ごきげんよう、えぞしまです。

最近、AIにハマっています。
きっかけはこれですが。



AIが人間の仕事をするようになると、
これまでの仕事のあり方が変わってきます。


今回は、図書館とAIについて考えてみます。





図書館員は今後いなくなる?

図書館員は、
電話交換手や改札の切符を切る人のように、
過去の職業になるかもしれません。


オックスフォード大学が認定 あと10年で「消える職業」「なくなる仕事」


このリストのなかに、図書館の補助員というのが入っています。


司書と一言でいっても、
カウンターまわりのみ、配架するのみ、出納するのみ、といった定型業務を行うスタッフや、
学修支援もりもり、時に論文も書いちゃう研究者に片足突っ込んだスタッフもいます。


おそらく、図書館の補助員というのは、前者のことを指していると思います。
後者のような司書は少ないし、
日本の場合はそもそも育成制度も正規の職もないので、
研究者に片足突っ込んだスタッフというのは本当に少ないです。


もし、機械化するとしたら
現実的なのは定型業務ですね。



PepperとAIで図書館の自動化を!



もう導入しているところがありますね!


図書館は館種問わずどこも予算削減で、
とくに正規の職員は減らされまくっています。

しかしやることが減ったわけではないので、
やらなきゃいけないことを最低限やり、
墜落しないように維持していくので精いっぱいというのが現状です。


「図書館の仕事をAIにやらせるなんて!」と思いますが、
機械にできることは機械にまかせて、
それ以外のことにリソースをさけるのであれば、
AI導入はめちゃくちゃ便利なわけです。
救世主といっても過言ではない。


日本で図書館関連の予算が増える見込みはありませんので、
「ベストとは言えないけれど、機械化せざるを得ない」
「本当は人を置きたいんだけど、人手不足予算不足で無理」
となっていくんじゃないかと思います。


そこで、
数ある図書館業務のうち、今後は何が機械化されるのか
ゆるくぼんやりと検討してみたいと思います。



カウンター対応

ここに文章を入力。貸出返却は、もう自動貸出機が存在していますね。
今後どんどん普及していくでしょう。
今は、人間の方が安いというだけ。

貸出返却だけなら、そこまで専門知識も必要ない(要はマックジョブ)ので、
機械化は時間の問題。


いや、本当は人間がやったほうがいいんだろうけど、
予算も人手も足りなくて機械化せざるを得ない、という、
「仕方なく…」の部分が大きいと思います。

「カウンター業務といえども、
積み重ねられた経験や知識があるんだッ!」
という意見もあるにはありますが、
それを世間一般に知らしめるのは困難です。

「自動貸出機のような機械に、
対応しきれない利用者がいる」というのが懸念されますが、
年中無休で夜間にも人を置くとか、
そういう贅沢なことは今後減っていくでしょう。
対応できない利用者を置いてきぼりにして。



出納業務

請求された資料を取ってくること。
これは慣れないとうまく探せません笑
とはいえ、これもマックジョブみたいなものです。
慣れれば誰でもできます。
マックにもかなり分厚いマニュアルがありますので、図書館出納と同じかと。

ただ、
最近の図書館員は非正規雇用のひとばかりなので、
慣れた頃には任期満了で別の図書館へ~ということが発生します。
飲み込みの早い人だけが生き残れる。


出納が機械化されれば、かなり楽ですね〜。
配架ミスも減るのかな?
蔵書点検も楽になるでしょうね。
楽になるということは、コストが減るってことなので、いいことなのです。

とはいえ、図書館の建物の作りによっては、出納ロボでの対応が難しいかもしれませんね。
本当は出納をいちいちしなくちゃいけないなんて、利用者からしたら不便なんですけどね。

そもそも出納しないシステムにするほうが便利かもしれない。
閉架書庫をやめて自由に入れるようにする、自動書庫を導入するなど……。



目録業務

目録は専門知識と経験が必要なのに、冷遇されている気がする。
目録は大変だぞ〜。

こうなってくると、
目録業務をそもそもしなくていいように、
制度設計しようという流れに乗るしかない。

今後、MARCデータやTRCデータを使うようにすれば、
今ほど目録にコストを費やさなくて良くなる。
目録は図書館の要!と言う人もいるし、
司書課程では必須の科目になっているけれど、
今後はどうなるやら。


