AI时代,图书馆员的核心竞争力是什么?

最近我们连续讨论AI和图书馆转型的相关话题，一是“人工智能+教育”落地后，研究型图书馆的角色为何需要重新定义？，二是ALA发布《图书馆人工智能使用指南》：AI时代图书馆的五条伦理边界。

文章发出后，有朋友提出一个问题：如果人工智能进入图书馆后，咨询、检索、推荐、培训、编目、资源分析等许多图书馆员熟悉的日常工作，都可以被AI接管一部分，那么图书馆员今后的发展方向在哪里？图书馆员的核心价值是什么？

这个问题并不只是关于“会不会被替代”的职业焦虑。它真正指向的是：当技术开始重塑图书馆的服务流程、知识组织方式和读者关系时，图书馆员需要重新定义自己的核心竞争力。

换句话说：哪些判断、哪些责任、哪些公共价值，仍然必须由图书馆员来承担？

过去，一个读者走进图书馆，问的是“这本书在哪里”；一个学生打开数据库，问的是“这个主题怎么检索”；一个教师联系学科馆员，问的是“能不能帮我整理一批近五年的文献”；一个管理者面对经费预算，问的是“这个数据库还值不值得续订”。

这些问题，原本分布在咨询台、书库、数据库培训、学科服务、资源建设和统计评估等不同环节。如今，它们正在被同一种技术重新串联起来：智能体可以理解自然语言，可以调用工具，可以生成检索式，可以整理文献清单，可以起草培训材料，可以摘要论文，也可以根据使用数据给出资源配置建议。

这不是想象中的未来。OCLC 已经公开介绍人工智能在图书馆资源共享、馆藏处理、发现服务和 WorldCat 数据去重中的应用，2025年，OCLC 又表示其 AI 模型已被扩展到 WorldCat 中不同格式、语言和文字系统的书目记录去重工作[1]。

于是，一个尖锐的问题摆到图书馆行业面前：

当基础咨询、文献检索、书单推荐、元数据处理、用户培训、学科情报和运营分析都可以被智能体接管一部分，图书馆员还剩下什么？

我们真正要讨论的不是“AI会不会替代图书馆员”，而是“图书馆员的专业性究竟建立在哪里”。

答案或许可以这样概括：

AI时代，图书馆员的核心竞争力，不是比机器更会检索，而是在知识、技术、读者和公共价值之间，建立可信赖的连接。

被改变的首先是“熟练劳动”，不是图书馆的公共使命

先看一组基本事实。文化和旅游部《2024年文化和旅游发展统计公报》显示，截至2024年末，中国共有公共图书馆3248个，从业人员6.1万人，全国公共图书馆图书总藏量15亿册，阅览室座席数176.6万个[2]。

这说明，图书馆不是一个边缘行业。它仍然是公共文化服务、终身学习和社会知识保障的重要基础设施。

但也正因为图书馆体系庞大，AI带来的变化不会只停留在“多一个聊天机器人”上。它会深入到工作流程内部：咨询、检索、推荐、培训、编目、统计、分析、评估，都可能被重新组织。

过去，一名图书馆员的专业能力，常常体现在“熟悉”：熟悉馆藏，熟悉分类，熟悉系统，熟悉数据库，熟悉读者常问的问题，熟悉某项服务的办理流程。

这些能力仍然重要，但它们不再足以构成稳定壁垒。

因为智能体最擅长接手的，恰恰是这类边界清楚、流程固定、输入输出明确的任务。比如：回答开放时间、馆藏位置、数据库入口、借阅规则；根据关键词生成检索式；把一批论文整理成表格；将培训讲义改写成推文；根据元数据字段生成初步描述；根据读者兴趣生成书单。

