利益:
- 入力の著作権状況とツールのデータ状態を評価し、出力の権利を問うことで法的リスクを軽減する機能
- 匿名化と最小化によって個人データを保護し、ユーザーに対して透過的にプライバシーを確保する機能
- 承認されたツール、禁止されたデータ、検証ルールを含む機関のガバナンスフレームワークを確立し、図書館の価値観に基づいてその使用をテストする能力。
図書館員および情報管理者は、情報を整理して提示するだけでなく、作成者の権利、ユーザーのプライバシー、および教育機関の責任を保護するなど、情報を保護する人です。人工知能は、この 3 つの分野すべてに新しく複雑な疑問を投げかけています。 AI に文書をアップロードすることは著作権違反ですか?ユーザーデータを AI ツールに提供することはプライバシーを侵害しますか?組織は AI の使用をどのように管理すべきでしょうか?この最後の単元では、モジュール全体で触れてきた倫理的および法的スレッドをまとめたフレームワークを確立します。
概念を定義しましょう。著作権は、作品の使用に関して作品の作成者に与えられる法的権利です。無断で複製・使用すると権利侵害とみなされる場合があります。個人データとは、個人を直接的または間接的に特定し、法的保護の対象となるあらゆる情報です。ガバナンスは、組織による AI の使用を管理するルール、ポリシー、説明責任の枠組みです。これら 3 つの概念は、責任ある AI 使用の法的および倫理的基盤を形成します。
ステップバイステップ: AI の責任ある合法的な使用
1. エントリの著作権ステータスを評価します。テキスト、書籍、または記事を AI ツールに読み込む前に、その作品の著作権ステータスとツールの使用条件を考慮してください。アップロードしたデータを独自の目的で使用するツールに著作権で保護された作品を提供すると、権利侵害となる可能性があります。
2. 出力の権利を疑問視します。 AI によって生成されたテキストの著作権ステータスは不確実である可能性があり、AI が無意識のうちにトレーニング データ内の著作権で保護されたコンテンツを複製する可能性があります。 AI 出力を公開する前に、その独自性と違反の可能性を評価してください。
3. 個人データを保護します。ユーザーの身元情報、閲覧/検索履歴、および個人情報は、明示的な同意と強力な保護がない限り、AI ツールに侵入してはなりません。匿名化とデータの最小化 (必要なだけのデータのみ) が不可欠です。
4. 透明性と同意を確保します。ユーザーは、自分のデータとインタラクションがどのように処理されるかを知っておく必要があります。 AI が関与する場合、これを明確に記載する必要があります。秘密の AI の使用は信頼を損ないます。
5. ガバナンスの枠組みを確立します。組織は、どのツールが承認されるか、どのようなデータを入力できるか、誰が責任を負うか、出力をどのように検証するかを書面によるポリシーで確立する必要があります。
ヒント: 組織用の簡単な「AI 使用ルール」の 1 枚シートを作成します。承認されるツール、入力されないデータ (個人/専有/機密)、各出力の検証方法、責任者などです。 1 ページの明確なガイドは、長いポリシーよりも強制力が高くなります。
図書館員としての倫理原則と価値観
情報への平等なアクセス、思想の自由、ユーザーのプライバシー、知的誠実さ、公平性など、図書館の専門職に根強い価値観が AI 時代の羅針盤として機能します。 AI はこれらの価値観を支持することも、脅かすこともできます。それはアクセスを拡大するかもしれないが、偏見を強めるかもしれない。サービスの速度は向上しますが、プライバシーが侵害される可能性があります。発見が容易になる可能性がありますが、誤った情報が拡散する可能性があります。
担当の図書館員は、各 AI が使用する値を次の値に照らしてテストします。「これはアクセスを均等化するのか、それともグループを除外するのか? プライバシーは保護されるのか? 正確で正直な情報を提供するのか?」 AI はツールです。それをどのような価値観で使用するかが、その職業の本質です。テクノロジーは変化しますが、これらの価値観は図書館員としての不変の羅針盤です。
注意: 「誰もが使っている」「速い」というだけでは AI の使用を正当化できません。たとえ合法的な使用であっても、非倫理的である可能性があります。簡単だからといって、著作権、プライバシー、司法の観点から有害な慣行を採用しないでください。最終的な責任はツールではなく、それを使用する専門家にあります。
ミニケース3個
ケース 1 — 著作権で保護されたダウンロードが停止されました。あるチームは、著作権で保護された参考書全体を一般的な AI ツールにロードして要約を生成することを計画しました。情報管理者は、これは著作権とツールのデータ使用条件の両方の観点から危険であると判断しました。代わりに、それは簡潔で承認された抜粋のみで、施設の閉鎖的なシステム内で研究されました。
ケース 2 — 個人データは匿名化されます。ある図書館はユーザーのフィードバックを AI で分析したいと考えていました。しかし、フィードバックにはユーザー名と連絡先情報が含まれていました。チームは分析前にデータを匿名化しました。匿名の集団的傾向のみが処理されました。プライバシーは保護され、洞察力は回復されます。
ケース 3 — ガバナンスのギャップが解消されました。ある組織では、従業員が監督なしでさまざまな AI ツールを使用し、機密文書を入力することがありました。情報管理者は、承認されたツール、禁止されているデータ タイプ、および検証ルールを定義する 1 ページのポリシーを公開しました。不確実性とリスクは大幅に減少しました。
人材の能力と企業文化
ガバナンス ポリシーの強さは、それを実行する人々の強さによって決まります。従業員が AI のリスクを理解していなければ、最もよく書かれたルールであっても紙の上に残ることになります。したがって、責任ある AI 使用の永続的な基盤はスタッフの能力です。つまり、幻覚とは何か、入力してはいけないデータは何か、出力を検証する必要がある理由を各従業員が理解していることです。この点において、図書館と情報機関には二重の役割があります。自社のスタッフをトレーニングし、このリテラシーをユーザーに広める必要があります。良い企業文化とは、AI のバグを隠すのではなく報告し、「この出力についてはよくわかりません。検証しましょう」と言うのが普通であると考える文化です。処罰を恐れて間違いが隠蔽される環境では、ソースの捏造やプライバシーの侵害が気づかれずに蔓延します。さらに、テクノロジーとツールは急速に変化するため、ポリシーとトレーニングは 1 回限りではなく定期的に更新する必要があります。ガバナンス;それは、ルール、ツール、教育、文化が連携して機能する生きたシステムです。このシステムの中心には車両ではなく、責任を持って最終決定を下す有能な人間が立っています。
ヒント: 新しい AI ツールを導入する前に、小規模なパイロットを実行します。つまり、限られたチームで実際のリスクの低いタスクで試し、エラーとリスクを記録します。これにより、組織全体にツールを展開する前に、能力を構築し、ポリシーの脆弱性を明らかにすることができます。
コピー可能な 4 つのテンプレート
1) 著作権の予備評価:
AI ツールに読み込む前に、次のコンテンツの著作権を評価してください: コンテンツは著作権で保護される可能性がありますか、どの使用方法が危険でしょうか、どの代替方法 (抜粋、許可、パブリック ドメイン) がより安全ですか?コンテンツタイプ: [ここ]
2) 個人データのスキャン:
次のテキストには個人データ (名前、連絡先、身元、読書/検索履歴、健康/信念を示唆する情報) が含まれていますか?それぞれにマークを付けて分類し、匿名化する方法を提案します。テキスト: [ここ]
3) AI利用方針の草案:
