当期荐读 | 2024年第4期 人工智能是否达到奇点——来自图情档职业被人工智能完全替代概率的数据分析与思考

人工智能作为引领未来发展的重要技术形态和推动社会经济发展、刺激产业创新的核心驱动力，逐渐成为各国提升科技竞争力的战略高地。各国在探索人工智能发展新模式新路径、提高人工智能发展质量与水平方面做了许多有益探索，尤其是2022年11月美国人工智能研究公司Open AI发布的ChatGPT，直接宣告了人工智能的跨越式发展。ChatGPT超越了既往的人工智能模型应用，一定程度上可以说具有了“通用人工智能”属性或者说“类人性”。“奇点”（singularity）是美国科幻作家弗诺·文奇（Vernor Vinge）提出的概念，指的是一种未来可能发生的事件或情况，即人工智能的智能超越了人类智能的水平，从而引发了技术和社会的爆炸性变化，让未来发生的事情难以预测和理解。在给人类带来全新技术体验的同时，关于其是否预示人工智能已经达到“奇点”、超越人类智能并取代人类的担忧也不绝于耳。这种担忧突出表现为人工智能是否会替代人类劳动力从事相关职业。许多学者研究证实，以人工智能为代表的技术虽然难以替代那些需要高创意性、社交互动等技能要求与较高教育水平的职业，但会变革传统的劳动力结构，取代人类从事一些重复性和机械性职业，对就业结构产生替代效应，从而造成该部分劳动力工资下降或面临技术性失业问题。这种替代效应已蔓延至各行各业，信息资源管理/图书情报与档案管理（简称“图情档”）行业同样面临调整与改革，部分从业者面临被替代风险，职业岗位职责及其需求发生根本性变化。这一变革亟须学者立足实际，更为客观地审视人工智能带来的劳动力替代问题以及思考应对策略。预测与评估人工智能完全替代图情档职业的概率，识别人类理应发展的核心能力，积极应对人工智能时代技术性失业问题，对保障图情档就业稳定、培养专业人才具有重要意义。

2.1   人工智能替代人类劳动力

人工智能属于自动化技术外延之一，目前研究少有探讨人工智能这一技术对劳动力的替代效应，主要是围绕自动化技术进行讨论。根据预测单位的不同，可将已有研究分为两类：（1）基于职业的预测，即计算某一职业被替代的可能性。Frey等提出计算机控制设备（computer-controlled equipment）完成工作任务时面临的三个瓶颈（bottleneck），即感知操作、创造智能和社会智能，并从O*NET数据库中提取了九个关键数据特征来表示三大瓶颈，以预测各职业被计算机控制设备替代的概率。该项研究引发了更多围绕工作岗位被计算机化风险的讨论。复用Frey等研究方法，学者或组织对美国、中国 的职业被替代概率与失业人数进行了预测，发现在不同国家自动化技术对人类劳动力均产生替代效应。（2）基于任务的预测，即预测某些任务被替代的可能性。Autor等创造性地提出从任务类别的角度理解工作。在其研究的基础上，Chui等考虑了不同职位任务的异质性，使用任务被计算机化概率与任务持续时间等指标预测了不可替代的任务。

2.2   人工智能对图情档从业者的影响

人工智能凭借颠覆性的多源多模态数据挖掘与生成能力为图情档领域的相关应用带来创新式发展，推动了信息资源建设和实践应用的技术升级，但同时也引发了从业者的失业焦虑与对核心能力要求的变化。一方面，失业焦虑作为人工智能引发的最大恐慌，正逐渐蔓延至图情档行业。据调研，36%的图书馆员认为人工智能有可能取代其从事部分工作职责，40%的政府信息部门员工认为人工智能将取代人类的工作岗位。另一方面，为适应人工智能的影响，院校及招聘单位增设了对图情档从业者的要求，包括数据科学，机器语言编程技能，对人工智能算法运行原理的理解，适应人工智能研究范式的科研能力，以大数据和人工智能为代表的新一代信息技术思维和对技术的熟练应用等。

目前已有研究初探人工智能等相关技术对职业更替的影响。何静与沈阳 基于“任务分解”“细分任务替代概率估算”和“职业整体替代概率计算”三个层次构建职业替代概率模型，预判现有职业整体替代率，并按照替代率将职业划分为可替性传统职业、互补型发展职业与高潜力新兴职业三大类别。但这一研究仅提供了理论模型，缺乏足够的数据支撑。本研究参考Frey等研究，基于机器学习的方法预测图情档职业被人工智能完全替代的概率，结合网络分析方法揭示图情档职业所需具备的专业技能、核心知识和核心素养，并识别未来图情档从业者理应区别于人工智能所发展的技能。根据上述研究目的，提出如下研究问题：

