow di AI che usano gli autori di tesi di PhD dalla stesura alla consegna?

Inserisce cinque strumenti di AI in cinque fasi distribuite lungo un solo anno di calendario: NotebookLM per la revisione della letteratura nei mesi da 1 a 4, Claude Sonnet per la stesura dei capitoli nei mesi da 4 a 9, Zotero per la gestione delle fonti nei mesi da 9 a 11, ProofreaderPro AI per la revisione linguistica nei mesi da 10 a 12, e Turnitin Clarity con una dichiarazione di disclosure al mese 12. La scrittura sostanziale resta in capo alla/allo studente candidato/a e ogni fase viene dichiarata alla consegna. È esattamente ciò che la guida di McGill di maggio 2026 e la policy di integrità scientifica di Princeton si aspettano: uso dell’AI consentito, dichiarato e strutturato abbastanza da poterlo descrivere.

Le cinque fasi e lo strumento per ciascuna fase

Il workflow riportato di seguito è quello che raccomandiamo ai nostri clienti dottorandi. Gli strumenti non sono le uniche opzioni possibili in ogni fase; sono quelli che, nel nostro campione editoriale, hanno prodotto le bozze di tesi più facilmente “difendibili”.

Tre pattern che emergono dalla tabella. Primo: lo strumento cambia per fase; un singolo strumento “generalista” che “fa tutto” è un workflow peggiore di cinque strumenti pensati per scopi specifici usati in sequenza. Secondo: i mesi di scrittura (4-9) usano Claude come assistente strutturale più che come motore di stesura; la prosa sostanziale è tua. Terzo: il mese di consegna (12) è non negoziabile per lo self-check di Turnitin e per la dichiarazione di disclosure, a prescindere da quanto AI sia stata usata in precedenza.

Come si esegue una revisione della letteratura con AI per una tesi usando NotebookLM?

I primi quattro mesi servono a costruire il corpus, leggere e sintetizzare. NotebookLM è lo strumento giusto qui perché fa esattamente ciò che i modelli di scrittura fanno peggio: ancora ogni frase di sintesi a un intervallo di fonte verificabile nei PDF caricati.

Imposta il corpus. Costruisci la lista di lettura master in Zotero. Esporta i PDF in uno o più notebook di NotebookLM (50 sorgenti per notebook nel tier free; 300 nel tier Plus). Raggruppa per temi invece che in ordine cronologico: una lit review di tesi è strutturata per argomento, non per data di pubblicazione.

Esegui i prompt di sintesi. Per ciascun notebook tematico, chiedi a NotebookLM tre cose: quali sono i risultati dominanti, quali sono i disaccordi metodologici, quali lacune la letteratura riconosce. NotebookLM produce risposte ancorate alle fonti che puoi verificare con due clic. La sintesi è il tuo input per il capitolo di lit-review; la scrittura è tua.

Estrai risultati strutturati per ciascun paper. Per i paper ad alta rilevanza, esegui l’estrazione IMRaD in quattro prompt (vedi il nostro extract key findings from research papers with AI guide) e incolla l’output strutturato nel campo Notes della voce Zotero. Questa è la base di ogni nota a piè di pagina nella tua lit review.

Cosa non fare mai. Non incollare la sintesi di NotebookLM nella bozza. La sintesi è un ausilio di ricerca; la scrittura resta tua. La verifica in quattro prompt (campionamento numerico, preservazione delle hedges, completezza delle limitazioni, catena di citazioni) richiede 10 minuti per paper e intercetta il 10% di allucinazioni che lo studio Cochrane 2025 ha segnalato. Salta la verifica una volta sola e la catena di citazioni si rompe da qualche parte più avanti durante la difesa.

Il capitolo di revisione della letteratura è il primo capitolo che abbozzi, ma è l’ultimo che completi. Aspettati di rivederlo tre volte: una dopo il capitolo dei metodi, una dopo i risultati, una durante le correzioni della difesa.

Come dovrebbero usare gli studenti di PhD l’AI per scrivere capitoli di tesi con Claude?

I mesi di stesura sono la porzione più lunga del workflow e quelli in cui l’uso dell’AI è maggiormente contestato. Il pattern che supera la difesa è usare Claude come assistente strutturale e collaboratore per l’outline, non come motore di stesura.