私たちの組織向けの 1 ページの AI 使用ガイドライン草案: (1) 承認されたツール ポリシー、(2) 入力されていないデータ タイプ、(3) 出力検証ルール、(4) 説明責任と透明性、(5) 著作権とプライバシー ポリシー。短くて実用的な内容にしましょう。コンテキスト: [ここ]
4) 倫理管理に関する質問:
次の計画された AI の使用を図書館の価値観に照らしてテストします: アクセスの公平性、プライバシー、正確性/完全性、偏見のリスク、懸念がある場合はフラグを立てます。使用方法: [こちら]
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この本を要約するにはAIに載せるべきでしょうか？
この質問では、著作権、ツールのデータ条件、および代替手段は考慮されていません。 「はい」と答えると権利侵害となる可能性があります。
強力なプロンプト:
あなたの役割: アシスタント著作権およびプライバシーアドバイザー。 AIツールに以下の内容を与えようと考えています。著作権の状況、車両データの使用、個人データのリスクに関して考えられる問題を列挙します。より安全な代替案を提案します（短い引用、許可、パブリックドメイン、クローズドシステム）。法的確実性を主張し、リスクを示します。内容と文脈: [こちら]
強力なプロンプト。著作権、データの状態、プライバシーの観点から決定を検討し、安全な代替案を検討します。
ガバナンス次元表
サイズ
基本的な質問
予防措置
著作権
入出力の侵害はありますか?
許可、パブリックドメイン、短い抜粋
プライバシー
個人データは保護されていますか?
匿名化、最小化
透明性
ユーザーは知っていますか？
明確な情報、同意
責任
誰が責任を負うのか?
書面によるポリシー、人間による承認
価値観
アクセスと完全性は保護されていますか?
倫理チェック、偏見チェック
よくある間違い
- 著作権で保護されたコンテンツを何も考えずにアップロードする。データ状態や著作権侵害の恐れがあります。
- 公開ツールへの個人データの入力。プライバシーの侵害と法的リスク。
- AIの使用を隠蔽する。透明性がなければ信頼は損なわれます。
- 「法的」と「倫理的」を混同している。合法的な使用は非倫理的である可能性があります。
- ガバナンスの枠組みが確立されていない。管理されていない使用は、予測できないリスクを引き起こします。
要約すれば
著作権、機密保持、倫理は、AI 時代における図書館の責任の基礎です。エントリの著作権ステータスとツールのデータ状態を評価します。出力物の権利に疑問を呈する。匿名化と最小化により個人データを保護します。ユーザーに対して透明性を保ち、同意を得る。組織内に明確なガバナンスの枠組みを確立します。図書館の根深い価値観 (平等なアクセス、プライバシー、誠実さ、公平性) は、AI のあらゆる用途をテストする羅針盤です。テクノロジーは変化します。責任と価値観は変わりません。最終的な責任は常に人間にあります。
アプリケーションタスク
「AI 利用ポリシー草案」テンプレートを使用して、組織 (または架空の組織) 用の 1 ページの利用ルール文書を準備します。承認されたツール、決して入力してはいけないデータ、検証ルール、責任。次に、「倫理管理クエリ」テンプレートを使用して、アクセス、プライバシー、正確性、バイアスについて計画している実際の AI の使用をテストし、生じた懸念事項にどのように対処するかを記述します。
チェックリスト
- [ ] エントリーの著作権状況とツールのデータ状態を評価しました。
- [ ] 個人データを匿名化し、必要なもののみを使用しました。
- [ ] 私は AI の使用についてユーザーに対して透明性を保ち、同意を尊重してきました。
- [ ] 組織向けに書面による AI 使用ポリシーを作成しました。
- [] 図書館員の値で使用法をテストし、責任は人間に負わせました。
モジュール試験
1. 図書館および情報管理における人工知能の位置付けとして最も正確なものは次のうちどれですか?
- A) AI は概要、メタデータ、検索、推奨のアシスタントです。正確性、情報源の信頼性、倫理的決定に対する責任は人間にあります ✔
- B) 人工知能は情報源の信頼性と正確性を確実に検証できる
- C) 人工知能は書籍の目録作成にのみ機能し、他の図書館業務とは何の関係もありません
- D) 人工知能は人間よりも公平であるため、主題と分類の決定は人工知能に任せるべきです。
説明: 人工知能。これは、メタデータの草案を作成し、要約し、翻訳し、パターンをマークし、ソースを示すアシスタントです。有能な専門家は、正確さの検証、トピックと分類の決定、情報源の信頼性、著作権とプライバシーの決定など、重要なタスクを担当します。未検証の出力は、捏造されたソースの配布やプライバシー侵害につながる可能性があります。
2. 図書館員にとって「幻覚」が特に危険なのはなぜですか?
- A) 人工知能の出力は非常にゆっくりと生成され、時間を無駄にします。
- B) 人工知能は、存在しない情報源や引用を説得力を持って生成することができ、職業の本質は情報源の信頼性です ✔
- C) 幻覚は画像処理中にのみ発生し、テキストとは関係ありません
- D) 幻覚は非常に古い人工知能ツールでのみ見られ、現在のツールでは見られません。
説明: 幻覚とは、人工知能が非常に説得力のある方法で、存在しない情報源、引用、または情報を生成することです。職業の本質は情報源の信頼性と信頼性であるため、捏造された刷り込みや引用が検証なしに書誌やユーザーに転送されると、重大な誤報が発生します。
3. 人工知能を使用してメタデータを生成する場合、捏造のリスクが最も高い領域は次のうちどれですか?また、それにはどのように対処する必要がありますか?
- A) 言語領域は最もリスクが高い領域であり、検証する必要はありません。
- B) タイトルフィールドは最も高いリスクを伴うため、予測を記入する必要があります。
- C) ISBN と出版年は捏造のリスクが最も高く、元の情報源で逐語的に検証する必要があります ✔
- D) 人工知能は常にメタデータを正しく生成するため、どの分野も危険ではありません
説明: ISBN や出版年などの正確な数値フィールドは、AI によって非常に簡単に偽造されます。 AI は、未知の ISBN の代わりに、妥当と思われる数値を生成できます。これらのフィールドは、元のソース (バーコード、奥付/奥付) で逐語的に検証する必要があります。
4. トピック用語を割り当てるときに「管理された語彙」を使用する主な目的は何ですか?
- A) レコード全体で用語の一貫性と可用性を確保する。人工知能による自由契約の捏造を防ぐ ✔
- B) 人工知能によって要求されたすべての新しい用語をカタログに自動的に追加します
- C) 主題の用語を完全に削除し、タイトルのみで検索します
- D) カタログ化の速度が低下し、各レコードを異なる用語で書き込む
説明: 管理された語彙は、承認された標準用語のリストです。同じ主題が異なるレコードに異なる用語で書かれている場合、ユーザーは一方を見つけても、もう一方を見逃してしまいます。 AI にこのリストを与え、「リストから選択するだけ」ように指示することで、一貫性と検索可能性が維持されます。人工知能によってリストされていない新しい用語はカタログに追加すべきではありません。
5. 人工知能から文書の分類番号を取得するときの正しいアプローチは何ですか?
- A) 人工知能によって与えられた正確な数値は、公式の表を見ずに直接受け入れるべきです。
- B) 分類番号は一切使用すべきではなく、情報源はランダムに棚上げされるべきです
- C) マスタークラスの提案は予備的なものとして考慮されるべきであり、正確な手順は公式の分類表で検証されるべきです ✔
- D) 人工知能は分類できないため、このタスクは完全にスキップする必要があります
説明: AI は多くの場合、適切な主要クラスを見つけることができますが、下位レベル (医学ではなく病歴など) を見逃したり、合理的と思われる誤った数値を生成したりする可能性があります。したがって、マスタークラスの提案はスタートとみなされ、正確な手順は公式の分類表で確認される必要があります。
6. セマンティック検索とキーワード検索を比較した場合、正しいのはどれですか?