（1）图情档职业被人工智能替代的概率及容易被替代的职业特征如何？

（2）图情档从业者应具备哪些专业技能、核心知识和核心素养？

（3）未来图情档从业者应具备哪些技能以应对人工智能对就业的冲击？

3.1   数据来源

基于Frey等的研究，本研究选择O*NET数据库作为数据来源。O*NET是由美国劳工部开发的综合数据库，包含对美国经济中1,070个职业及其具体要求的描述。因此，使用该库作为数据来源有利于根据职业所需的专业技能、核心知识和核心素养的组合构建职业特征表示，便于预测与计算职业被人工智能替代的概率。参照O*NET数据库的Occupation Data文件，本研究最终将14种图情档职业纳入预测范畴，具体职业及其定义如表1所示。

3.2   表征“ 瓶颈”的维度

已有研究提出不同行业考虑采用人工智能代替人类劳动力的因素存在差异，因此，完全采用Frey等提出的表征“瓶颈”的维度而不考虑行业差异，可能导致分析结果与实际出现较大偏差。故而本研究主要参照Frey提出三大“瓶颈”的思路，依据图情档领域从业者胜任某一职业应具备的重要特质与当前人工智能技术发展的局限性，从O*NET数据库中提取对应维度。

招聘机构发布的招聘信息是反映行业对职业需求的重要指向标，然而，招聘信息虽然能够直接反映对职业的需求，但其并不能提供完整的招聘要求，需要增加非正式交流渠道例如社交媒体、专业论坛的信息。故本研究参考Shahbazi等研究，选择美国图书馆协会（ALA）招聘网站与图情招聘公众号在近三年内发布的招聘信息作为数据源，以表1中O*NET收录图情档职业名称为检索词，采集招聘信息的岗位描述、职责、要求、优先条件，以期获得行业对图情档职业的需求。而后，依据O*NET数据库的Content Model Reference文件，对采集得到的招聘信息进行编码，具体编码过程如图1所示。最终总共采集到1,124条数据，数据表结构如表2所示。对编码得到的职业特质进行描述性统计，识别出现频次较高的重要特质（如表3所示），并在文献调研的基础上，探究人工智能在这些职业特质的表现局限性，最终提取出八个代表“瓶颈”的维度，即灵活性/适应性、探究性、批判性思维、独创性、关心他人、复杂问题解决能力、合作和谈判。

3.2.1  灵活性/适应性

随着信息通信技术变革创新，数据、信息环境日益复杂，新的工作场景需求不断涌现，这需要图情档从业者具备强大的灵活适应素养，调整可用的分析方法、技术工具，实时追踪业界的最新动态，掌握科技前沿、颠覆性技术的发展动态和趋势，满足机构业务需求。人工智能局限于特定的知识领域，即通过训练大量特定领域的数据，获得相关知识并应用于特定任务中。这一特性决定了人工智能满足适应灵活工作环境的需求存在两方面瓶颈：一是，在实际应用场景下难以获得某一领域大规模且经由人工标注的数据集，少量数据训练的模型效果较差；二是，模型泛化性较差，无法学习和适应未观测的任务，造成训练得到的模型无法实现跨领域的任务，需要针对其他领域训练新的模型。近年人工智能学者提出迁移学习（transfer learning）、元学习（meta learning）等训练方法，以解决上述缺陷。但在实践落地方面仍然面临许多挑战。现有方法均是建立在预先定义规则的基础上，都需要在大量的非目标数据集上对模型进行预训练，致使迁移学习、元学习等训练方法一定程度上变成伪命题。而对人类而言，灵活适应新环境的能力是人类智能的基本方面之一。通过利用过去丰富的经验和知识，人类能够在短时间完成新的任务，并在兴趣与好奇心的本能驱动下主动学习技能和知识。这一差异赋予了人类在灵活适应方面的天然优势。