换句话说，AI时代最先被压缩的不是“图书馆员”这个职业，而是图书馆工作中那些可流程化、可模板化、可批量化的熟练劳动。

这要求图书馆员重新回答一个问题：

如果我不再只是“知道怎么查”“知道在哪里”“知道怎么操作系统”的人，那么我的不可替代性来自哪里？

会检索不再是专业壁垒，会定义问题才是

在传统图书馆服务中，检索能力曾经是图书馆员最重要的专业能力之一。会不会选数据库，会不会用主题词，会不会构造检索式，会不会追踪参考文献，常常决定一项服务的质量。

但在AI时代，“找出一批资料”正在变得越来越容易。真正困难的，是判断用户到底需要什么。

一个学生说：“老师，我想查人工智能与教育的资料。”

智能体可以立即给出几十篇论文、几份报告和若干政策文件。但高级图书馆员首先不会急着给结果，而会反问问题：

这是本科课程作业，还是硕士开题？

是要中文资料，还是英文资料？

是要政策文件、实证研究，还是理论综述？

是关注中国场景，还是做国际比较？

是要近三年文献，还是要经典文献脉络？

是普通综述，还是系统综述？

是为了写论文，还是为了做课题申报？

这不是多问几句，而是在做一件更根本的事：把一个模糊的信息需求，转化为一个可以被检索、被验证、被评价的知识任务。

ACRL《高等教育信息素养框架》提出六个核心概念，包括“权威是建构的和情境化的”“信息创造是一个过程”“信息具有价值”“研究是一种探究”“学术是一场对话”“检索是一种战略性探索”[3]。

这些概念在AI时代并不过时，反而更重要。因为AI可以更快地生成答案，却不一定能判断问题是否成立；AI可以更快地给出路径，却不一定知道这条路径是否适合这个用户、这个学科、这个任务和这个证据标准。

因此，图书馆员的第一项核心竞争力，不是输入提示词的技巧，而是问题定义能力。

图书馆员的价值，不是永远比AI更快给出答案，而是知道什么时候不能急着给答案。

资源越容易获得，资源解释能力越稀缺

AI可以告诉读者一篇论文的题名、作者、摘要、关键词、引用格式和相关文献。它也可以把一批文献压缩成一页摘要。

但一篇文献“能不能用”，从来不是摘要能够决定的。

它发表于什么期刊？

这本期刊在该学科中的位置如何？

它是研究论文、综述、评论，还是会议摘要？

它的数据是否公开？

它是否被更正、撤稿或质疑？

它是正式出版版本，还是预印本？

它的结论适用于中国语境吗？

它被引用很多，是因为奠基性贡献，还是因为争议？

这类问题，才是图书馆员长期训练出来的资源解释能力。

2025年10月，ACRL 批准《学术图书馆工作人员AI能力》。这一文件把学术图书馆工作人员的AI能力分为伦理考量、知识与理解、分析与评价、使用与应用四类[4]。它还明确指出，该框架将广义AI素养转化为适用于学术图书馆工作人员的、图书馆场景化的能力体系[5]。

这意味着，在AI时代，图书馆员不能只做工具使用者，而要做结果解释者。

过去，图书馆员告诉读者：“这篇文章在哪里。”

现在，图书馆员还要告诉读者：“这篇文章为什么可信，可信到什么程度，不能支撑什么结论。”

这就是图书馆员的第二项核心竞争力：资源解释能力。

AI生成答案越容易，知识组织越重要

AI时代有一个常见误解：只要模型足够强，知识组织就不再重要。

事实可能相反。模型越强，对高质量知识底座的依赖越深。

图书馆长期积累的分类、编目、主题标引、规范控制、元数据、机构知识库、特藏整理、地方文献建设，并不会因为AI出现而失去价值。它们会换一种形态，成为智能体能否可靠运行的底层基础。

如果馆藏数据混乱，AI会更快地放大混乱。

如果元数据不准确，AI会更流畅地生成错误。

如果本地特色资源没有结构化，AI就很难理解一所学校、一座城市、一个学科的独特知识积累。

如果资源之间没有建立关联，AI给出的回答就可能只是碎片拼贴，而不是知识组织。

OCLC在2025年关于 WorldCat 去重的说明中强调，AI应用于书目数据处理时，关键问题不是简单使用AI，而是如何负责任、透明地使用AI，并使其符合专业编目标准，OCLC同时表示，AI应扩展人的专业能力，而不是替代人的专业能力[1]。