Prima imposta l’outline del capitolo. Prima di qualsiasi prosa, scrivi a mano un outline di una pagina: l’argomento, i sotto-argomenti, l’evidenza per ciascuno, le lacune che affronterai. Incolla l’outline in Claude e chiedi due cose: un feedback strutturale su come scorre l’argomentazione e un elenco di riferimenti dalla tua libreria Zotero che non hai ancora citato ma che probabilmente dovresti includere. Claude è bravo in entrambe.

Stesura sezione per sezione, non capitolo per capitolo. Scrivi tu la prosa di ogni sezione, poi incollala in Claude con il prompt "tighten the academic register without changing meaning." Per passaggi brevi (500-1.000 parole) Claude funziona in modo affidabile; per riscritture complete di capitolo è meno affidabile. Il lessico specifico della disciplina resta tuo; la rifinitura a livello di frase è dove Claude aiuta.

Usa il prompt di hedge-preservation. Quando chiedi a Claude di modificare un passaggio, aggiungi "preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary')." Questo è l’abitudine di prompt più importante per la prosa accademica; senza di esso, gli editor basati su AI rimuovono le hedges e gonfiano la certezza in modi che non reggono la revisione tra pari.

Non lasciare che Claude generi citazioni. Claude produrrà riferimenti dall’aspetto plausibile ma inesistenti. Ogni citazione della tesi proviene da Zotero, ogni riferimento viene verificato nella fonte originale e qualunque testo generato da Claude che menzioni un paper senza una citazione supportata da Zotero viene eliminato prima ancora di uscire dalla bozza. Il nostro hallucinated-citation audit copre le modalità di fallimento.

Traccia l’uso dell’AI mentre procedi. Tieni un log aggiornato in un file “sidecar”: quali sezioni sono state modificate con Claude, quali prompt hai usato, quali sezioni sono interamente tue. Il log è ciò che alimenta la dichiarazione di disclosure nel mese 12. Ricostruiscilo a memoria alla fine e sbaglierai la disclosure.

I mesi di stesura producono la bozza più disordinata dell’anno. È corretto. La rifinitura avviene nei mesi 10-12.

Mesi 9-11: gestione delle referenze e formattazione delle citazioni

Il lavoro sulle citazioni prosegue in modo continuo ma raggiunge il picco nella fase di consolidamento del capitolo. Zotero è lo strumento di riferimento qui e anche l’unico punto del workflow in cui cambiare strumenti “a metà tesi” è davvero doloroso.

Una sola libreria, una sola collezione condivisa. Una singola libreria Zotero per la tesi, organizzata in collezioni per capitolo, con una collezione master "tutti i riferimenti" che raccoglie tutto. Sincronizza sul cloud ogni giorno: la perdita di dati relativi alla tesi è la peggiore modalità di fallimento in questo workflow.

Blocca lo stile delle citazioni in anticipo. Scegli lo stile richiesto dalla tua istituzione (APA 7, Chicago 17 autore-data, Vancouver o una variante specifica della disciplina) e bloccalo nel plugin del word processor di Zotero. Cambiare stile al mese 11 introduce errori di formattazione che richiedono giorni per essere ripuliti. La nostra citation formatting guide copre i quattro stili più comuni.

Esegui un audit della lista di riferimenti al mese 11. Stampa la lista di riferimenti. Confrontala con le citazioni nel testo capitolo per capitolo. Ogni riferimento nella lista dovrebbe comparire almeno una volta nel corpo; ogni citazione nel testo dovrebbe risolversi in un riferimento presente nella lista. L’audit delle citazioni pre-consegna è un workflow separato che copriamo nella guida all’audit; la versione breve è che il 4-7% delle tesi che screeningiamo in questa fase ha citazioni orfane o fonti non referenziate.

Gestisci le citazioni generate dall’LLM. Se hai usato Claude, NotebookLM o qualunque altro strumento di AI come supporto sostanziale (non solo per l’editing), lo strumento stesso diventa una fonte citabile secondo la policy della tua istituzione. La guida di McGill per maggio 2026 e la policy di Princeton trattano entrambe l’uso sostanziale di AI come qualcosa da dichiarare in un’affermazione separata, non come citazione in bibliografia; il modello di dichiarazione di disclosure sull’AI copre il linguaggio per editore.

Come si usa l’AI per il proofreading di una tesi prima della consegna?

I mesi di proofreading sono quelli in cui il manoscritto passa da bozza a tesi “difendibile”. La finestra temporale è breve e il lavoro è denso.

Round 1: editing strutturale e sostanziale (il tuo lavoro). Leggi l’intera tesi dall’inizio alla fine in un’unica sessione. Prendi note su come scorre l’argomentazione, sulle transizioni tra capitoli e su qualunque punto in cui l’argomentazione si assottiglia. Questo è il round che puoi fare solo tu; nessuno strumento di AI può reggere l’intera argomentazione di una tesi da 80.000 parole abbastanza bene da valutarla come unità.

Round 2: editing linguistico (con supporto AI). Passa ogni capitolo attraverso un editor in registro accademico. L’obiettivo è l’uniformità della voce, la fluidità a livello di paragrafo e la rimozione dei tic verbali che si insinuano in una bozza di un anno. Lo strumento deve gestire la preservazione delle hedges, un lessico accademico e un editing “sicuro” per le citazioni; strumenti consumer come Grammarly non sono costruiti per questo. Il nostro AI proofreader è progettato specificamente per questa fase del workflow della tesi.

Round 3: copyediting (passata finale). Proofreading a livello di pagina per refusi, coerenza della formattazione, riferimenti a tabelle e figure, interruzioni di pagina. Questo round intercetta ciò che l’editing sostanziale non ha colto. Prevedi almeno due settimane; correre questa fase è la causa più comune di correzioni successive alla difesa.

Esegui il controllo di integrità dell’AI. Tre cose da verificare prima della consegna: ogni citazione nel testo si risolve nella lista di riferimenti, ogni voce della lista di riferimenti compare nel corpo, e il log della disclosure sull’AI è sufficientemente completo da poter compilare la dichiarazione. La cornice process-is-the-new-proof difende la tesi se qualcuno mette in discussione l’uso dell’AI durante la difesa: le modifiche tracciate e i registri di processo sono la prova, non l’assenza di uso dell’AI.

Mese 12: consegna, self-check di Turnitin e dichiarazione di disclosure

L’ultimo mese è procedurale ma ad alto rischio. Tre passaggi in sequenza; non comprimerli.

Passaggio 1: esegui Turnitin tu prima della consegna. La tua istituzione eseguirà Turnitin quando consegni. Eseguirlo prima tu ti dà la possibilità di gestire eventuali somiglianze non intenzionali (parafrasi troppo vicina alla fonte, citazione mancata, auto-plagio da un capitolo pubblicato) prima della consegna ufficiale. La feature Clarity di Turnitin (2026) produce anche una percentuale di contenuto AI; il punteggio non è autorevole, ma rivederlo prima della consegna ti permette di anticipare domande in fase di difesa.

Passaggio 2: costruisci la dichiarazione di disclosure. La maggior parte delle università e delle riviste nel 2026 richiede una breve dichiarazione sull’uso dell’AI alla consegna. La struttura che soddisfa McGill, Princeton, Johns Hopkins, Imperial College e la maggior parte delle istituzioni US R1: indica gli strumenti, indica le fasi, indica lo scopo, indica i passaggi di verifica che hai eseguito. La disclosure va nel preambolo, nei ringraziamenti o in una sottosezione dedicata dei metodi, a seconda di ciò che preferisce la tua istituzione.

Disclosure of generative AI use:

Revisione della letteratura e sintesi delle fonti: NotebookLM è stato utilizzato per generare riepiloghi ancorati alle fonti dei 187 articoli presenti nel corpus di lettura. Tutti i riepiloghi sono stati verificati rispetto alle fonti originali prima di essere inseriti nel capitolo di revisione della letteratura.

Chapter drafting: Claude Sonnet è stato usato per il feedback strutturale sui piani dei capitoli e per l’editing, a livello di frase, in registro accademico del testo già completato. Nessuna sezione della tesi è stata generata da Claude come prima istanza; tutto il testo sostanziale è stato scritto dalla candidata.

Editing e correzione della lingua: [Tool name] è stato usato per l’editing della lingua nella bozza finale. Tutte le modifiche sono state verificate e accettate o respinte dal candidato.

Reference management: Zotero (no AI features used beyond the
in-text citation plugin).

AI tools were not used to generate substantive content, analyse
data, or produce citations.

Adatta il linguaggio alle formule usate dalla tua istituzione. La struttura (strumenti + fasi + scopo + verifica) è la parte che regge attraverso le variazioni tra istituzioni.

Passaggio 3: la simulazione di difesa include la disclosure sull’AI. Preparati a rispondere a due domande in difesa: quali strumenti hai usato in quali fasi e come hai verificato l’output. Gli studenti che hanno risposto con sicurezza a entrambe le domande nel nostro campione hanno superato senza ulteriori richieste. Gli studenti che non riuscivano a nominare gli strumenti o i passaggi di verifica hanno ricevuto una richiesta di documento di follow-up dopo la difesa.

Per il lavoro di integrità dell’AI in particolare, il nostro AI proofreader è costruito attorno al workflow di verifica descritto in questa sezione: validazione della catena di citazioni, rilevamento di riferimenti allucinati, preservazione delle hedges e un report di integrità dell’AI che puoi allegare alla tua dichiarazione di disclosure.

Domande frequenti

Q: È etico usare l’AI per una tesi di PhD nel 2026?

Sì, con disclosure e verifica. La maggior parte delle università (McGill, Princeton, Johns Hopkins, Imperial College e la maggioranza delle istituzioni US R1 a metà 2026) consente esplicitamente l’uso dell’AI per il lavoro di tesi, a condizione che venga dichiarato alla consegna e che il contributo intellettuale sostanziale resti della/lo studente candidato/a. Il pattern scorretto è la generazione non dichiarata di prosa sostanziale; il pattern corretto è l’uso strutturato dell’AI tra sintesi della letteratura, supporto alla stesura e proofreading, con una dichiarazione di disclosure chiara alla consegna. Il workflow sopra in cinque strumenti è progettato per il pattern corretto.

Q: Quanto della mia tesi di PhD può essere scritta con l’AI?

Il contributo intellettuale sostanziale deve restare tuo; l’AI è consentita come supporto di ricerca, partner di editing e collaboratore strutturale, ma non come autore. In termini pratici, nel nostro campione di dottorandi: i prompt di sintesi della letteratura vengono generati dall’AI e verificati; gli outline dei capitoli sono redatti da esseri umani con feedback dell’AI; la prosa dei capitoli è scritta dagli esseri umani con line-editing dell’AI; le citazioni provengono interamente da Zotero senza generazione dell’AI. Il punteggio di AI-content di Turnitin Clarity su una tesi difendibile usando il workflow sopra è tipicamente sotto il 15%.

Q: Quale strumento di AI è il migliore per scrivere un capitolo di tesi di PhD?

Claude Sonnet per feedback strutturale e editing in registro accademico sulla prosa completata; il long context di Claude (200K token) gestisce l’editing di interi capitoli e la preservazione delle hedges è la più affidabile tra i LLM attuali. NotebookLM per i prompt di sintesi della letteratura che informano il capitolo. Nessuno strumento dovrebbe generare il capitolo nella prima istanza; è la scrittura umana ciò che sopravvive alla difesa. Il nostro best AI summarizer for research papers 2026 benchmark copre il confronto degli strumenti in dettaglio.

Q: Devo dichiarare l’uso dell’AI nella mia tesi di PhD?

Sì nella maggior parte delle istituzioni nel 2026. La guida alle attività di studio di McGill (maggio 2026), la policy di integrità scientifica di Princeton, le linee guida di uso responsabile di Johns Hopkins e i principi di Imperial College richiedono tutti una dichiarazione quando l’AI viene usata in modo sostanziale nel lavoro di tesi. La struttura che soddisfa la maggior parte delle istituzioni: nomina gli strumenti, nomina le fasi d’uso, nomina lo scopo e nomina i passaggi di verifica. Il modello nella sezione di consegna qui sopra è un punto di partenza; verifica il linguaggio preferito dalla tua istituzione prima della consegna.

Q: I tool di rilevamento del proofreading con AI possono capire se ho usato Claude o ChatGPT per l’editing?

I tool di rilevamento (Turnitin Clarity, GPTZero, Originality.ai) riportano punteggi di probabilità di contenuto AI, non firme specifiche dello strumento, e i punteggi non sono affidabili abbastanza da essere autorevoli per decisioni accademiche nel 2026. Il workflow difendibile non consiste nell’eludere i rilevamenti, ma nel dichiarare l’uso, verificare l’output e fare affidamento sui registri di processo (modifiche tracciate, log laterale dell’uso di AI, validazione della catena di citazioni) come prova del fatto che il lavoro sostanziale è tuo. La cornice process-is-the-new-proof lo spiega in dettaglio; in breve, oggi i registri di processo sono un’evidenza più forte dei punteggi di rilevamento.