试点、争议、社会反响与“活政策”
前六篇讨论了政策应保护什么、怎样执行、如何采购以及不同馆种的差异。但一份政策真正的品质，往往要等到它遇见现实才看得出来：员工不接受，供应商不给材料，公众提出异议，试点效果不佳，或者原先没有想到的群体受到影响。
政策若只能在顺利时运行，它就不是治理，只是一份发布条件良好的文件。
一项政策获得批准，上传官网，新闻稿宣布机构重视负责任人工智能。到这里，最容易展示的工作已经做完了。
难事刚刚开始。
馆员是否知道新规则？免费工具是否真的停止使用？供应商是否提交材料？复核时间从哪里来？公众是否理解披露标签？出现错误后有没有人记录？这些问题不会因为文件语言严谨而自动得到答案。
政策通常晚于使用
图书馆制定AI政策时，员工往往已经试用了多种工具，数据库已经嵌入摘要和问答，读者也已经形成使用习惯。政策面对的不是一张白纸，而是一间已经有人工作的房间。
所以，起草前首先要盘点现实：有哪些工具，处理哪些数据，用于哪些场景，谁在负责。若跳过盘点，政策容易围绕最知名的聊天机器人展开，真正影响业务的嵌入式功能反而躲在视线之外。
国际图联AI特别兴趣组2023年提出图书馆制定战略回应的方法，已把组织准备度、偏见、开源、专业能力和图书馆的可信地位纳入讨论。[1] 这比一张工具清单更接近政策形成所需的调查。
好政策不是少数人的写作比赛
政策制定需要业务、技术、隐私、法务、采购和管理人员共同参与。大型公共图书馆还应听取员工代表、无障碍专家、社区组织和读者意见。馆藏与生成内容政策则不能忽视作者、出版者和创作者群体。
利益相关者参与不是为了让所有人满意。它的作用是让风险在上线前暴露。技术部门可能知道数据怎样传输，馆员知道读者会怎样使用，创作者知道哪些做法会被视为不当借用，残障用户则知道所谓无障碍功能在现实中是否可用。
没有这些声音，政策仍可写得很完整，只是完整地遗漏了现实。
多伦多的经验：政策需要组织资源
多伦多公共图书馆的AI政策不是孤立文件。其政策报告、战略实施路线图、员工培训、面向公众的Learn AI项目和年度进展报告形成了相互连接的材料。[2][3][4][5]
这种连接至少说明三件事。政策要进入战略和预算，培训要与员工职责对应，实施结果要回到报告中。只在网页上发布原则，不配置人员和评估，执行只能依赖个别热心员工。
多伦多案例也提醒我们，不要把面向公众的AI教育与内部治理分开。图书馆若教市民识别模型错误，自己却不记录服务中的错误；要求用户保护数据，采购时却不问厂商如何保存数据，教育就会失去说服力。
新加坡StoryGen争议：合法不等于正当
新加坡国家图书馆管理局使用生成式AI推出StoryGen体验，让公众与文学作品进行新的互动。项目体现了公共文化机构对新型阅读方式的探索。[6]
但2025年，一批新加坡作家发表集体声明，批评国家图书馆管理局对生成式AI缺乏批判，并质疑创作者权利、文学价值以及公共机构为技术背书的问题。[7]
这场争议的重要之处，不在于判定项目“支持创新”还是“伤害文学”。它表明，公共文化机构的合法性不只来自技术可行、内部批准和合同合规。项目若使用文学遗产、借用作家声誉或改变作品接受方式，创作者和公众会追问：谁被咨询，谁从中受益，谁承担被替代或被误读的风险。
政策若只检查数据安全与版权许可，仍可能错过公共信任。程序合规不是社会同意的替身。
反响不等于效果
AI项目获得媒体报道，不能证明服务有效；没有公开争议，也不能证明没有问题。员工的热情、读者报名人数、社交媒体评价和治理效果属于不同证据。
政策评价应追踪更具体的结果：错误和偏差事件、复核成本、投诉与申诉、对弱势群体的影响、供应商履约、项目暂停情况、员工能力变化。对于尚处早期的项目，应坦率说明只有过程证据，尚无长期效果。
这项区分很重要。政策文本喜欢承诺“提高效率、促进创新、维护信任”。这些是目标，不是成绩。
让异议进入制度
馆员内部不会形成整齐意见。有人把AI视为新型信息工具，有人担心职业去技能化，有人赞成受控试验，也有人认为某些商业模型与图书馆价值冲突。政策不必消灭分歧，应当规定怎样处理分歧。
员工需要能够报告问题、拒绝明显不合适的用途，并把争议升级到有权决策的层级。公众需要投诉和纠正入口。重大项目应公布基本信息，说明使用目的、数据类型和责任部门。
若异议只能在走廊里表达，管理层得到的永远是一片赞同。
“活政策”不是随意改政策
芬兰国家图书馆把AI原则称为活文件。[8] 这个说法容易被误解为政策可以跟着潮流频繁变化。真正的活政策恰恰需要稳定程序：版本号、生效日期、批准机构、下次复审时间、修改摘要、事件记录和退出条件。
模型会变，供应商会变，法律和用户习惯也会变。政策若不保留历史，人们便无法知道某项决定依据的是哪一版规则。修改不是问题，无痕修改才是。
文件最安静的时候，未必是执行最稳的时候。没有投诉，可能因为没有入口；没有事故，可能因为没人记录；没有修订，可能因为政策已经被忘记。
政策发布不是终点。它只是机构从此愿意留下证据的开始。
这些证据最终要回到决策者手中。对于我国图书馆，问题已经不能停在“是否需要制定”：需要什么共同底线，馆长从哪里着手，行业组织又该提供哪些公共工具，必须形成一条可以执行的路线。
主要资料
- Cox, A. M. (2023). Developing a Library Strategic Response to Artificial Intelligence (Version 1.1). IFLA AI SIG. https://www.ifla.org/g/ai/developing-a-library-strategic-response-to-artificial-intelligence/
- Toronto Public Library. (2025). Artificial Intelligence Policy: Staff Report and Policy. https://tpl.ca/wp-content/uploads/sites/164/2025/05/21-artificial-intelligence-policy-combined.pdf
- Toronto Public Library. (2025). 2025–2029 Strategic Plan Implementation Roadmap and Measurement Framework. https://tpl.ca/wp-content/uploads/sites/164/2025/05/16-2025-2029-strat-plan-implementation-and-final-balanced-scorecard-2020-2024-combined.pdf
- Toronto Public Library. Learn AI. https://tpl.ca/programs-and-classes/featured/learnai/
- Toronto Public Library. (2026). 2025 Strategic Plan Progress Annual Report. https://tpl.ca/wp-content/uploads/sites/164/2026/04/18-2025-strategic-plan-progress-annual-report-combined.pdf
- National Library Board Singapore. (2024). Using Innovative Technologies to Reimagine Libraries and Archives Services. https://www.nlb.gov.sg/main/about-us/innovation/using-innovative-technologies-to-reimagine-libraries-and-archives-services
- Channel NewsAsia. (2025). Writers in Singapore Issue Collective Statement Denouncing NLB's “Uncritical Endorsement” of Generative AI. https://cnalifestyle.channelnewsasia.com/singapore/singapore-writers-statement-nlb-generative-ai-444001
- National Library of Finland. (2025). Principles of AI Use at the National Library of Finland. https://www.kansalliskirjasto.fi/en/about-us/duties-and-strategy/library-policies/principles-ai-use-national-library-finland
留下评论