作者
陳志銘 特聘教授兼所長、華人文化元宇宙研究中心主任
國立政治大學圖書資訊與檔案學研究所
摘要
本文探討當生成式人工智慧（Generative Artificial Intelligence, GAI）成為圖書館員的工作夥伴時，專業角色的轉變與挑戰。依據Yang等人（2026）提出的觀點，人類在依賴GAI過程中，技能組合呈現三種適應路徑：一為「技能去技術化」（Deskilling），部分傳統圖書館員專業技能被自動化取代；二為「技能提升」（Upskilling），圖書館員需強化AI素養與資料判讀能力；三為「技能再造」（Reskilling），重構跨域整合與人機協作能力。同時，AI作為工作夥伴，不僅提升服務效率，更促進知識創新與決策支援。然而，AI導入亦對圖書館員帶來職能重組、專業認同轉變及倫理責任等多重衝擊，亟需重新定位其在智慧服務體系中的核心價值。
壹、緒論
近年來，隨著AI技術的快速發展，透過AI進行自動化檢索、分類與編目，以及參考諮詢服務等基礎圖書館任務已成為發展趨勢，使得圖書館員得以釋放人力，轉而從事設計系統、提供複雜諮詢服務，並成為「AI素養」的教師，指導圖書館使用者AI倫理且有效運用AI工具，同時評估其生成內容的可靠性等更進階的工作（Ahmed, 2024; Ahmed & Rafiq, 2024; Kisilowska-Szurmińska, 2025）。此外，圖書館員也開始演變為數位策展人與技術專家，管理大型數據集並利用AI強化檢索效能（Ahmed & Rafiq, 2024）。換句話說，AI技術正重塑圖書館員的角色，從傳統的「資源守門人」轉型為「資訊建築師與教學者」。
Yang 等人（2026）提出了圖1所示之人類在依賴生成式人工智慧（GAI）時，其技能組合（Skill Set）所經歷的三種主要適應路徑：「技能去技術化」（Deskilling）、「技能提升」（Upskilling），以及「技能再造」（Reskilling）。其中「技能去技術化」代表一種「技能替代」（Skill Substitution）的過程，當人類過度依賴 GAI 來處理原本需要個人專業知識的任務（如翻譯或基礎寫作）時，學習這些特定技能的必要性就會降低，進而導致對於既有技能的侵蝕或弱化，這被視為 GAI 扮演了抑制者（Inhibitor）的角色；「技能提升」代表「技能互補」（Skill Complementarity），係指人類利用 GAI 作為認知鷹架來增強現有的能力，透過與 GAI 的互動，促使人類能更深入地理解複雜概念或精進專業邏輯（例如透過 GAI 輔助圖書館編目），從而提升原本技能的深度與廣度，此時GAI 被視為是賦能者（Enabler）；「技能再造」則涉及「技能擴張」（Skill Expansion），即人類為了有效地與 GAI 協作而學習全新的能力（例如提示工程 Prompt Engineering），這是一個將新工具相關技能與現有領域知識相結合的過程。值此 AI 驅動的第五次工業革命（Fifth Industrial Revolution, 5IR）關鍵轉型時刻，專業圖書館員需透過「技能再造」與「技能提升」來建構涵蓋資安治理、數據分析、AI檢索與生成系統、沉浸式科技及使用者行為洞察等整合性能力（Mega-skilling）。在此基礎上，圖書館員才得以實踐終身學習，並提供兼具個人化、智慧化與無障礙的高品質資訊服務（Ohwofasa et al., 2025）。
圖1. 生成式AI (GAI)工具對於人類技能組合的影響(Yang et al., 2026)
貳、AI作為工作夥伴的意涵與價值
近幾年來，儘管AI技術已能實現許多圖書館服務的自動化或者半自動化，但「以人為本」的特質仍是圖書館員的核心價值，圖書館應視 AI 為工作夥伴而非取代圖書館員工作的視角，來正向看待AI對於圖書館未來發展的意義與價值。因此，圖書館員應確保人性化技能的價值，將軟實力（如共情、溝通、團隊合作與正念）作為確保圖書館服務工作的核心能力，用以平衡AI演算法帶來的非人性化效應（Kisilowska-Szurmińska, 2025）。此外，圖書館員應致力於成為道德引導與監督者，致力於扮演「道德導師」的角色，指導圖書館使用者如何正確、道德地使用 AI 工具，例如開展 AI 素養計畫（如 KingbotGPT 計畫）、警惕演算法偏見（Algorithmic Bias）、隱私保護與資訊誤導等問題，以確保 AI 的應用符合公平、無障礙與隱私標準（Ahmed & Rafiq, 2024; Kisilowska-Szurmińska, 2025）。Liu 與 Liu (2026)的研究指出，目前僅有 13% 的圖書館聊天機器人揭露了隱私政策，這顯現了AI使用時的倫理透明度仍存在巨大的鴻溝，因此需由專業館員來補足與監督。再則，在判斷力與批判性思考方面，館員的價值在於評估 AI 產出內容與輔助決策的可靠性，並在處理複雜或感性的資訊需求時提供專業判斷，這是目前 AI 仍難以 100% 取代館員的地方（Ahmed & Rafiq, 2024; Kisilowska-Szurmińska, 2025）。更重要的是，圖書館導入AI作為工作夥伴仍要強調「人類在環（Human-in-the-loop）」的重要性，即確保館員判斷與監督始終是 AI 決策過程的核心，AI 應是支援而非取代館員的專業工作(Cheng et al., 2025)。圖2為國立政治大學華人文化元宇宙研究中心協助國家圖書館開發的「智慧館員系統」，該系統以館員實務需求為核心，融合AI技術與圖書館內部資料管理設計，協助圖書館員更有效率的進行該館的知識問答提取與輔助決策支援，打造具AI輔助之圖書館員新工作模式。