- A) あらゆる場合において、セマンティック検索がキーワード検索を置き換える必要があります。
- B) セマンティック検索は、セマンティックに関連するリソースを見つけます。正確なタイトルまたは ISBN をキーワード検索する方が信頼性が高くなります ✔
- C) キーワード検索は、意味検索よりも意味的に関連性の高い、異なる用語を含むソースを検索します。
- D) セマンティック検索は数値データに対してのみ機能し、テキストに対しては機能しません。
説明: セマンティック検索は、(埋め込みベクトルを介して) 単語の意味と一致するため、「睡眠障害」や「睡眠障害」など、異なる単語ではあるが関連するリソースを検索します。対照的に、正確な ISBN、完全なタイトル、または法令番号を探す場合は、キーワード/ドメイン検索の方が信頼性が高くなります。ベストプラクティスは両方を一緒に使用することです。
7. パーソナライズされたリソースの推奨における「フィルターバブル」のリスクに対する図書館員の義務は何ですか?
- A) 最も類似したリソースのみをユーザーに推奨することでバブルを強化します。
- B) 提案することを完全に放棄する
- C) ユーザーの読書履歴を公に共有する
- D) 異なる視点や視野を持つ情報源を意識的に追加し、これを透明性を持って表明する ✔
説明: フィルターバブルとは、レコメンデーションシステムがユーザーを常に同様のコンテンツに閉じ込めて、新しい異なる視点から遠ざけることです。図書館の価値は平等で多様なアクセスにあります。したがって、図書館員は、見た目が異なる、目を見張るようなリソースを追加し、これを透明に述べることで、意識的にバブルを打破します。
8. アーカイブ文書を人工知能で処理する場合、「信頼性と完全性」の観点から正しいのはどれですか?
- A) 人工知能で文書を「美化」し、不足している部分を補って完成させ、元の文書を置き換えます
- B) 生のオリジナルを削除し、人工知能によって改良されたバージョンのみを保持する
- C) OCR は認識エラーのみを修正する必要があり、コンテンツは変更すべきではなく、生のオリジナルを保存し、派生したものには明確にラベルを付ける必要があります ✔
- D) OCR 出力を修正せずに「クリーン テキスト」として受け入れ、検索のために開きます。
説明: アーカイブ作業の本質は、文書が主張された情報源からのものであり、その内容が変更されていないことを保証することです。 OCR 修正は認識エラーを除去するだけであり、内容を変更するものではありません。 AIの「修復」は欠落部分を補うことができるため、実際の証拠の代わりにはなりません。生（オリジナル）スキャンは常に保存し、派生したものには明確にラベルを付ける必要があります。
9. 図書館情報ボットを責任を持って構築するには、次のうちどれが必要ですか?
- A) ボットは一般知識に基づいて各質問に対する回答を迅速に生成し、出典を引用しません。
- B) ボットは検証済みの企業情報のみに依存し、事実を引用し、デリケートな質問を専門家/人間に指示します ✔
- C) ボットは医学的および法的な質問に対して直接正確なアドバイスを提供します
- D) ユーザーがボットと話しているのか人間と話しているのかをユーザーから隠す
説明: アドバイスボットは、その機関の一般的な記憶ではなく、検証済みの最新情報と情報源リストのみに依存すべきであり、情報源を引用して事実を伝えるべきであり、医学/法律/機密問題に関するアドバイスを与えるべきではなく、アドバイスを専門家に指示し、必要に応じて人間に転送すべきです。したがって、ボットは人間の代わりになるのではなく、負担を軽減するレイヤーになります。
10. 書誌計量学において、著者の引用数または h-index を調べる正しい方法は何ですか?