3.2.2  探究性

在大数据时代，图书馆、研究机构等场所的作用已经从资源库转变为学习、教育、研究和创新的场所。这一功能范围的拓展和延伸对于图情档职业的探究性素养提出一定要求，强调从业者应积极应对数据密集型研究范式带来的机遇和挑战，从大量数据中挖掘合理、富有价值的选题，选用恰当的研究方法和研究设计，采用叙事设计加以组织，为用户提供可视化、情境化的信息内容产品。人工智能在从事这类探究性工作方面存在侵权风险，具体来说，除数据可用性的问题外，人工智能在海量数据集的基础上学习和模拟生成以进行内容生产与再创作，这一过程可能会侵犯原数据集归属人的修改权、保护作品完整权、演绎权等权利，很大程度上限制了人工智能工具的应用。同时，由于某一内容是否具有价值会受到社会文化因素影响，而人工智能没有这种社会基础，导致其很难根据计算机设定好的程序或规则判断内容是否有价值，这意味着人工智能难以保障其产出适应探究性工作的价值要求。另外，即便利用机器学习等方法学习人类已有的例子，但人工智能产出内容可能会复制已有例子中存在的偏见。

3.2.3  批判性思维

由数据增量和算法迭代带来的虚假数据、信息迷雾等乱象要求图情档从业者具备批判性思维。批判性思维即使用逻辑和推理方法，对事物本质或问题进行解释、分析、优劣势对比和综合，最终识别出科学合理的解决方案、结论或方法。这既需要图情档从业者掌握逻辑和推理方法，又隐含对独立的、有选择性的决策能力的要求。当前，人工智能的前沿成果（例如ChatGPT）已具有逻辑方法和推理能力，但其仍难以在繁杂的数据中进行独立决策。人工智能决策过程参考人类认知，在不断的输入反馈和强化学习中优化决策。然而，由于依赖人为提供的输入来产生输出，人工智能缺乏数据敏感性，在决策过程中不可避免地会受数据集质量的影响，并不能保障客观、正确的输出。此外，人工智能在很大程度上被现有的社会规范与价值观所限制，其完成的任务全部出自于人类的指定，缺乏自主性（autonomy）和独立决策的能力。

3.2.4  独创性

随着数字时代信息媒介、技术、传播方式的持续变革，图情档职业理念呈现出开放、共享的特点，这一转变对图情档从业者的独创性提出较高要求。独创性指的是对给定的主题或情况提出不同寻常的想法的能力，或开发创造性的方法来解决问题的能力。独创性既涵盖了对新颖性、开创性产出的要求，又强调了提出的方法能够用于解决特定问题。然而，一方面人工智能是以计算为基础功能的智能，虽然它能够对固定的数据与实例进行计算、学习生成带有新颖性的产出，但其训练语料传统，造成其产出的新颖性有限，不会超出现有的语料范围，对专业领域的贡献微乎其微。另一方面，人工智能的产出仍然难以完全达到有用性要求。经证实，人工智能的产出缺乏充分的可信度，存在虚假伪造、带有偏见与歧视等问题，且隐含剽窃、抄袭他人作品的风险，导致人工智能产出内容对于解决特定问题的有用性较弱。

3.2.5  关心他人

关心他人是指对他人的需求和感受保持敏感，并在工作中给予理解和帮助。深刻理解用户需求、关心用户是图情档机构精准配置资源、优化服务内容的重要基础。多则招聘信息隐含对理解用户需求和情感的要求，例如：要求图情档从业者能够洞察用户需求，并提供必要的参考或研究支持；同时，能够改善用户体验和服务，对不同教育、社会经济、残疾和种族背景的群体具有较强的同理心和需求敏感性。人工智能被广泛应用于与用户的直接互动，但在达到关心他人层面仍然与人类存在较大差距。一方面，人工智能通常采用自然语言处理和眼动追踪等技术识别用户需求，但用户未能认识到、或者认识到但未表达出的隐性需求，无法通过这种识别方式得到，仅能依赖人工长久积累的经验与智慧。另一方面，人工智能缺乏同理心、对人的兴趣和与人相关的知识，无法将人类的情感和感知准确归类为任何数据类型进行计算，难以理解人类情感，进而无法承担需要关心他人的工作，特别表现在支持智力障碍、发展性阅读障碍等特殊群体方面。

3.2.6  复杂问题解决能力

现代社会对非常规工作需求的增加，促使复杂问题解决能力已成为胜任图情档职业的关键能力之一。复杂问题解决能力指开发应用于复杂现实世界环境中解决新的、定义不清的问题的能力，要求在信息不足、目标不清晰的初始状态下与任务进行交互，探索和搜集信息，寻找解决问题的方法，构建适应用户需求的智能型策略或思想，结合现有不完全的信息提供有可行价值的方案。目前，人工智能算法完全基于研究人员的经验和直觉设计，这些经验和直觉未能将要解决的问题与其实际背景联系起来，无法反映现实世界的复杂机制；且在缺乏解决复杂和非结构化问题的数据集基础上，搭建的算法若未能描述技术可能遇到的应用场景和问题，将导致人工智能难以自主应对这些情况。而凭借感知、学习、记忆等基本认知过程的相互作用，人类能够感知未知情境，联想与先前经验相关联的知识，在不熟悉的情境下对其进行知识重构与即时判断，最终提出合理的解决方案。

