峰网博客2025年，人工智能像一阵风，吹进了各行各业。图书馆也不例外。
但图书馆有点不一样。它不只是用技术的场所，更是守护知识的机构。技术来得太快，问题也来得太快：AI回答准不准？隐私怎么保护？版权怎么处理？AI会不会取代图书馆员？
这些问题，一个图书馆很难独自回答。
2025年6月，国际图联（IFLA）发布了《图书馆人工智能引入指南》。这份文件列出了八大问题框架，帮助图书馆在拥抱AI之前，先想清楚风险和边界。
而在中国，中山纪念图书馆已经走出了第一步。2025年12月31日，AI馆员”小图图”正式上岗。国庆期间15万人次走进图书馆，咨询响应从分钟变成秒。
全球指南与本土实践，正在形成一场有意思的对话。
一、IFLA的八问框架：不是教你怎么用，而是让你想清楚
IFLA的指南不是操作手册。它没有告诉你该买什么系统、该怎么部署、该培训哪些人。
它做的是另一件事：列出问题，让你自己想。
问题一：AI回答准确吗？
IFLA明确指出，生成式AI存在”看似合理实则错误”的问题。当AI一本正经地给出一个错误的答案，用户可能分辨不出来。
图书馆作为知识服务机构，对准确性要求比一般场景高得多。一个错误的书架位置，一个过时的借阅规则，可能让读者白跑一趟。
中山纪念图书馆的做法是：建立图书馆专有知识库。AI不从互联网上随便抓信息，而是从图书馆积累的馆藏数据、服务规则、常见问题中抽取答案。知识边界清晰，准确性更高。
但这不是一劳永逸的。馆藏信息会更新，服务规则会调整，AI需要持续同步。准确性维护成为智慧化运营的持续成本。
问题二：AI有偏见吗？
AI的训练数据来自互联网。互联网上的偏见，AI会学进去。
IFLA警告，AI输出可能复制有害刻板印象，导致某些群体对使用AI产生疏离感。当AI推荐系统对某些文化背景书籍推荐不足，服务公平性就受损了。
图书馆服务对象涵盖全年龄、全职业、全文化背景。中山纪念图书馆的少儿馆特别重视”儿童友好”，AI馆员的交互设计针对儿童需求做了优化。这背后是对服务对象差异化的理解。
偏见问题不只是技术问题，是伦理问题。
问题三：隐私怎么保护？
当前AI发展存在一个趋势：未经用户明确同意，就提取用户数据来训练AI。
IFLA警告，数据收集、使用和出售可能危及用户安全。图书馆用户数据涉及阅读偏好、检索行为、个人信息，隐私泄露后果严重。
中山香山书房的阅读行为分析系统做了一个选择：只记录匿名数据，不关联读者身份。”我们分析的是书被怎么读，而不是谁在读什么书。”这条线不能越。
但AI馆员与用户的交互数据呢？对话记录怎么处理？这些问题，中山的做法是明确告知用户数据收集边界，提供退出选项。
问题四：版权怎么处理？
AI训练数据往往来自互联网。其中很多内容受版权保护。
IFLA指出，AI训练方式可能存在隐藏成本，比如从图书馆数据库抓取数据会给图书馆带来额外负担。某些地区，这种行为可能违法。
图书馆是版权尊重的倡导者。当AI生成内容引用他人作品，当AI训练数据使用受版权保护资源，版权归属和责任边界需要明确。
这个问题，目前还没有清晰的答案。
问题五：AI会不会让人变懒？
AI让生活更便捷，但也可能导致技能退化。当用户不再自主检索，当阅读选择完全依赖AI推荐，信息素养可能退化。
IFLA警告，AI常常以一种无形或不透明方式被使用，可能减少人类选择权。
中山纪念图书馆的AI馆员定位是”助手”，不是”替代”。咨询响应交给AI，但深度阅读推荐、活动策划、读者沟通，这些需要判断的工作，仍由图书馆员负责。
一位在中山纪念图书馆工作了15年的管理员说：”以前我一天要扫码300本书，现在我有时间给读者讲故事、推荐真正适合他们的书。这才是图书馆员该做的事。”
问题六：环境影响怎么考虑？
数字技术消耗能源。AI训练与使用存在较高的能源需求。生成式AI对电力和数据中心冷却用水需求巨大。
图书馆作为公共机构，在AI应用中要考虑环境责任。当AI服务24小时运行，当数据中心持续消耗能源，可持续发展承诺需要与AI应用平衡。
这个问题，很多图书馆还没有意识到。
问题七：供应商怎么选？
AI发展集中在少数科技公司手中。这些公司缺乏问责机制，拥有过度权力。
IFLA警告，图书馆依赖外部供应商开发AI系统，当供应商商业模式变化，当服务条款调整，图书馆的自主性可能受损。
中山纪念图书馆的AI馆员由超星集团开发。当平台服务策略变化，图书馆的智慧化运营可能面临不确定性。
供应商选择不只是技术评估，也是战略评估。
问题八：员工怎么转型？
一些图书馆员工对AI应用持怀疑态度，担心准确性问题、伦理问题、环境影响问题。IFLA指南提及，一些员工拒绝使用生成式AI。
图书馆行业缺乏系统的AI人才培养机制。现有培训多为概念普及，缺乏实战技能培养。