- A) AI に直接質問します。AI が与える数値は常に正しいためです。
- B) 実際の引用データベースから数値を取得する。このデータの整理と解釈のみに人工知能を使用する ✔
- C) 数値を推定し、放送の決定に使用する
- D) 引用数を著者の作品の品質の直接的な尺度として考慮する。
説明: 人工知能は、実際のデータにアクセスせずに引用数や h-index などの値を作成できます (たとえば、実際には 19 であるのに 42 という値を与えることができます)。したがって、数値と引用は実際の引用データベースから取得する必要があります。 AI は、この実際のデータをクラスタリング、分類、解釈するためにのみ使用されるべきです。
11. 書誌学的測定の限界 (引用数、h-index、インパクトファクター) について正しいのはどれですか?
- A) 指標は品質を直接測定し、ドメイン間で比較できます。
- B) 基準は、雇用や昇進の決定において単独で安全に使用できます。
- C) 指標は品質ではなく使用状況を示します。ドメイン間で比較することはできず、定性的評価とのバランスを取る必要がある ✔
- D) 人文科学の成果は引用データベースに完全かつ完全に表現されている
開示: これらの指標は使用状況と可視性を示すものであり、品質を直接測定するものではありません。分野（医学と哲学など）の引用文化が異なるため、直接比較することはできません。人文科学の書籍に多く含まれる成果物は、データベースでは過小評価されています。したがって、個人を評価する際には基準だけを使用するのではなく、定性的な評価とのバランスをとる必要があります。
12. 一般的な AI に対する RAG (アクセス拡張製造) アプローチの主な利点は何ですか?
- A) 回答を機関の実際の文書にリンクし、出典を引用することにより、幻覚を大幅に軽減します ✔
- B) 文書ベースの品質に関係なく、常に完璧に対応する
- C) 幻覚を完全かつ永久に不可能にする
- D) アクセス制御を必要とせずに、すべてのドキュメントを全員に公開する
説明: 質問に答えるとき、RAG はまず機関自身の文書から関連する部分を見つけ出し、これらの部分のみに基づいて出典を引用して回答を作成します。このようにして、答えは実際の追跡可能な文書にリンクされ、幻覚が大幅に軽減されます。ただし、RAG は幻覚を完全に排除するわけではありません。間違った部分が提示された場合でも、答えが間違っている可能性があるためです。
13. 人文社会科学において、AI からユーザーへの引用を検証する最も信頼できる方法は何ですか?
- A) 引用が信頼できるものであり、流暢であることを確認してください
- B) AI に同じ引用を再現するよう依頼するだけ
- C) 著者の実際の作品から引用を見つけて検証する ✔
- D) 引用が有名な名前によるものであるだけで十分であることを受け入れる
説明: 人工知能は、本物の著者によるものとして完全に捏造された引用を生成できます。引用が一言一句正確で説得力があるように見えるという事実は、その正確さの証拠ではありません。最も信頼できる方法は、著者の実際の作品から引用を見つけて検証することです。 「この作者はこう言ったかもしれない」というロジックだけでは不十分です。
14.著作権、プライバシー、倫理の観点から、人工知能を使用する際に正しい原則はどれですか?
- A) 著作権で保護された個人データは、処理が速いため、考えずに公開ツールに入力できます。
- B) 使用が合法であれば、それは間違いなく倫理的であり、それ以上の評価は必要ありません。
- C) 人工知能が出力を生成すると、責任は人間ではなくツールに完全に移ります。
- D) 著作権とプライバシーは最初から尊重されなければなりません。匿名化、透明性、同意が不可欠であり、最終的な責任は人間にあります ✔
説明: 一般的な人工知能ツールに著作権で保護されたコンテンツや個人データ (ユーザー ID、閲覧/検索履歴) を衝動的に入力すると、権利やプライバシーが侵害される可能性があります。匿名化、データの最小化、透明性、同意が不可欠です。さらに、使用が合法であっても、非倫理的である可能性があります。 「誰もがそれを使用している」または「すぐに起こる」では実践が正当化されず、最終的な責任はツールではなく専門家にあります。