从行业共识到“一个总则、四类细则”
前七篇已经说明，没有政策会让图书馆失去边界，只有口号会制造虚假安全，照抄模板又会遮蔽馆种差异。最后需要把讨论落到馆长的办公桌上：明天开始，究竟先做什么？
这一步很容易被“制定文件”四个字带偏。图书馆需要建立的是决策能力，文件只是这种能力的公开记录。若工具、数据、权限和责任仍然混乱，再漂亮的制度文本也只是给混乱加了一张封面。
馆长决定制定AI政策时，最容易做的第一件事是成立起草组，最容易做错的第一件事也是成立起草组。
如果起草组拿到的任务只是“参考国内外文件，尽快形成我馆制度”，它多半会生产一份措辞周全的原则汇编。真正需要做的第一步，是把本馆已经发生的事弄清楚。
谁在用什么工具？哪些系统已经嵌入AI？哪些数据会离开机构？哪些输出面向公众？谁在复核？谁有权停止？四张清单比四十条口号更接近治理。
我国已有基础，也有明显缺口
国内高校图书馆在生成式AI专题、引用说明、学术诚信、事实核查和工具导航方面行动较快。深圳大学、武汉大学、大连理工大学、香港中文大学（深圳）、昆明理工大学等馆都留下了公开材料。上海科技大学图书信息中心还参与校内生成式AI服务平台建设，使服务平台与规章制度相互配合。[1][2][3][4][5][6]
这些探索不应被轻视。它们说明图书馆具备把复杂技术翻译为用户教育的能力。
缺口也很清楚。公开材料较多回答“师生怎样用”，较少回答“图书馆怎样用”；较多涉及引用与诚信，较少涉及员工权限、业务流程、采购条款、事件报告和退出。公共图书馆、国家图书馆和专业图书馆的公开制度证据尤其有限。
“公开证据有限”不等于“内部没有制度”。但政策长期不公开，会使同业无法学习，公众也难以判断机构承诺。国家和行业层面需要先提供共同底座。
十项基本原则
一套可用的图书馆AI政策，至少应坚持以下原则。
使命优先。 采用AI要能说明服务目的，不能把“用了新技术”本身当作成果。
风险分级。 管理强度取决于数据、用途和影响，不取决于产品名气。
数据最小化。 能不收集就不收集，能不用个人数据就不用，不能把公共模型当临时文件柜。
人保有决定权。 影响用户权益、专业判断和组织责任的决定，不得只由机器作出。
透明可追溯。 重要用例有登记，实质性生成有披露，错误和修订有记录。
公平与无障碍。 评估不同语言、群体和残障用户受到的影响，不以平均准确率掩盖特定伤害。
供应商不能成为责任黑洞。 合同外包技术，不能外包公共责任。
保护专业劳动。 AI应用不能以去技能化、过度监控或把复核成本无偿压给员工为前提。
保留非AI路径。 对重要公共服务，用户应能获得人工帮助；在证据不足时，机构也应能选择不用。
可评价、可暂停、可退出。 试点有期限，政策有复审，失败项目可以停止。
这些原则不必全部写成整齐的口号。每一条都要在后续细则中找到对应程序。
八个步骤
第一步：完成四张清单
工具清单包括员工主动使用的平台，也包括数据库、发现系统、办公软件和安全设备中的嵌入功能。数据清单区分公开、内部、敏感和禁止外传信息。场景清单记录AI用于哪里、影响谁、是否对外。责任清单标明业务、技术、隐私、采购和管理责任。
第二步：确定政策范围
政策适用于员工、外包人员、志愿者还是所有合作方？覆盖免费工具、试用版和嵌入式AI吗？读者个人使用与图书馆提供服务之间如何区分？边界不清，制度便会在最需要时失效。
第三步：进行风险分级
公开资料格式整理、无敏感信息的内部构思，可列为低风险。宣传内容、一般翻译、元数据建议和普通咨询属于中风险，需要专门复核或抽检。借阅记录、未公开研究数据、招聘考核、法律医疗建议和资格决定属于高风险，原则上不得使用公共模型。
第四步：设置治理权限
谁批准新工具，谁审查数据，谁评估供应商，谁处理投诉，谁可以暂停系统？小馆不必照搬大型委员会，可指定责任人并借助联盟资源；但不能让职责停在“相关部门”。
第五步：制定操作规则
规则应回答谁审、审什么、怎样审、审不过怎么办。不同业务使用不同标准。参考咨询核对来源和时效，翻译由具备语言能力者复核，元数据进行抽样与错误回溯，宣传内容检查事实和权利。