3.2.7  合作

作为近年来图情档职业能力发展的新方向，合作已成为图情档职业的通用要求，例如：保持良好合作态度，积极与客户、外部供应商、学术团队与跨部门成员互动，通过交流与合理分工、共同协作达到预定目标。主体建立并维持合作的前提是合作双方应具有亲社会特质，信任他人并持有互惠倾向。目前搭建人工智能与人类之间的合作仍然是各界尚未攻克的科学难题。由于人工智能不具有社会性、群体性，即使人工智能正以数种方式影响社会，但它对人类的了解仍然很少，造成在与人类合作的过程中面临社会文化层面的挑战。相比之下，人类天生的文化学习能力激发其向群体内个人学习共同的社会互惠规范，塑造个体的互惠倾向和亲社会特质，并指导其在与他人合作的过程中复制他人的目标、行动和策略继而维持长期合作，这一天生优势使得人类区别于人工智能在合作方面有良好表现。

3.2.8  谈判

随着跨组织、跨学科、跨行业的团队合作行为的增加，图情档从业者需要妥善处理利益主体间的谈判问题。多则招聘信息要求图情档从业者能够与项目伙伴进行良好的互动和谈判，包括业务合同谈判、事务优先级排序、利益冲突协商等。谈判被定义为两个或多个利益冲突的各方之间旨在达成一致的过程，它是一项复杂的人类社交智能，必须建立在主体之间共同理解的基础上，采取合适的策略（例如：判断是否试图隐瞒关键信息）进行博弈。这就要求人工智能能够捕获人类智能，理解人类的知识与动机行为；但相较于人类，人工智能尚不能提供有效的谈判互动。一方面，人类智能本质上是集体层面的智能，个体间共享语言、社会规范、宗教信仰、科学技术体系，现有人工智能系统缺乏对人类社会的了解，在理解人类动机方面存在较大的隔阂；另一方面，人工智能模型的假设过于理想化，现实世界的谈判过程涉及共同利益和冲突利益的混合，包含不信任、隐瞒和欺骗等不确定因素，但现有模型通常无法捕捉到这些不确定因素，造成模型的可用性不高。

3.3   图情档职业被替代概率的预测过程

经过筛选，确定八个对应“瓶颈”维度作为衡量职业被替代水平的特征向量。在剔除特征缺失的职业后，最终得到X∈R873×8的特征数据集。本研究复用Frey等的标记规则，选择70种带有y ∈{0,1} 标签的职业作为数据集（标签“0”表示不可被人工智能替代，标签“1”表示可被人工智能替代），并按照6∶4的比例将其划分为训练集与测试集。因数据集规模较小，在训练集上采用十折交叉验证评估模型性能。高斯过程模型是基于核函数和概率判别的贝叶斯机器学习模型，无需人工输入参数，且输出的是概率而非确定的值，适用于预测职业的被替代概率。通过比较指数二次核、有理二次核、逻辑回归核这几个最为常用的核函数的分类性能（见表4），最终采用高斯过程指数二次核函数对数据集进行训练，并使用训练后的分类模型来预测所有职业的被替代概率。

本文的编程语言是python3.8版本，实验使用GPy库创建一个高斯过程回归（GP Regression）模型，并对其进行优化，实验参数设置见表5。

3.4   职业要求识别

Alabdulkareem等提出显示性比较优势指数（Revealed Comparative Advantage Index,RCA）用于测度某一技能的重要性。RCA衡量的是单一技能的重要性，而图情档行业中多技能、跨学科知识的融合和综合素养是未来招聘需求的必然趋势。鉴于此， Alabdulkareem等提出了技能互补性和接近性，分别计算两两技能同时被同一职业所需要的程度和未来发展的重要性，并根据研究结果将所有技能划分为认知型技能和操作型技能两大集群。本研究将引入RCA指数计算图情档各职业要求间的重要性与互补性，使用Gephi对两两互补性进行网络可视化，并借助RCA指数计算技能接近性，识别为应对人工智能冲击图情档从业者理应具备的专业技能。为避免数据过多造成网络节点繁杂，本研究参考O*NET数据库Content Model Reference文件将所有专业技能划分为认知类、运动技能、感知类、基本技能类、知识类、社交技能类、复杂问题解决类、技术类、知识类、资源管理类、心理类、设备类、信息处理类、与他人互动类共计十四个小类。参考Alabdulkareem的分类，通过自主判断进一步将小类概括为认知型和操作型两个大类。认知型包含基本技术类、感知类、心理类、社交技能类、与他人互动类、认知类、知识类，操作型则涵盖剩余小类。最终，以大类、小类为单位对职业要求网络进行可视化。

4.1   人工智能替代图情档职业的特征：偏向性与两极化

Frey以0.3与0.7作为中高替代概率的分界标准，并认为中低概率的职业需要十到二十年被替代，而高概率职业则相对较早被替代。各图情档职业的被替代概率如图2所示。可见，情报分析师、计算机和信息研究科学家、信息技术项目经理短期内被替代的概率较低，统计师、图书馆学高等学校教师、计算机和信息系统经理、数据架构师、信息安全分析师、数据库专家、档案专业人员面临被替代效应的概率中等，而图书馆文书助理、图书馆技术员、图书馆员和媒体馆藏专家、人力资源助理面临较高的被替代风险。

上文定义的数据特征与全行业职业被替代概率散点图如图3所示，其中橙色标记为图情档行业的14种职业。根据散点分布趋势可得，批判性思维（R=-0.85）、复杂问题解决（R=-0.85）、独创性（R=-0.80）、谈判（R=-0.78）与职业被替代概率呈较强负相关，即越低的职业被替代概率与较高的批判性思维、独创性、复杂问题解决、谈判要求相关，证实培养相对应的技能、知识或素质或许能成为培养人工智能时代高质量图情档人才的新内容。而适应性/灵活性、关心他人、合作与图情档职业被替代概率的关系并不显著。这可能与对应的要求属于职业角色的基本方面有关，也就是说不具备适应多变环境、关心他人、与合作者构建良好关系的从业者无法胜任图情档职业。

人工智能对图情档职业的替代效应呈现出偏向性与两极化的特点。从图情档职业被替代概率和各数据特征与职业被替代概率的散点分布来看，涉及按照既定方案或规则执行的、可被程序化的体力类或操作类任务（如图书馆的编目、分类、图书上架、资源定位）的职业更容易短期内被替代，而涉及探究性、社会互动、复杂问题解决等类型任务（如从事科学研究、领导技术团队在规定时间完成任务、开发技术解决方案）的职业较难被取代。长此以往，人工智能对劳动力岗位的替代，将会导致对任务要求较高的职业（如情报分析师、信息技术项目经理）需求愈发凸显，而特别是从事可程序化执行岗位的从业者（如图书馆文书助理、图书馆技术员、图书馆员和媒体馆藏专家）将在短期内逐步被人工智能替代，进一步扩大就业群体技能结构的两极化。

4.2   图情档从业者所需：兼具技术化与人文性质

根据RCA指数可得图情档行业从业者需要的专业技能、核心知识和核心素养分别如图4-图6所示。整体而言，图情档从业者需要具备：（1）操作电子设备需要的技能、知识，包括技术设计、办公、通讯与媒体设备使用、计算机与电子技术、数学知识；（2）分析计算机系统所需的技能，包括操作分析、系统分析与系统评估；（3）管理资源的技能、知识，包括财务资源管理、物资资源管理、人事和人力资源管理、行政管理；（4）完成文书工作所需的技能，包括写作、阅读理解；（5）以解决问题为目的的软技能或核心素养，包括计划/ 规划、学习策略、问题敏感性、信息序化、归纳推理和演绎推理；（6）与他人沟通所需的技能、知识或核心素养，包括英语语言、口语理解、口语表达、口齿清晰；（7）服务用户所需的软技能或核心素养，包括用户个人服务、公众安全、细节观察。

RCA指数结果显示，与其他行业相比（表6），图情档行业存在技能要求高或技能要求复杂的现象。具体而言，人工智能时代图情档职业对从业者不仅强调其向数字化、技术化方向发展自身技能储备，重视掌握沟通、服务，还青睐对历史学和考古学知识体系的熟悉。对于数字化技能的要求较高，强调从业者应具备基本的计算机使用、技术设计、操作分析技能，能够处理与分析信息，向他人解释信息含义及其用处，并掌握必要的媒体通讯和计算机软硬件的知识。除数字技能要求外，沟通和服务、历史学和考古学知识、计划/规划素养相对于图情档行业的RCA指数呈现出较高的水平，凸显出其对图情档行业的重要性。

这反映了图情档的行业特性：其一，图情档行业因其内含数据和信息技术的行业特色而有着更多接触新兴数字技术的机会。在人工智能技术创新使得产业实践不断转型升级的同时，也促使对从业者的要求转向数字化、技术化，要求从业者不仅要具有图书情报专业知识等自动化的理论知识和操作技能，还要求其具备灵活的分析与应用数字技术的技能（例如：数据分析、操作分析）。其二，图情档行业作为服务社会和用户的“智库型”行业，无论是对内与数据库商、代理商、同事的洽谈与协作，还是对外为用户提供信息资源服务，都需要进行有效的沟通和用户服务。其三，纵观当下的行业实践，信息机构（如：图书馆）在文化遗产数字化、古籍保护等人文方面进行了诸多有益探索，直接推动该行业对于历史学和考古学知识的需求。

4.3   图情档职业的互补性：分布非均衡与低技能互补性

如图7所示，每个节点代表一种职业要求，连边代表两两要求存在互补关系。节点的大小表示该要求与其他要求的互补程度，点越大，说明互补性水平越高，被某一职业共同需要的概率越高。为避免连边过多，图7仅展示互补性大于0.75的连边。根据各节点的大小可得，认知类、心理类、社交技能类、与他人互动类、信息处理类与其他类别的互补性水平高，其中社交技能类和与他人互动类同属于社会互动性较强的要求，说明图情档行业中社交水平高的从业者在交易任务时协调成本较低，更有效地与他人合作互补。同时，除信息处理类外，其他均属于认知型要求，反映出认知型要求相对于操作型要求更具互补性。图8是O*NET数据库收录的161种技能在图情档行业与其他行业的互补性对比图。结果显示，相比于其他行业，图情档行业的技能互补性整体偏低，互补性为0的技能占比约3%，意味着行业中所需的技能更多独立出现，较少与其他技能成对出现。

图情档行业的技能互补性较低，一方面意味着职业所需核心能力更多独立出现，另一方面表明失业劳动力的流动受限。前者与图情档职业需要掌握综合核心能力的发现 不一致，产生这一现象的原因可能在于图情档行业中认知型要求的互补性空间较大，而操作型要求空间被进一步压缩，造成技能互补性较低。这一发现强调了图情档从业者在实操项目中提升职业能力的重要性。后者主要是由于失业人员既要考虑岗位信息需求，又需要考虑自身人力资本储备，只有岗位需求与自身储备相契合才能够顺利实现再就业。而在技能互补性低的情况下，失业人员现有的储备与其他职业需求的匹配度低，难以在短时间内实现职业岗位的流动。若这部分失业劳动者缺乏“再技能化”的机会，则很有可能被迫边缘化成为辅助型劳动力或彻底失业的劳动力。

4.4   图情档职业的未来技能：不可替代的人类优势

各技能的接近性与未来职业技能要求的变化趋势相关，接近性越高则表明越可能是职业的未来技能。如表7所示，为适应人工智能时代对行业发展提出的要求，图情档从业者应学会根据场景匹配合适的学习策略，强化主动学习新信息和适应工作环境灵活变化的技能，培养更具原创性、流畅性的思维，通过对技术进行优化设计，有效管理时间，在特定项目计划中发挥重要的引领作用，为机构的发展愿景或远景规划贡献力量，并运用储备知识为他人提供建议和指导。这也说明，基于人类经验和优势的创造力、社交互动、管理规划和主动学习技能，依然是未来图情档从业者区别于人工智能得以安身立命的重要技能。

人工智能在图情档行业的推广应用带来部分职业面临逐渐被替代的风险，对图情档职业带来不少“隐忧”，劳动力面临技术性失业的达摩克利斯之剑，这一命题要求关于图情档职业发展的思考应顺应人工智能的倒逼态势，从紧迫的失业压力转变为发展的战略视野加以谋划，积极寻求“解忧”之道，以适应行业发展的新趋势。

