未来十年，随着智能化应用的普及，对话式搜索与推荐系统的研究也将不断加深和拓展，预期将从被动地等待用户输入走向主动根据上下文场景更加主动地向用户推送服务、澄清需求和提供建议，并从单轮对话转变向多轮对话式搜索和推荐；对话式搜索和推荐产生的结果将跨越多种模态，包括文本片段、图片、视频等等，且根据用户设备形态、兴趣爱好、上下文环境等对搜索结果的展现形式进行适时调整。
不久前，清华大学计算机系教授、中国中文信息学会语言与知识计算专委会主任李涓子在 AI Time“人工智能是学术搜索的未来吗?”论道中强调，学术搜索的外延可能不断扩大；在扩大过程中，学术搜索也将和 NLP、知识图谱等新的技术等不断融合；另一方面，学术搜索服务提供商和用户可能会双向促进，学术搜索在为科研人员提供精准的信息搜索时，科研人员也会为学术搜索贡献自己的智慧，交互式的学术搜索在未来将会借助大众参与实现系统完善、准确性提高的过程中来。
学术搜索的发展趋势应该是用户群体不断地平民化，外延不断地扩展，以便使得自己能够更好地与技术、应用、产业相互的关联。AMiner 发布的 《人工智能之学术搜索》报告也阐述了类似观点。该报告以 AI 赋能的学术搜索为核心，探讨了学术搜索领域的市场主体如何才能更“智能”、更“聪明”、更“定制化”地为科研用户提供服务。
该报告表示，目前的学术搜索产品正在不断地优化技术和产品性能，并对 AI 学术搜索产品的未来升级提出多条建议。其中的一条建议是今后的 AI 学术搜索产品逐渐实现更多的 AI 突破，减轻用户的科研负担。用户对学术搜索产品的“智能”特色期待较高。
用户不仅希望通过学术搜索产品能够自动识别关键论文、进行关键词联想、自动生成 bibliography 文件，而且希望产品能够帮助快速梳理某一领域的研究脉络、文献思想传承，自动生成文献综述，进而自动对论文进行归纳总结，并且展示出论文用途，甚至能回答自己的任何学术问题，成为自己科研工作的“阿法狗”。此外，还建议优化辅助功能。
建议今后的 AI 学术搜索产品在推荐相关论文、最新论文或作者时，能够提高论文和学者推荐的准确性；根据用户偏好或以往搜索历史等进行更多的个性化推荐。此外，建议增加自动翻译、分类收藏论文等辅助功能。
随着人工智能在学术搜索领域应用的越来越深度化和广泛化，未来的学术搜索产品将融入神经检索模型、信息推荐与挖掘将具有可解释、面向知识图谱的搜索/问答技术等等智能化特征，科研工作将越来越轻松。