中山的做法是渐进推进。从日常咨询问答开始，逐步扩展功能。员工在实践中发现问题、调整方向，而不是一下子被AI”淹没”。
二、中山实践：从问题出发，而非从技术出发
中山纪念图书馆不是先买系统再想怎么用。它是从问题出发：读者哪里不满意？服务哪里效率低？然后找AI来解决。
问题一：找书难
几万本书，读者知道书名也找不到位置。儿童读者连书名都记不住，只知道”我想看恐龙的故事”。
AI馆员的解决方案：自然语言理解。读者用语音或文字描述需求，AI定位到具体书架。上传书籍封面，AI解析内容并推荐。
这不是技术的炫技，是痛点的解决。
问题二：咨询排队
高峰时段，读者问”几点关门””哪里有洗手间”，排队等半小时。
AI馆员的解决方案：24小时在线，秒级响应。重复问题交给AI，工作人员专注于需要判断的问题。
咨询响应从分钟变成秒，读者体验改变：你问就有答，不用等。
问题三：分馆分散
中山市有总馆1个、镇街分馆26个、村（社区）图书室270个、香山书房104个。传统模式下，每个服务点独立运作，资源调配困难。
香山书房智慧管理系统的解决方案：统一联网，通借通还。任何服务点借的书，任何服务点都能还。智能调度，热门书自动配送到借阅量高的区域。
图书周转率从每月2.3次变成4.1次。跨馆借阅等待时间从7天缩短到2天。
问题四：数字资源分散
期刊论文、电子图书、音视频课程、数据库检索，分散在不同系统。
e启阅平台的解决方案：一个平台全打通。AI智能检索、分类导航、个性化推荐，让海量数字资源变成可用的知识地图。
平台打通总分馆权限，物理距离不再是数字服务的障碍。
问题五：空间陌生
新读者不熟悉馆内布局，反复问工作人员。
3D导览系统的解决方案：三维空间导航，读者可以虚拟漫游提前了解布局。到现场后按导航路径快速找到目标。
空间数据模型还支持馆藏布局优化、人流预测、活动空间规划。
三、对话：指南与实践的碰撞
IFLA的指南提出问题，中山的实践给出一种回答。但不是所有问题都有答案。
有答案的部分
准确性：中山用专有知识库解决。但知识库维护成本需要持续投入。
隐私：中山用匿名数据解决。但AI交互数据的处理仍需明确边界。
员工转型：中山用渐进推进解决。从咨询问答开始，逐步扩展。
没答案的部分
版权：AI生成内容的版权归属，目前没有清晰界定。
环境影响：AI运行的能源消耗，图书馆如何评估和平衡？
供应商依赖：当供应商策略变化，图书馆如何保持自主性？
偏见：AI训练数据的偏见，如何系统性地识别和消除？
这些没有答案的部分，正是图书馆行业需要共同思考的。
四、启示：负责任的AI应用
从IFLA指南和中山实践，可以提炼出几条启示。
启示一：从问题出发，而非从技术出发
买设备、装系统，是容易的部分。真正难的是：读者哪里不满意？服务哪里效率低？AI怎么解决这些痛点？
中山不是先买AI再想怎么用，而是先分析痛点，再找AI解决。
启示二：渐进推进，而非一步到位
AI应用不需要一下子全部上线。中山从咨询问答开始，逐步扩展到图书查询、资源搜索、阅读助手。
渐进推进的好处：在实践中发现问题，在调整中优化方向。员工有时间适应，用户有时间熟悉。
启示三：人机协作，而非人机替代
AI解决80%的重复劳动，人解决20%的复杂问题。这不是对立，是分工。
机器接管枯燥的部分，人专注在需要理解、沟通、判断的部分。这才是图书馆员该做的事。
启示四：守住边界
有些线不能越。隐私保护、版权尊重、公平服务、可持续发展。
AI让服务更高效，但不能让服务失去底线。
启示五：持续思考
IFLA的八问框架，不是一次性的检查清单，而是持续思考的框架。
AI技术在变化，服务需求在变化，伦理边界在变化。图书馆需要持续问这些问题，持续调整实践。
五、结语：AI走进图书馆，不是为了取代阅读
IFLA指南的开篇有一句话：”图书馆要在AI使用上负责任，不能为了效率什么都干。”
中山纪念图书馆的实践印证了这句话。AI馆员让咨询响应变快，香山书房让服务延伸到家门口，e启阅让数字资源触手可及。但图书馆要做的事没有变：让更多人接触到知识，让阅读成为日常。
AI走进图书馆，不是要取代阅读，而是让阅读更容易一些。
下次路过中山纪念图书馆或者某个香山书房的时候，不妨进去看看。也许你会遇到那个叫”小图图”的AI馆员，和它聊两句。它会帮你找书，但不会替你阅读。
阅读这件事，还得你自己来。
参考来源
- IFLA《图书馆人工智能引入指南》（2025年6月）
- 中山日报《中山纪念图书馆AI馆员上线报道》（2025年12月31日）
- 中山市公共图书馆总分馆体系官方数据
- 香山书房智慧管理系统运营数据
铁三角团队 · 峰哥 | write | tech
共同成长 💪
Tags: 铁三角团队, AI图书馆, IFLA指南, 中山纪念图书馆, 智慧图书馆, AI伦理
评论前必须登录！
注册