这一判断对图书馆行业很有启发：AI不是要取消知识组织，而是要求知识组织进入一个新阶段。

未来的图书馆员不只是“给书贴标签”的人，而是让知识能够被机器理解、被人类验证、被社会长期使用的人。

这就是第三项核心竞争力：知识组织能力。

真正需要治理的，不是一条AI回答，而是一整套服务流程

当AI只是一个问答工具时，风险看起来还有限。

但当AI成为全流程智能体，问题就不再是某一次回答是否准确，而是整个知识服务流程是否可靠。

一个图书馆智能体，可能同时参与：

读者咨询；

馆藏发现；

数据库导航；

论文推荐；

文献综述辅助；

学科简报生成；

元数据处理；

用户培训；

空间预约；

资源采购评估。

如果这些环节被串联起来，图书馆员的工作就不再只是逐条回答，而是设计规则：

哪些问题可以由AI自动回答？

哪些问题必须转人工？

哪些回答必须附来源？

哪些数据不能上传？

哪些用户日志不能长期保存？

哪些推荐结果需要人工审核？

哪些服务对象需要额外保护？

哪些错误必须可追溯？

IFLA在2023年发布的图书馆AI战略响应工作文件中指出，图书馆制定AI战略响应提供相关考虑，并通过一组问题支持本地决策[6]。

这说明，AI不是“买一个工具”就结束的事情。它更像是一次服务体系重构。

未来优秀的图书馆员，不一定是亲自完成每一个动作的人，而是能把人、机器、资源、规则、责任和风险组织成一套可信流程的人。

这就是第四项核心竞争力：流程治理能力。

AI越懂用户，图书馆员越要保护用户

图书馆和普通互联网平台有一个根本区别：图书馆服务的不只是“用户需求”，还包括人的求知自由。

一个人借了什么书，检索了什么疾病，关注了什么政治议题，研究了什么社会群体，下载了什么论文，咨询了什么问题——这些都不只是行为数据，也可能是一个人的思想轨迹、研究方向、学习困境和隐私边界。

ALA在2024年更新图书馆事业核心价值，将“获取、公平、知识自由与隐私、公共善、可持续性”列为五项核心价值[7]。 ALA关于核心价值的说明还指出，知识自由是图书馆和信息专业实践的基础，包含对个体自主性和尊严的尊重，以及个人独立思考、自由探究的权利。