圖2. 國家圖書館智慧館員系統
參、AI導入圖書館工作實務的應用面向
人工智慧（AI）正從多個面向深刻地影響並革新圖書館服務，本文將其歸納為以下幾個面向，並說明其對於圖書館經營、管理與服務上的影響：
1. 提升資訊檢索與資源發現
優化搜尋效率：AI 算法顯著增強了資訊檢索系統，提高了搜尋的準確性、相關性與速度，使讀者能更高效地找到所需資訊。根據Gajbhiye（2024）的案例研究顯示，AI 驅動的搜尋效率比傳統方式提升了 40%。
個人化推薦系統：透過分析用戶的偏好、瀏覽歷史與借閱模式，AI 能提供量身定制的資源建議，這不僅提升了使用者體驗，也促進了館藏中新資源的被發現率（Liu, 2022）。
2. 自動化館務營運與效率
自動化後設資料（Metadata）生成：利用自然語言處理（NLP）與機器學習技術，AI 可以自動生成資源的標題、作者、主題及關鍵字標籤，減少館員的編目工作量並確保資料的準確性。Gajbhiye（2024）的案例研究顯示，可減少約 30% 的編目時間。
數據驅動的決策與館藏管理：AI 分析工具能處理流通統計、用戶回饋等大數據，協助圖書館在資源分配與館藏發展上做出數據驅動的決策，甚至能預測未來的資源需求趨勢(Dhara, 2025)。
3. 強化用戶支持與可及性
虛擬助手與聊天機器人：圖書館採用 AI 驅動的聊天機器人提供 24/7 的即時支持，回答常見問題並引導用戶使用各項服務，增強了讀者的參與度與滿意度。Shahzad 等人 (2025) 發現，ChatGPT 能自動化處理例行任務，使館員有更多時間專注於更複雜的參考諮詢需求，顯著提升工作效率。此外，許多圖書館已開始建立「智慧圖書館」系統，開發智慧參考服務系統，利用 AI 技術提供 24/7 的支援，打破傳統服務的時間限制。此外，Liu 與 Liu (2026) 的調查顯示，全球已有 94% 的圖書館聊天機器人採用 AI 賦能或人機協作之混合模式來發展參考諮詢服務，展現了參考諮詢服務智慧化的發展趨勢。
AI 素養：Hossain (2025) 提出了「以人為本的 AI 素養（HcAiL）」框架，將學習分為四個階段：基礎階段（認知能力）了解 AI 術語與功能；運作階段（行為能力）練習工具應用；批判階段（規範能力）評估倫理與偏見；以及轉型階段（變革能力）參與政策倡議與領導。換句話說，AI 素養包含對 AI 系統的批判性、倫理性及情境性理解，要求使用者不僅能操作工具，還需具備評估 AI 生成內容可靠性的能力。而面對AI素養已成為現今資訊素養教育的核心，圖書館員在 AI 素養教育中應扮演實務執行角色，並從資源守門人轉變為使用 AI 工具的導師與諮詢服務的提供者。
包容性與可及性增強：AI 提供語音轉文字、螢幕閱讀器與語言翻譯等功能，大幅改善了身心障礙者或有語言障礙之讀者獲取資源的機會，可確保服務更具公平性。
4. 數位保存與深層分析
數位保存與存取：利用光學字符識別（OCR）與影像識別技術，AI 協助將稀有、脆弱的實體文獻數位化，並增強數位化資料的可搜尋性，讓這些文化遺產能被更廣泛地利用（Sivarathinabala et al., 2025）。
文本挖掘與內容洞察：AI 工具能從數位手稿與學術論文中提取價值，透過文本挖掘、情感分析與主題建模，揭示隱藏在非結構化數據中的研究趨勢與模式（Silwattananusarn & Kulkanjanapiban, 2022）。
肆、AI導入對圖書館員角色的衝擊
人工智慧（AI）對圖書館員的角色產生了深遠的影響，使其從傳統的職能轉向更具技術性、協作性與倫理責任的新型態，以下提出 AI 如何影響圖書館員角色的幾個面向：
1. 核心技能的轉型與提升
AI 的引入要求圖書館員必須掌握一套全新的技能組合以維持其專業競爭力，說明如下：
數位素養（Digital Literacy）：館員需要理解並具備操作 AI 技術的能力，以有效整合這些工具於服務中（Cox, 2024）。
數據管理（Data Management）：由於 AI 運作高度依賴高質量的數據，館員在數據的收集、管理與分析方面的角色變得至關重要（Cox, 2024）。
倫理決策能力（Ethical Decision-making）：面對演算法偏見與隱私保護等議題，館員需具備進行倫理判斷的能力，確保 AI 的使用公平且透明（Hossain, 2025）。
