图书馆对待人工智能的态度，正在决定它的形象与未来
未来十年，人们判断一所图书馆是否仍有存在价值，未必先看它收藏了多少册书、购买了多少数据库，而会看它能否在机器大量生产答案的时代，继续保证知识有来源、数据有边界、错误有人负责、公众保有选择。
这是生成式人工智能向图书馆提出的真正问题。
如果图书馆只把AI当作提高效率的新工具，它很可能沦为技术公司的产品入口：数据库商提供模型，平台决定排序，机器生成答案，图书馆负责付费并向读者推广。如果图书馆因害怕风险而回避AI，它也会逐渐失去解释新信息环境、帮助公众辨别机器内容的能力。两种结果看似相反，最后却可能相同：图书馆把判断权让了出去。
图书馆怎样对待AI，将决定公众怎样看待图书馆。它可以继续是一个对来源、证据、隐私和知识自由负责的公共机构，也可以退化成界面友好、答案迅速、出了问题却说不清责任归属的信息中转站。
差别不在于有没有安装某个模型，而在于有没有能力规定模型可以做什么、不能做什么，谁来检查，谁能叫停。
这就是图书馆必须制定人工智能政策的第一层理由。政策不是跟随潮流的一份表态文件。它关乎图书馆准备以什么身份进入人工智能时代。
无政策的AI服务，可能怎样伤害图书馆
提供AI服务看起来很容易。接入问答接口，在数据库中增加智能摘要，让馆员用模型起草咨询答复，或者上线一个能够推荐图书的数字人。用户觉得新鲜，管理者看到效率，项目便有了成绩。
风险不会排队等到庆功会以后才来。
它可能毁掉图书馆最珍贵的资产：可信度
大模型会编造事实、混淆出处，也会用十分笃定的语气给出并不存在的文献。个人在网上遇到错误答案，责任关系尚且简单；同样的答案若由图书馆网站、智能客服或馆员账号发出，机器便借到了图书馆的信用。
图书馆不可能承诺永不出错，但它必须能够解释答案从哪里来、经过谁核查、发现错误后怎样改正。没有这些安排，“仅供参考”只是免责语言。公众记住的不会是模型偶尔犯错，而是图书馆把未经核验的内容交给了他们。
信任建立得慢，透支起来很快。尤其在医学、法律、地方史、政策咨询和学术研究中，一个貌似专业的错误答案，足以让图书馆多年积累的专业形象变成一次廉价试验的成本。
它可能让读者隐私从馆门内流到平台之外
读者向图书馆提出的问题，可能暴露疾病、诉讼、政治兴趣、财务困难、求职经历和未公开研究。馆员把咨询记录交给公共模型概括，或者把读者简历上传给工具润色，姓名即使被删去，信息组合仍可能指向具体个人。
生成式AI还会留下提示词、对话历史、上传文件、账户活动和反馈记录。数据是否保存、是否用于训练、由哪些公司处理，往往藏在不断变化的服务条款中。图书馆若没有批准工具、数据分类和输入禁区，所谓隐私保护只能依赖每位员工临场判断。
传统图书馆伦理要求保护读者查了什么、借了什么。到了AI环境，如果图书馆连读者问了模型什么、平台保存了什么都说不清，旧承诺就只剩旧措辞。
它可能改变读者能看见什么，却没人知道谁作了决定
AI摘要、推荐和自然语言检索并非中性窗口。它们会决定哪些文献被优先概括，哪些作者出现在回答中，哪些语言和观点长期排在后面。模型训练不足的少数语言、地方知识和边缘群体，尤其容易在“更智能”的发现系统中再次变得不可见。
这触及图书馆的知识自由责任。过去，图书馆会讨论一本书是否应当入藏；现在，它还要追问一本已经入藏的书是否会被算法系统性地藏起来。没有评估、替代检索路径和用户申诉，推荐就可能悄悄取代馆藏政策，成为一部无人批准的“第二馆藏目录”。
它可能使图书馆受制于供应商
最危险的AI不一定有一个醒目的聊天框。数据库、发现系统、办公软件和安全设备可以在版本更新中加入AI功能。模型由谁提供，用户查询是否被记录，功能能否关闭，算法怎样变化，图书馆未必掌握。
一旦读者和馆员依赖这些功能，更换系统的成本便会迅速上升。平台由此获得的不只是合同收入，还有图书馆的工作流程、用户入口和解释权。没有采购条款、模型变更通知、审计权和退出安排，图书馆会在不知不觉间把知识服务能力外包成一种订阅服务。