とにかく地味で、
その専門性を誰もアピールしてこなかったため、
めちゃくちゃ重要なのに
「なんでそんなことにお金使うの?」と言われがちな業務です。


装備業務

これを機械化できたらかなりラク。
オール電子書籍ならいいけど、そうもいかないし。

電子書籍は管理が楽なので、
図書館関係者は結構食いついていると思いますが、
本が好きな人って紙の本にこだわりがち。

若い世代なら…って思うけど、
実は若い世代で本好きな子こそ、
紙の本にこだわっている。

学生だとクレジットカードもないし、
電子書籍って購入しづらいみたいです。

学校教育もIT化が進んでいないし、
電子媒体で活字を読むこと、勉強することに、
私達が思っているほど慣れていないんです。

もともと本を読まない人は、
電子だろうが紙だろうが読まないし。


紙の本は修理もしなくちゃいけない。
修理は職人的な技術が必要なので、機械化は無理。



レファレンス業務


すでにパスファインダーになっているような、よくある質問ならAIでいい。
人間に聞くより機械の方が質問しやすい人もいるでしょう。

なんだったら、そういうLINEアカウントあってもおかしくないですよね。

「統計」とか入れると、e-statを紹介してきたり。
「愛」とか「友達」って入れると、それぞれ何が本を紹介してくれたり笑
おふざけにも対応してくれるAI。

こういう質問に対してこういうのを提供した、
というデータを蓄積すればスーパーレファレンスロボができる
(ていうかそれレファレンス協同データベース?)



ところが、レファレンスはレアケースが多い。
AIはレアケースに対応できないのが弱点だから、
優秀なレファレンススタッフは永遠に残るであろう。

それと、AIに質問できる=質問を言語化できているということ。
人によっては言語化できていないこともある。

その人の話を聞いて、
本当に調べたいことを聞き出すのが真のレファレンススタッフだ。
これは機械にはできまい…。


もしそういう人が図書館にいたら、
給与が予算オーバーしてでも囲い込んどくんだな。
滅多にいないから。



選書業務

図書館にどの本を入れるか、というのは結構重要だ。
その本は図書館のコレクションとして永遠に残る。
除籍するのは、年度ごとに刊行されるような消耗品的な本、複本、汚損破損本の類。

通常は、書店の営業から図書館向けのカタログをもらって、
(あるいはわざわざ購入して)司書が選書する。

カタログショッピングじゃん面白そう、なんて言っている場合ではない。
図書館には選書基準があるし、その図書館のユーザーを考えて選ばないといけない。

AIがおすすめ!と提供してくるデータを、何も考えずに買うということはない。
やはりどこかで司書のチェックが入るはずだ。

ところが、スタッフ同士で選書基準について共有していないと、判断がブレることがある。
担当者が変わるのは世の常だから、避けられない。
ひょっとして、AIに選書させたほうが公平に判断できるんじゃないか?と思う。

司書は公平中立であれ、というのが私の図書館学の先生の教えだけど、
本当に公平中立で偏見のない人間なんかいませんからね。

選書の仕事は司書の仕事として残るけど、
機械にかなり頼ることになりそうです。

何がしたいのか?を考えていく

AIが発達した場合に人間がとるべき戦略として
やりたいことをやるというのがある。

AIは疲れないし、黙々と間違いなく作業をする。
根性でいったら機械のほうがずっと強い。

でもAIにはモチベーションがない。
こういうのやりたい!がない。
それは人間にしかできないので、
機械に負けたくないのならやりたいことをやるのがいい。

やりたいことであれば、多少大変でも続けられるし、
最近はあらゆる知識が簡単に手に入るようになっている。
スキルの差なんてあっという間に埋まる。だから、やりたいことをやるのだ。



となると、
図書館で何したい?を考えるのが、
今後の戦略を考えるうえでベストかも。


こんなイベントをやりたいとか、
こういう空間を作りたいとか、
こういう蔵書を残したいとか。


図書館の仕事をAIに取られたくない!
と不満を言っているヒマがあったら、
何をしたいか考えればいいのです。


不満は何も生み出しませんからね〜。
それこそAIはブーブー言わないで働きます。


図書館員に限らず、
何も考えずにボーッと働いていると、機械に負けてしまいます。
これがやりたい、こんなことしたい、という気持ちを忘れずに。



というか、
AIに仕事を奪われて困るのって、
司書本人じゃなくて図書館アウトソーシングを引き受けている会社なんじゃないの?

普通アウトソーシングしているのって、
それこそ機械化しやすそうな定型業務もあるし、
最低賃金が上がったら機械に勝てないでしょ。

一部業務は残るかもしれないけど、
どう考えても市場が小さくなりますよね。

今後どうするとか考えてるのかな。


コメント

コメントフォーム
評価する
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット