Aturan umum adalah bahwa semakin abstrak / eksotis matematika yang ingin Anda mekanisasi, semakin mudah didapat. Sebaliknya, semakin konkret / familiar matematika, semakin sulit. Jadi (misalnya) hewan langka seperti topologi titik bebas predikatif jauh lebih mudah untuk dimekanisasi daripada topologi metrik biasa.
Ini mungkin awalnya tampak sedikit mengejutkan, tetapi ini pada dasarnya karena benda konkret seperti bilangan real berpartisipasi dalam berbagai macam struktur aljabar, dan bukti yang melibatkannya dapat memanfaatkan properti apa pun dari sudut pandang mana pun. Jadi untuk dapat menggunakan alasan biasa yang biasa digunakan oleh ahli matematika, Anda harus memekanisasi semua hal ini. Sebaliknya, konstruksi yang sangat abstrak memiliki properti yang kecil dan terbatas (sengaja), jadi Anda harus lebih sedikit mekanisasinya sebelum Anda bisa mendapatkan bagian yang baik.
Bukti dalam kompleksitas-teori dan algoritma / struktur data cenderung (sebagai aturan) menggunakan properti canggih dari gadget sederhana seperti angka, pohon, atau daftar. Misalnya, argumen kombinatorial, probabilistik, dan bilangan teoretis secara rutin muncul pada saat bersamaan di dalam teorema dalam teori kompleksitas. Mendapatkan dukungan perpustakaan asisten bukti ke titik di mana hal ini baik dilakukan cukup banyak pekerjaan!
Satu konteks di mana orang bersedia untuk dimasukkan ke dalam pekerjaan adalah dalam algoritma kriptografi. Ada kendala algoritmik yang sangat halus di tempat untuk alasan matematika yang kompleks, dan karena kode crypto berjalan dalam lingkungan permusuhan, bahkan kesalahan sekecil apa pun dapat menjadi bencana. Jadi misalnya, proyek Certicrypt telah membangun banyak infrastruktur verifikasi untuk tujuan membangun bukti yang diperiksa mesin dari kebenaran algoritma kriptografi.