2. 工作負擔的減輕與職責重組
AI 的自動化功能正在改變館員的日常工作分配，說明如下：
自動化編目與後設資料管理：利用自然語言處理（NLP）等技術，AI 可以自動生成資源的標題、作者與關鍵字，這顯著節省了館員在編目工作上的時間，並減少了工作量（Gajbhiye, 2024）。
釋放專業人力：透過自動化處理重複性高的例行任務，館員得以將精力投入到更高價值、更具創新性的服務中。
3. 從資訊管理者轉向技術協作者與倡議者
圖書館員的角色正演變為技術應用與社會責任的媒合者，說明如下：
跨領域協作：館員被要求與 AI 專家、研究人員及其他利益相關者進行協作，以推動圖書館技術的創新（Kisilowska-Szurmińska, 2025）。
負責任 AI 的倡議者：館員在機構內扮演著監督者的角色，推動並確保 AI 的實施是負責任、公平且符合公眾利益的（Cox, 2024）。
4. 職業挑戰與適應壓力
AI 的發展也為圖書館專業人員帶來了潛在的威脅與壓力，說明如下：
職位流失與角色變更的風險：自動化技術可能導致部分傳統職位的流失，或使工作內容發生根本性變化。
持續學習的必要性：為了適應不斷變化的 AI 驅動環境，館員必須保持警覺，不斷學習新技能並調整其工作職責，否則可能面臨專業邊緣化的挑戰。
總結來說，AI 並非單純取代圖書館員，而是將其角色推向更高端的數據管理、倫理監督與技術協作之互為工作夥伴關係。圖書館員需透過持續的專業成長，從傳統的資訊提供者轉型為 AI 時代的資訊領航員。
伍、結論
將 AI 納入工作夥伴的過程中，圖書館面臨著來自預算、基礎建設與組織心理的多重挑戰。首先是結構性與資金限制問題，一般圖書館常會面臨資金短缺、基礎建設薄弱（如不穩定的電力與網絡），以及缺乏 IT 專業人才，這些都是阻礙 AI 技術在圖書館有效採用的主要障礙（Ohwofasa et al., 2025; Kisilowska-Szurmińska, 2025）。此外，AI發展對於圖書館員所造成的心理與職業威脅感也是因素之一，部分館員對 AI 可能導致的「減員」或「職業邊緣化」感到擔憂，這種恐懼可能導致對新技術的抵制或不安全感（Kisilowska-Szurmińska, 2025）。為了克服以上問題，Ohwofasa 等人（2025）提出基於動態能力理論（Dynamic Capabilities Theory, DCT），圖書館必須建立靈活的制度架構，賦予組織不斷更新資源與能力的精神，將館員定位為創新的推動者而非技術進步的受害者（Ohwofasa et al., 2025）。
然而，面對AI 驅動的第五次工業革命（5IR），圖書館專業人員必須透過持續的技能更新來維持專業服務，欲達成這個目標，圖書館首先必須重視圖書館員的技能提升與再培訓，意即透過「技能再造」（Reskilling）讓圖書館員獲得基於AI協作的全新能力（如AI輔助編目、數據分析），同時亦應重視改進現有能力以應對技術進步的「技能提升」（Upskilling）（Ohwofasa et al., 2025）。此外，圖書館員應具備多元技能（Mega-skilling），這是一種結合了「技能再造」、「技能提升」與「跨領域技能養成」的綜合觀點，旨在支持館員在快速變化的數位世界中實現終身學習能力，以因應AI時代驅動之圖書館新型態服務（Ohwofasa et al., 2025）。
參考文獻
Ahmed, R., & Rafiq, M. (2024). The role of librarians in the artificial intelligence (AI) revolution is undergoing significant transformation. International Journal of Academic Research and Development, 9(6), 8-15.
Cheng, Y. Y., Dobreski, B., Chou, C., & Hong, L. (2025). Reimagining Knowledge Organization with AI and Human‐in‐the‐loop. Proceedings of the Association for Information Science and Technology, 62(1), 1218-1221.
Cox, A. (2024). Academic librarian competencies and artificial intelligence. South African Journal of Libraries and Information Science, 90(2), 1-9.
Dhara, A. (2025). AI-enabled predictive analytics for collection development in college libraries. College Libraries, 40(1), 63-70.