5.1   隐忧：人工智能技术或重构图情档就业形态

5.1.1  职业理念冲击：人工智能消解职业认同

首先，人工智能技术的应用使得图情档工作的内容发生了变化。一些简单的、重复性的任务被机器取代，工作人员需要承担更多的创造性、复杂性的任务，这种工作内容的变化可能导致一些工作人员感到自己的工作失去了意义和价值，对职业认同产生消解。其次，随着人工智能技术的不断发展，图情档工作的未来发展方向充满了不确定性。一些工作人员可能会因为人工智能技术可能会取代他们的工作岗位，而担心自己的职业发展前景，这种不确定性可能导致一些工作人员对职业认同产生消解。然后，在面对人工智能的冲击时，图情档工作人员可能会感到压力增加。他们可能担心自己的职业竞争力不足，无法适应新的工作环境和需求，这种心理压力的增加也可能对他们的职业认同产生消解。最后，人工智能的广泛应用可能导致图情档工作人员与用户之间的社交关系发生变化。传统的面对面交流和互动逐渐被在线交流和数字化服务所取代，这可能对工作人员的职业认同产生一定的影响。

5.1.2  就业从业危机：工具泛化下的技术焦虑

工具泛化使得图情档行业的工作方式发生了深刻变革。首先，传统的图情档工作往往需要大量的人工操作和繁琐的流程，而现在可以通过自动化和智能化的工具来完成，这大大提高了工作效率和质量。同时，人工智能也改变了图情档从业者的工作方式和思维方式，特别是随着相关语境中对图书馆员“存在”价值的质疑陡升，图书馆员的生存性焦虑也随之凸显。其次，随着工具的泛化，图情档行业对从业者的技能需求也发生了变化。由各种人工智能技术组成的图书馆系统在简化一些复杂操作过程的同时，客观上也对图书馆员的基本素养提出了更高要求，这些都可能加剧其操作性焦虑。再次，工具泛化也不可避免地带来了数据安全和隐私保护等问题，图书馆员在使用自动化和智能化的工具时，对人的价值认知和道德伦理底线的触及，使其产生相应的价值碰撞和认知矛盾的道德性焦虑。最后，工具泛化促进了图情档行业与其他领域的跨界合作与融合。例如，与计算机科学、人工智能等领域的合作，可以共同推动图情档行业的发展和创新，这对从业者的跨学科能力和视野有一定的要求，随之而来可能带来跨界焦虑。

5.1.3  行业独立隐忧：壁垒打破暗藏权力介入

由于传统图情档行业的专业性和技术性，其行业内部存在着诸如技术门槛、人才门槛、资金门槛等诸多壁垒，使得外部力量难以进入该行业。然而，随着人工智能技术的广泛应用，这些壁垒逐渐被打破。首先，人工智能技术的应用使得图情档工作的自动化和智能化程度不断提高。传统的图情档工作需要工作人员具备丰富的专业知识和技能，而人工智能技术的应用可以自动完成一些简单、重复性的任务，一些非专业人员也可以从事图情档工作，这使得行业的门槛降低，外部力量得以进入该行业。其次，人工智能技术的应用使图情档工作内容发生变化。传统图情档工作主要涉及图书馆、情报和档案的管理与维护，而人工智能技术的应用使图情档工作更加注重数据分析和挖掘，因此，一些具有数据分析和挖掘能力的人才得以进入该行业，进一步打破了行业的壁垒。最后，人工智能技术的应用也使图情档工作的竞争更加激烈。随着人工智能技术的不断发展，越来越多的企业开始涉足图情档领域，行业竞争更加激烈，一些企业可能会通过资本运作、市场策略等方式对图情档行业进行干预，从而影响行业的独立性和自主性。

5.2   解忧：图情档行业从业创新进路

5.2.1  政府的帮扶：再技能化与新就业形态

政府部门可针对不同层次的职业群体精准施策，在为短期内将会被人工智能替代的从业者提供“再技能化”空间的同时，大力发展短期内不会被人工智能替代职业的衍生产业，提供多元化、灵活性的职业选择。政府需要打破技术垄断，通过技术培训、岗位轮换、职业教育终身化等方式，促使其通过技能的再训练和知识的再学习实现岗位的再就业，培养符合人工智能时代市场需求的高知高能人才。例如：加拿大联邦政府提出了数字素养交换项目，旨在培养失业人群使用计算机、通信工具、在线资源搜索等能力，并出台有关人工智能的手册，为其应用人工智能相关技术提供知识指导。其次，短期内不会被人工智能替代的职业具备超越人工智能的核心竞争力，政府可充分发挥这一特质，利用人工智能技术迭代大力发展这类职业的衍生产业，创造更多新就业形态，吸纳大量新增就业，为未来职业者提供更丰富的择业机会。例如AIGC技术急变会创造AIGC提示词开发师、AIGC 技术审查员等新业态，必定带来更多职业、岗位空缺与新兴人才需求。