届时，图书馆仍然拥有馆舍和资源，却未必拥有服务如何运行的决定权。
它可能把效率留给机器，把责任和杂活留给馆员
AI一分钟生成一篇文字，并不等于图书馆节省了一篇文字的劳动。馆员还要核对事实、检查版权、纠正偏见、解释错误。系统由管理层采购，模型由厂商维护，输出由机器生成，最后签字的却是一线人员。
如果政策只写“使用者对结果负责”，责任便会沉到最末端，而选择工具、配置系统和决定上线的人反而退到幕后。长期如此，专业判断会被压缩为替机器收拾残局，馆员也可能在“提高效率”的名义下承担更多不可见劳动。
它还可能带来版权、文化与公平风险
馆员能否把许可数据库全文输入外部模型？生成内容使用了谁的作品？国家馆藏、地方文献和传统文化数据可否用于训练？AI生成的书、图像和音频怎样入藏？这些问题没有一条可以用“技术已经普及”作答。
公共图书馆若把AI设为默认甚至唯一服务入口，老年人、未成年人、残障读者和数字能力不足者可能首先被排除。国家图书馆若用未经审查的模型处理文化数据，错误和偏差可能进入长期保存与国家书目。高校图书馆若只强调学生不得滥用，却不审查数据库商如何使用师生查询，责任便明显失衡。
盲目提供AI服务，风险远不止“机器偶尔答错”。它可能同时侵蚀图书馆的公共信誉、读者权利、专业劳动、馆藏秩序和组织自主性。
这不是技术部门可以独自解决的问题
面对上述风险，最省事的处理方式是要求技术部门加强安全，或者提醒馆员谨慎使用。这两种办法都不够。
技术部门可以检查接口和权限，却不能独自判断一项推荐是否损害知识自由；馆员可以核查一条咨询答复，却无权要求供应商修改合同；采购人员可以比较价格，却未必知道模型偏差会怎样影响地方文献；法务可以审查合规，却不能代替图书馆决定何种服务值得开展。
AI把原本分散在参考咨询、读者隐私、馆藏发展、数据库采购、信息安全和人事管理中的问题压进了同一套系统。只有组织政策能够把这些部门的判断接起来，规定共同底线和决策权限。
正式政策至少应回答：哪些工具可以使用，哪些数据不得输入，哪些场景必须审批，哪些输出需要专业复核，AI参与何时向公众披露，用户怎样获得人工帮助，供应商应当提供什么材料，出现错误后怎样申诉、暂停和退出。
每个问题背后都有一个权力问题。没有权力分配，责任只是劝诫。
教读者使用AI，不等于图书馆已经会治理AI
2022年底以后，高校图书馆迅速推出工具介绍、引用说明和学术诚信指南。这些工作解决了实际困难，也显示图书馆在信息素养教育上的反应能力。
但用户指南主要约束读者。它不能决定馆员能否把参考咨询记录交给公共模型，不能代替数据库采购中的数据条款，也不能说明机器生成的主题词经过怎样的抽检。
一个机构可以拥有十分丰富的AI课程，同时没有自己的员工使用规范；可以反复提醒学生核查模型答案，却让本馆智能客服未经专业复核直接回答；可以告诫读者不要上传隐私数据，却不清楚数据库中的AI功能是否保存搜索记录。
这种反差会损害图书馆的说服力。公共教育若没有内部治理作支撑，图书馆要求公众保持的谨慎，自己未必做得到。
国际图书馆界已经从“谈原则”走向“定规则”
国际图联2020年关于图书馆与人工智能的声明，已经把隐私、透明、公平、信息获取和AI素养列为职业议题。[1] 2024年，美国研究图书馆协会进一步提出普惠访问、知识产权、模型偏差和馆员能力等原则。[2]
原则随后进入机构制度。美国国会图书馆公布AI原则和具体使用案例，将元数据生成、推荐、图像处理等项目区分为不同成熟阶段。[3] 2025年，多伦多公共图书馆把公共工具、嵌入式AI和自行采购系统纳入同一政策范围；西雅图公共图书馆则要求免费软件、软件即服务和嵌入式AI接受审批，敏感数据不得擅自输入，对外生成内容须由熟悉主题的员工审核并留下记录。[4][5]
这些政策并不完美，也不能直接照搬到中国。它们至少说明了一件事：负责任使用不能只依赖个人品德。原则需要变成申请、审批、复核、记录、披露和退出。