第六步：改造采购流程
把模型说明、训练用途、数据保留、子处理商、功能关闭、事故通报、审计和数据删除写进供应商问卷与合同。续订数据库时同样审查新添AI功能。
第七步：先试点，再扩展
限定数据、限定人群、限定期限。试点开始前确定成功与停止标准，不能先上线再临时寻找指标。
第八步：公开、评价和修订
政策页面注明批准机构、生效日期、版本、联系人和下次复审时间。重大用例建立登记。错误、投诉、暂停和退出进入记录，年度报告公布可以公开的汇总结果。
一个总则、四类细则
我国图书馆可以采用模块化结构，避免把所有问题塞进一份难以修改的长文件。
一个总则：本馆人工智能使用与治理政策。 总则规定价值、范围、风险分级、治理架构、基本权利和问责。
员工与内部管理细则。 规定批准工具、数据禁入、账号使用、输出核查、培训和违规处理。
读者服务与内容生成细则。 覆盖参考咨询、推荐、活动宣传、翻译、无障碍内容、披露、人工帮助和投诉。
数据、系统采购与供应商细则。 规定影响评估、合同条款、安全、模型更新、日志、审计和退出。
馆藏、版权、元数据与生成内容细则。 处理许可资源、训练使用、AI作品入藏、自动标引、生成内容标识和长期保存。
模块化的好处在于，总则保持稳定，细则随技术与业务更新。若把具体产品名称写进总则，政策的寿命可能比试用账号还短。
五级成熟度，不是五级排名
图书馆可以用五级模型判断自身位置。
一级是信息提供，有专题网页、工具介绍和培训。二级是行为指导，提供引用、披露、数据保护和核查建议。三级进入组织规则，明确员工适用范围、责任人和正式要求。四级形成系统治理，具有工具审批、影响评估、供应商管理和审计。五级是适应性治理，公众参与、效果评价、版本修订、暂停退出和非AI替代路径均有证据。
规模小不等于等级低。小馆可以使用联盟评价和共享合同条款，建立简单而闭合的制度。大馆文件很多，也可能仍停在第二级。
国家图书馆和行业组织应当承担什么
单馆各自摸索，会重复消耗资源，也难以约束大型供应商。国家图书馆、行业学会和区域联盟可以提供六类公共产品：行业基本原则；分馆种示范文本；供应商评价问卷；合同示范条款；政策与事件案例库；面向馆长、业务人员和技术人员的分层培训。
还应定期发布全国图书馆AI治理报告，区分用户教育、内部制度、系统采购和实际效果。只有这样，行业才能知道自己究竟走到了哪里，而不是依据几次会议和几个示范项目判断形势。
馆长最终要回答五个问题
哪些价值不能拿来交换？哪些风险可以接受？哪些应用必须审批？谁有权停止系统？图书馆怎样向公众证明自己仍然值得信任？
回答清楚，政策才可能简洁。回答不清，再长的文件也只是把犹豫排版得很整齐。
图书馆不必成为人工智能的抵抗者，也不该成为技术公司的产品陈列室。它的责任，是让新工具进入公共知识空间时，接受公共价值的约束。
八篇文章最终指向同一项选择：图书馆可以把AI当作一次技术采购，也可以借此重新确认自己为何存在。前一种选择或许更快，后一种选择才决定未来。
主要资料
- 深圳大学图书馆：《生成式人工智能专题》，https://www.lib.szu.edu.cn/learning/ai
- 武汉大学图书馆：《AI使用指南和规范》，https://oldwww.lib.whu.edu.cn/webfile/category/1105.html
- 大连理工大学图书馆：《AIGC使用规范及著录建议》，https://www.lib.dlut.edu.cn/index/xxsyjy/AIsyzt/AIGCsygfjzljy.htm
- 香港中文大学（深圳）图书馆：《引文指南》，https://library.cuhk.edu.cn/zh-hans/citation-guides
- 昆明理工大学图书馆：《GenAI工具使用指南》，https://lib.kust.edu.cn/scsAI/GenAIgjsyzn.htm
- 上海科技大学生成式人工智能服务平台：《规章制度》，https://aiplat.shanghaitech.edu.cn/zsk/list.htm
留下评论