当AI走进图书馆：中山市的信息化实践

排队15分钟到30秒，发生了什么

中山纪念图书馆的借阅大厅，曾经和大多数图书馆一样：管理员坐在柜台，读者排队等候，借一本书要15分钟。

2023年智慧化改造后，排队时间降到30秒。扫码、借阅、离开，全程自助。图书流通率涨了217%，读者满意度从67%变成89%。

这数字看着有点夸张，但我去实地看过，确实是真的。更重要的是，那些从柜台解放出来的馆员，现在在阅览区做阅读指导，在社区搞活动，在学校做推广。

机器处理流程，人处理关系。这才是正确的分工。

8个人管127个书房

中山市香山书房项目，三年时间建了127个点位，覆盖社区、商圈、公园、企业。每个书房都有智能门禁、自助借还机、环境监测、安防监控。

重点是——全部无人值守，24小时开放。

后台运维团队只有8个人。

他们不坐在书房门口登记。他们在后台看数据。系统自动预警异常，他们派人调研、解决问题。人力成本降87%，开放时长翻3倍，读者访问量破800万。

同样的预算，传统模式最多30个点位。AI赋能后，翻了4倍。

AI做了什么？读者行为分析、图书推荐、库存预警、环境调控、安防巡查。

8个人管理127个空间。在没有AI的时代，这是不可能的。

总分馆的关键：数据打通

很多城市的总分馆体系，名字上是”总分馆”，实际上各自独立运营。总馆有自己的采购系统、借阅系统、管理系统。分馆也有自己的。数据互不相通，资源无法协同。

中山做了一件不一样的事：统一平台、统一资源、统一数据。

总馆中山纪念图书馆是中枢，127个香山书房是节点，镇街分馆是支点。所有节点的数据实时上传到总馆后台。

数据打通，才能知道读者真正需要什么。

主馆的热门书籍，可以预测分馆的需求。分馆的读者偏好，可以反推主馆的采购方向。

中山纪念图书馆的采购员，以前的工作是：跑书店、看书评、听读者反馈、凭经验下单。一个月采购3000册，准确率60%。

现在，AI系统根据全系统借阅数据，自动生成采购建议。哪些书缺货、热门、冷门但有价值，系统比采购员更清楚。

采购精准度涨42%，库存周转率涨35%，采购成本省23%。

采购员的工作从”选书”变成”确认”。AI推荐，人判断。

说实话，这才是AI应该做的事。不是替代人，而是把重复的筛选工作交给机器，让人做最终判断。

借书还书，不再有边界

读者在中山纪念图书馆借了一本书，可以在任何分馆或香山书房还书。系统自动记录、分拣、调度。一本书从借出到归还，轨迹全程可追溯。

AI做了智能调度。根据各书房的需求和库存，自动安排图书调配。热门书从周转率低的书房调到高的书房，冷门书从拥挤的书房调到有空位的书房。

图书周转率从每月2.3次提升到4.1次。

传统模式下的总分馆，读者借了书只能回到原馆还。跨馆借阅需要人工登记、人工调度、人工通知。等待时间往往超过一周。

中山的AI系统把这个时间压缩到两天。

读者在手机上预约跨馆借阅，系统自动安排调配，两天后通知取书。

自动化调度，人工只做异常处理。

从7天到1天，数据驱动决策

中山纪念图书馆的后台，每天处理50万条数据。

我第一次听到这个数字时，有点怀疑。50万条，馆长真的能看懂吗？

后来我意识到，问题不是”看懂”，而是”看见”。

读者画像、借阅偏好、时段分布、区域热度、图书周转，全部实时可视化。馆长打开手机APP，就知道今天哪个香山书房热门，哪个区域借阅量下降，哪本书缺货了。

传统图书馆的管理模式是什么？馆长坐在办公室，等馆员汇报，等读者投诉，等上级检查。发现问题的时间，往往是7天甚至更久。

中山把这个问题压缩到了1天。

2024年一季度，系统预警：某社区香山书房儿童绘本借阅量异常下降15%。

馆长派人调研，发现周边学校放学时间调整了。图书馆立刻调整开放时段，两周后借阅量恢复正常。

这类问题以前靠读者投诉才知道。现在AI主动预警。

数据没有取代判断，而是让判断有了依据。

隐私怎么保护

AI系统处理读者数据，隐私问题怎么解决？

中山的做法：数据脱敏。

读者借阅记录不上传姓名、身份证号、联系方式。系统只记录借阅行为：时间、地点、书目类型。读者画像用匿名ID，不关联个人信息。

分级授权机制。总馆馆长可以看全局数据，分馆馆长只能看本馆数据，书房管理员只能看本书房数据。数据访问有边界。

安全监控。后台记录每次数据查询，异常访问触发审计。馆员违规查询读者隐私数据，系统自动记录并上报。

中山摸索了两年，才找到这个平衡点：数据要用，隐私要保。

技术选型要务实，安全边界要清晰。

其他城市能复制什么

中山不是孤例。全国超过200个城市启动公共图书馆智慧化改造。深圳、杭州、成都、武汉都在探索。

中山的经验，其他城市能复制什么？

第一，数据可视化是起点。不是先建AI推荐系统，而是先把数据变成可视化图表。馆长看懂了数据，才有判断依据。

第二，预警机制比推荐更重要。AI推荐书单是锦上添花，预警系统异常才是刚需。问题发现速度从7天到1天，价值比推荐更大。

第三，数据安全不能后补。一开始就要做脱敏、分级授权。等系统上线后再补安全措施，成本更高，风险更大。

第四，分步推进，不要一步到位。先做自助借还，再做数据分析，再做智能推荐。读者和馆员需要时间适应，技术需要时间迭代。

智慧图书馆的核心不是AI技术，而是数据思维。让管理者从等汇报变成看数据，从被动发现问题变成主动预警问题。

这是中山走出的路。

铁三角团队 · 峰哥 | write | tech
共同成长 💪