没有政策，实际是在实行一套坏政策
有人担心，AI变化太快，现在制定政策容易过时；规定太多，也可能压制馆员试验。这些担心值得认真对待。
然而，不制定政策不会带来自由，只会形成一套未经讨论的事实规则：敢用的人先用，谨慎的人承担落后压力；出了成果算组织创新，出了事故算个人失误；供应商决定产品边界，基层馆员负责向读者解释。
这套规则没有经过馆务会，也没有公开征求意见，却每天都在生效。它甚至比一份不成熟的政策更难纠正，因为人们假装它不存在。
政策也不必把所有应用锁进同一套程序。整理公开资料、生成内部讨论提纲，可以简化审批；处理借阅记录、未公开研究、人员考核或专业建议，则应设置高门槛。受控试点可以继续，风险无法缓解的项目也应能够延迟、拒绝或停止。
政策的作用不是替图书馆作出所有决定，而是保证决定有人作、依据说得清、后果有人承担、错误能够撤回。
图书馆正在选择自己的未来身份
生成式AI会制造越来越多内容，也会制造越来越多真假难辨、来源不明、责任模糊的答案。社会越是被答案淹没，越需要有人维护来源、证据、语境和权利。这原本就是图书馆的专业领地。
图书馆若能建立可信的AI政策，它便有机会把传统职业价值带入新的信息环境：帮助公众使用技术，也帮助公众识别技术的边界；采用有效工具，也保留人工判断和非AI服务；要求读者负责，也要求机构和供应商负责。
如果做不到，图书馆可能仍然很现代，屏幕更多，回答更快，演示也更漂亮。只是人们会逐渐发现，遇到真正重要的问题时，它与任何一个商业平台没有多大区别。
图书馆对待AI的态度，最终会成为图书馆自身的说明书。政策写下的并不只是机器的使用规则，也是在回答一个更严厉的问题：人工智能时代，社会为什么还需要图书馆？
主要资料
- International Federation of Library Associations and Institutions. (2020). IFLA Statement on Libraries and Artificial Intelligence. https://www.ifla.org/wp-content/uploads/2019/05/assets/faife/ifla_statement_on_libraries_and_artificial_intelligence.pdf
- Association of Research Libraries. (2024). Research Libraries Guiding Principles for Artificial Intelligence. https://www.arl.org/wp-content/uploads/2024/04/Research-Libraries-Guiding-Principles-for-Artificial-Intelligence.pdf
- Library of Congress. (2024). Artificial Intelligence at the Library of Congress. https://www.loc.gov/digital-strategy/artificial-intelligence/
- Toronto Public Library. (2025). Artificial Intelligence Policy. https://tpl.ca/policies-and-terms-of-use/artificial-intelligence-policy/
- The Seattle Public Library. (2025). Library Use of Artificial Intelligence. https://www.spl.org/about-us/policies/library-use-of-artificial-intelligence
留下评论