这意味着，图书馆员在AI时代不能退化为“系统管理员”或“工具推广员”。他必须继续追问：

AI推荐是否限制了读者视野？

AI问答是否诱导读者接受单一答案？

读者数据是否被用于商业训练？

未成年人使用AI服务是否有边界？

算法是否对小语种、地方知识、少数群体研究不友好？

系统是否允许读者拒绝画像和追踪？

UNESCO在生成式AI教育与研究指南中强调，应以人本主义视角使用生成式AI，并提出监管生成式AI工具时要保护数据隐私、考虑用户年龄限制等要求[8]。

这就是图书馆员的第五项核心竞争力：数据伦理与读者权利保护能力。

AI越“理解用户”，图书馆员越要保护用户不被过度理解。

培训不再只是教数据库，而是重建判断力

过去，图书馆的信息素养教育，往往从数据库入口、检索式、布尔逻辑、引用格式开始。

这些现在仍然重要。但AI时代的信息素养，已经不只是“会不会查”。

它变成了：

会不会提出好问题；

会不会验证AI生成的来源；

会不会区分摘要和原文；

会不会识别看似完整但并不存在的参考文献；

会不会判断论文类型和证据等级；

会不会理解算法推荐的偏向；

会不会在论文写作中披露AI使用；

会不会保护自己的研究数据和个人隐私。

ACRL的AI能力框架强调，学术图书馆工作人员需要理解AI的基本概念，并能够在伦理、理解、分析评价和应用四个层面形成能力[4]。

这意味着，图书馆的信息素养教育必须从“教工具”升级为“教判断”。

未来最有价值的培训，不是“某某数据库十分钟入门”，而是：

如何用AI做文献综述但不被AI带偏；

如何用AI读论文但不把摘要当结论；

如何用AI写作但守住学术诚信；

如何用AI检索但保留证据链；

如何用AI辅助学习但不放弃自己的判断力。

这就是第六项核心竞争力：AI时代的信息素养教育能力。

数据越多，越不能被指标牵着走

AI会让图书馆获得更多数据。

哪些书被借走，哪些数据库被点击，哪些空间被预约，哪些关键词被搜索，哪些培训被观看，哪些AI回答被点赞，哪些资源被系统推荐，哪些学科产生更多咨询。

这些数据有用。

但数据不是价值本身。

下载量高，不等于学术价值最高。

借阅率低，不等于馆藏应该剔除。

点击率高，不等于资源质量更好。

AI推荐多，不等于读者真正需要。

短期热点，不等于长期学术积累。

满意度高，不等于答案严谨。

图书馆有许多资源，本来就不是为短期流量存在的：地方文献、古籍特藏、基础学科经典著作、少数群体研究资料、冷门语言文献、历史档案、长期保存型数字资源。它们的价值，常常不能被即时使用量完整衡量。