Gajbhiye, C. K. (2024). Impact of artificial intelligence (AI) in library services. International Journal for Multidisciplinary Research, 6(3), 1-13.
Hossain, Z. (2025). Integrating AI literacy into library and information science education and practice: a human-centered approach. Library Hi Tech New. https://doi.org/10.1108/LHTN-05-2025-0089
Kisilowska-Szurmińska, M. (2025). Artificial intelligence in academic libraries–a tool, a collaborator, an adversary? A Delphi study of university librarians in Poland. The Journal of Academic Librarianship,51(5), 103114.
Liu, G., & Liu, S. (2026). Chatbots for reference services in academic libraries: Applications and trends.The Journal of Academic Librarianship,52(1), 103197.
Liu, M. (2022). RETRACTED: Personalized recommendation system design for library resources through deep belief networks. Mobile information systems, 2022(1), 7870724.
Ohwofasa, F., Olatoye, A. A., & Sunday, O. O. (2025). Reskilling and Upskilling Library Professionals for the Fifth Industrial Revolution. Communicate: Journal of Library and Information Science, 27(2), 289-302.
Shahzad, K., Khan, S. A., Iqbal, A., Ahmad, S., & Ahmmad, M. (2026). Impact of ChatGPT on reference services of university libraries: an empirical investigation from university librarians of Punjab, Pakistan. Reference Services Review, 1-16.
Silwattananusarn, T., & Kulkanjanapiban, P. (2022). A text mining and topic modeling based bibliometric exploration of information science research. IAES International Journal of Artificial Intelligence, 11(3), 1057.
Sivarathinabala, M., Vignesh, V., Naveen, D., & Santhosh, R. (2025). Design and development of a multilingual OCR platform for historical document digitization and accessibility. In 2025 Control Instrumentation System Conference (CISCON) (pp. 1-6).
Yang, B., Sun, Y., Zeng, Z., & Li, Q. (2026). Deskilling, reskilling, or upskilling? Unpacking the pathways of student adaptation to generative artificial intelligence. International Journal of Information Management,87, 103002.
