人工复核、馆员劳动与图书馆的公共信任
如果说供应商控制决定了图书馆能否掌握系统，那么劳动安排决定了图书馆能否掌握自己的专业判断。一个机构可能保住了数据，却在追逐效率的过程中失去馆员能力；也可能建立了人工复核制度，却把复核变成没有时间、没有权限、没有承认的额外劳动。
这不是岗位待遇的附属问题。馆员一旦只剩下替机器签字和纠错，图书馆的专业责任就已经被掏空。
生成式人工智能最容易证明的优点，是快。几秒钟生成一份摘要，一分钟写出活动文案，成百上千条元数据似乎转眼就能完成。演示做到这里，掌声通常已经响起。
可图书馆不是演示厅。摘要要核对，文案要审查，元数据要抽检，错误还要回溯。机器节省的时间很醒目，人类补上的时间却常常没有进入统计。
“效率提高”是一项需要验证的判断，不能当作应用AI的免责牌。
机器快，人未必轻松
美国圣何塞州立大学学者Lili Luo对图书馆员日常使用生成式AI的调查显示，馆员已经把它用于写作、构思、编程、教学和信息整理；与此同时，准确性、隐私、偏见和专业判断仍是持续顾虑。[1] 英国CILIP的行业调查也显示，图书馆人员对AI的采用、信心和机构支持并不均衡。[2]
这类调查提醒我们，不能只问“用了没有”，还要问使用后发生了什么。AI可能减少初稿时间，却增加事实核验；可能提高文字产量，却使馆员接手更多原本不会开展的任务；可能让新手迅速得到一个像样答案，也可能让其更难发现答案的问题。
真正的效率至少要计算四类成本：生成、复核、纠错和解释。只计算第一项，结论必然漂亮。
“最终由人负责”可能是一种卸责
政策文本普遍强调人工监督。这是必要条件，却不是充分条件。
一个馆员若无法了解模型来源、不能查看系统日志、没有足够时间复核，也无权否决上线，他承担的只是责任，谈不上监督。更糟的是，系统由管理层采购，规则由技术部门设置，内容由模型生成，最后由一线人员签字。权力分散在上游，责任沉到下游。
合理的责任安排应当与控制能力对应。机构负责选择工具和配置环境；管理者负责预算、流程与人员；馆员在其专业范围内核查内容；供应商对模型、数据处理和事故通报负责。影响读者权益的决定，不能通过合同全部转给厂商，也不能用一句“用户自行判断”转给读者。
专业判断不是等待自动化的残余
参考咨询、馆藏选择、主题标引和阅读推荐包含大量专业判断。它们不是因为技术尚未成熟才需要人，而是因为其结果牵涉价值、情境和责任。
一条医学咨询需要判断证据等级和适用人群；一项馆藏选择要权衡质量、需求、代表性和经费；一个主题词会影响作品今后如何被发现。这些工作当然可以得到机器帮助，但机器输出更快，并不自动取得决定权。
政策应当保护馆员提出异议的权利。若员工发现工具反复制造错误、歧视某类语言或无法满足业务需要，应有升级和暂停渠道。否则，“人类监督”只剩下一项被动义务。
披露不能只靠一个AI标签
透明常被简化为给内容贴上“AI生成”。标签有时必要，却不能代替说明。
公众更需要知道的是：AI在服务中扮演什么角色，是否处理个人数据，结果是否经过人工检查，能否要求人工帮助，如何纠正错误。把这些问题压缩成一个小图标，透明就成了装饰。
披露也要有比例。拼写检查和格式整理不必逐次声明；AI若实质性生成对外内容、影响资源排序、参与专业判断或处理用户数据，则应主动告知。关键不在工具是否“用了AI”，而在它是否改变了内容、权利或责任。
非AI服务不是怀旧配置
2026年美国图书馆协会指南提出，在可能情况下，用户应能获得人工帮助并选择非AI路径。[3] 这不是对技术进步的礼貌性保留。
老年人、未成年人、残障读者、数字能力不足者以及处理敏感问题的用户，可能无法或不愿接受算法服务。若图书馆把AI设为唯一入口，所谓便利会首先排除最需要公共服务的人。
保留人工路径还有治理价值。它提供比较基线：AI服务究竟更快、更准，还是只是更便宜。没有替代方案，效果评价很容易退化为“上线以后使用量增加”。
怎样判断一项AI应用是否有效
调用次数和生成数量只能证明系统在运行。图书馆还应观察：事实错误率是否下降，人工复核需要多久，哪些语言和群体得到较差结果，用户是否投诉，员工是否承担额外隐性劳动，无障碍体验是否改善，系统错误能否及时纠正。
对高风险业务，可以保留一段时期的人工基线，比较AI与非AI流程。对生成元数据，可抽样评估准确性与偏差。对智能咨询，应记录转人工比例、错误类型和读者纠正情况。效果不好时，政策要允许缩小范围或停用，而不是用更多宣传挽救项目。
公共信任经不起廉价试验
图书馆使用AI有一个其他机构未必拥有的优势：公众仍愿意相信它。这也是最容易被挥霍的资源。
技术公司可以把生成错误称为产品迭代，公共知识机构却不能长期要求读者替它测试真假。图书馆当然不可能保证绝对无错，但它应当说明采用依据、设置复核、接受纠正，并在证据不足时保持克制。
机器节省十分钟，人需要半小时证明机器没有犯错。这未必毫无价值，但至少应如实入账。真正的效率，不是把劳动从报表里删掉；真正的负责，也不是把人的签名贴在机器结论下面。
不过，劳动和复核标准不能脱离机构使命。国家图书馆保存文化记忆，公共图书馆保障社区权利，高校馆服务研究，专业馆处理高风险证据。下一篇需要讨论的，正是共同原则到了不同馆种以后，为什么必须长出不同的制度形态。
主要资料
- Luo, L. (2025). Use of generative AI in aiding daily professional tasks: A survey of librarians' experiences. Library Trends, 73(3), 381–398. https://doi.org/10.1353/lib.2025.a961200
- CILIP. (2025). AI and the UK Library Profession: Survey Report 2025. https://www.cilip.org.uk/resources/reports/ai-survey-report-2025/
- American Library Association. (2026). Guidance on the Use of Artificial Intelligence in Libraries. https://www.ala.org/tools/standards-and-guidelines/guidance-use-artificial-intelligence-libraries
留下评论