5.2.2  价值的锚定：职业价值延伸与重塑

要胜任未来人工智能时代的新工作内容，从业者在坚守专业能力的同时需要锚定人类就业的职业价值，扬长避短，延伸自我职业发展空间。首先，依据行业信息技术和信息服务的实践，拓展技术技能的宽度，重视对数据库、数据科学、编程等专业知识的学习，并注重在实际项目中检验技术技能。其次，依托对外交流和技术更新，提升沟通和用户服务水平，通过与馆员、科研人员的业界交流，提高沟通技巧，熟悉使用新的沟通技术（如：社交媒体），并将个人发展与人工智能相关的各类颠覆性技术发展紧密结合，积极把技术导入职业的用户服务场景，不断变换智能化综合用户服务新模式和新形态，服务用户新需求。然后，通过主动学习历史人文的背景知识和人文智慧以拓展职业视野，同时，必须坚守图情档行业应用的首要定位，探索诸如知识关联与组织等专业知识应用场景，关注历史人文语境和图情档应用场景的结合，推动“技术自觉”与“人文价值”的智慧耦合。最后，培养善用人类智能优势的意识和相关核心能力，并在发散思维和解决问题导向下培养、发展颠覆式的理论创造和实践创造；强化从事职业的社会性和群体性，积极参与到服务社会和国家、项目协作共事中去，在增加与外界的交流互动中，提高自身优势的可见性；依据自身职业兴趣聚焦于特定行业或领域，思考在目标领域应用个人核心能力的路径，以定格提升未来在特定行业的规划能力；采用提升自我职业认同的方式消除职业倦怠，激发主动学习新知识和新技能、适应多变就业环境的热情。

5.2.3  职涯的转向：无边界职业生涯规划

人工智能赋能社会经济发展的作用凸显，其发展很难停滞，这意味着每个图情档职业随时可能在这场技术变革中处于从属地位，逐步被替代。要实现图情档职业的长远发展，图情档高等院校必须以前瞻性视野实施教育改革，将人工智能技术嵌入教育体系中，系统培养学生能够跨越不同行业、岗位或组织，开拓更广阔职业发展空间，规划无边界职业发展路径的能力。首先，要以人工智能技术作为重要的教学要素，以面向不断变化的信息技术环境、面向个性化的行业实践为出发点，增辟一系列符合图情档专业背景的人工智能技术课程，并推动课程培养方向与市场动态需求的对接，帮助在校学生培养适应实践要求的核心能力。同时，需要建立培养无边界职业生涯领域中的职业探索意识、职业适应力和职业迁移力为目标的个性发展体系，通过开设职业兴趣挖掘、职业机会发掘、自我评估等职业干预课程，通过校企合作提供丰富的职业体验和院校关于职业的指导、资源和机会等工具支持，在课程学习、专业实践、社会支持中提高学生探索职业环境、调整工作角色、实施职业迁移的自主性和行动力，最终促使学生胜任未来人工智能时代所需的无边界职业生涯发展。

本研究使用机器学习方法预测职业被人工智能替代的概率，发现人工智能对图情档职业具有替代效应，并呈现出偏向性和两极化特征。但由于目前人工智能的发展并未达到完全取代人类智能的“奇点”，图情档从业者仍可以挖掘自身在创造力、社交互动、管理规划和主动学习技能方面的独特价值，提升自我的超能力，将人工智能带来的挑战转变为发展机遇。

本研究尚存在一些不足之处，后续研究亦可改进完善。首先，本研究使用美国劳工部开发的综合数据库O*NET作为数据来源，后续研究可以使用国内数据源进行对比研究，还可以增加访谈，以验证与增强研究结果。其次，本研究对档案从业领域关注不够，后续可以加强相关研究。再次，本研究仅对人工智能对劳动力的替代效应进行预测，但人工智能对就业不仅仅表现为单一的替代效应，其在未来极大可能被纳入人力资源的管理体系中，改造单调重复或低效繁杂的重复性劳动，优化人类从业者的核心能力配置，与人类建立起动态适配、融合互补、和谐共生的伙伴关系，实现技术进步与劳动就业的共同繁荣。因此，后续研究还可以结合现有技术与行业新业态，探索以提质增效为目的的“人工智能+人类”合作模式。最后，后续研究可以继续拓展研究广度和深度，关注更多细分领域，深入分析人机融合发展，为图情档行业的智能化变革提供更全面、富有洞见的思考。

END

版式设计

陆澜

制版编辑

王淳洋