所以，图书馆员还需要一种“反指标绑架”的能力。

AI可以生成报表。但图书馆员要判断报表不能说明什么。

AI可以发现趋势。但图书馆员要判断趋势背后有没有偏差。

AI可以辅助采购。但图书馆员要守住馆藏建设的长期主义。

这就是第七项核心竞争力：指标解释能力。

学科馆员的价值，不是代查文献，而是理解共同体

AI可以帮教师找论文，但AI未必真正理解一个学科共同体。

一个成熟的学科馆员知道：

哪些问题是老问题，只是换了新名词；

哪些概念正在成为热点，但尚未形成稳定定义；

哪些期刊在该领域更有影响；

哪些会议更接近前沿；

哪些研究团队有长期积累；

哪些数据库覆盖不完整；

哪些开放资源值得信赖；

哪些指标不能跨学科比较；

哪些政策正在改变研究资助方向；

哪些青年学者、交叉团队和边缘议题需要被看见。

这些能力，不是一次提示词训练出来的。

它来自长期跟踪、反复服务、持续阅读和对学科共同体的嵌入。

未来的学科馆员，不应只是“数据库客服”，而应成为学院、教师、学生、出版社、数据库商、开放资源平台和科研管理部门之间的知识中介。

这就是第八项核心竞争力：学科理解与共同体连接能力。

图书馆员不能只会采购AI，还要会审问AI

未来图书馆会遇到越来越多AI产品：

AI发现系统；

AI馆藏推荐；

AI编目工具；

AI问答机器人；

AI阅读助手；

AI学科情报平台；

AI科研评价工具；

AI空间管理系统。

如果图书馆员只负责“上线”和“培训”，图书馆就会被供应商逻辑牵着走。

真正专业的图书馆员要追问：

系统用了哪些数据源？

是否能接入本馆馆藏？

是否支持中文资源和本地资源？

是否能给出来源？

是否能解释推荐逻辑？

是否允许人工纠错？

是否保存读者日志？

是否可以关闭个性化推荐？

是否对残障用户友好？

是否会把商业资源优先推荐给用户？

是否有退出机制和数据迁移方案？

IFLA关于图书馆与人工智能的声明指出，AI和机器学习在图书馆领域的应用，会涉及知识自由、公平、隐私、自动化、数字素养和知识产权政策等问题[9]。

这说明，图书馆员不能只是AI系统的消费者，更要成为AI系统的评估者和治理参与者。

这就是第九项核心竞争力：技术评估与供应商治理能力。

图书馆最终守护的，不是馆舍，而是公共知识空间

AI时代最容易出现的误判，是把图书馆理解成一个“信息服务终端”。

如果只是终端，AI当然可以做得更快。

如果只是问答，AI当然可以回答更多。

如果只是推荐，AI当然可以更精准。

但图书馆不是普通的信息平台。

图书馆要维护的是开放、平等、可信、可持续的公共知识空间。它既服务高频需求，也保存低频知识；既支持效率，也保护慢阅读；既回应当下问题，也保存未来可能需要的证据；既提供数字服务，也维护人与人之间的学习共同体。

ALA在2024年更新的核心价值中，将“公共善”（Public Good）列为图书馆事业核心价值之一[7]。

注：（公共善是指努力改善社会，并保护人们接受教育、获得 literacy / 读写与信息能力、享有知识自由的权利。图书馆是重要的公共善，也是民主社会中的基础性机构。图书馆工作者通过高质量服务，帮助建设有信息能力、有连接、有教育基础、有行动能力的社区）

这提醒我们，图书馆的价值不能完全用效率、点击率、下载量和满意度衡量。

AI可以生成答案。但图书馆员要判断什么样的答案值得进入公共知识空间。

AI可以提高效率。但图书馆员要判断哪些低效率仍然值得保留。

AI可以个性化推荐。但图书馆员要判断个性化是否正在缩小一个人的视野。

AI可以替读者总结一本书。但图书馆员要提醒读者：有些理解，只能通过亲自阅读完成。

这就是图书馆员最后也是最根本的核心竞争力：公共价值判断能力。

结语：AI越强，图书馆员越要重新定义自己

AI不会简单地“替代图书馆员”。但AI会替代一部分只依赖熟练操作、流程记忆和资源搬运的图书馆工作。这不是坏消息。它迫使图书馆员回到更本质的问题：

我们到底凭什么不可替代？

答案不是因为我们比机器知道更多书名。也不是因为我们比机器更熟悉某个数据库入口。更不是因为我们能够写出更像人的书单和推文。

图书馆员的核心竞争力，是把模糊的信息需求变成清晰的问题，把分散的资源变成可靠的证据，把复杂的系统变成可信的流程，把强大的技术关进公共价值的笼子里。

未来的图书馆员，必须同时是问题诊断者、资源解释者、知识组织者、流程设计者、数据伦理守门人、信息素养教育者、学科共同体连接者、AI系统评估者和公共知识空间维护者。

AI时代，图书馆员当然还需要会检索、会编目、会培训、会服务。但这些都不再是最终答案。

最终答案是：

图书馆员不只是帮助人找到知识的人，而是帮助社会判断知识、组织知识、守护知识的人。

参考链接

[1]https://www.oclc.org/en/news/announcements/2025/ai-worldcat-deduplication.html

[2]https://zwgk.mct.gov.cn/zfxxgkml/tjxx/202505/t20250530_960335.html

[3]https://www.ala.org/acrl/standards/ilframework

[4]https://www.ala.org/acrl/standards/ai

[5]https://acrl.ala.org/acrlinsider/ai-competencies-for-academic-library-workers/

[6]https://www.ifla.org/developing-a-library-strategic-response-to-artificial-intelligence/

[7]https://www.ala.org/news/2024/02/american-library-association-updates-core-values

[8]https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

[9]https://repository.ifla.org/items/8c05d706-498b-42c2-a93a-3d47f69f7646

“人工智能+教育”落地后，研究型图书馆的角色为何需要重新定义？

ALA发布《图书馆人工智能使用指南》：AI时代图书馆的五条伦理边界

当生成式AI 悄然接管学术基础设施，研究型图书馆如何捍卫生命线？

立志做有理想，有态度，有热度，有意思的信息博主。

本公众号由个人运营，发布内容仅作信息分享，碎碎念仅为个人观点。所有文章遵循CC BY-NC协议，转载须注明出处