1 导言

在技术、社会和地缘政治加速变革的时代，传统规划工具在应对 AI 带来的快速颠覆时显得力不从心。研究表明，信息服务领域将近一半的工作任务可能被 AI 改变，这已是迫在眉睫的现实。为此，研究型图书馆协会 (ARL) 与网络信息联盟 (CNI) 联合推出了免费的“未来图景图书馆人工智能工具包”，旨在帮助图书馆领导者及其机构在 AI 格局中规划、制定政策并蓬勃发展。

该项目获得了美国博物馆和图书馆服务协会 (IMLS) 的早期资助，并得到 CNI 的持续支持。工具包由卡内基梅隆大学图书馆馆长、专业未来学家 Keith Webster 为 ARL 和 CNI 创建。

工具包的核心是“前瞻性思维”（Foresight），即预见变化、思考多种未来可能并灵活行动的能力。它倡导的不是预测未来，而是通过提出问题来做出更具韧性和意图性的决策，比如：

可能发生什么？应该发生什么？我们现在该做什么来塑造一个更美好的未来？

场景规划是实现这一目标的关键工具。它通过构建多个合理的未来故事，帮助领导者：

l挑战固有假设：审视在变化的世界中可能不再成立的信念。

l测试战略韧性：评估现有战略在不同外部条件下的表现，识别“无悔之举”。

l发现隐藏的机遇与风险：揭示传统思维模式下难以察觉的可能性。

l鼓励主动决策：尤其是在 AI 重塑研究、教学和知识生产基础的背景下。

2  ARL/CNI 人工智能场景框架：探索 2035 年的四种可能未来

该工具包的基础是于 2024 年 6 月发布的《ARL/CNI AI 场景：AI 影响下的未来》报告。这些场景基于对 ARL 和 CNI 成员的深入调研，从北美视角出发，围绕两大关键不确定性构建了一个 2x2 矩阵。

l关键不确定性1：AI 流程与设计的社会意图性 (Societal Intentionality of AI Process and Design)：AI 的发展是预见并满足社会需求与愿望（广泛意图性），还是受限且零散（有限意图性）？

l关键不确定性 2：社会对 AI 的适应性 (Societal Adaptation of AI)：社会在多大程度上采纳、适应并响应 AI 的发展（广泛适应性 vs有限适应性）？

基于这两个维度，报告描绘了四个截然不同且合理的 2035 年未来场景。

每个场景的报告都包含详细的叙述、当前驱动因素分析、给 ARL/CNI 社区的战略问题，以及一个虚构人物“Alex 博士”在该场景下的工作生活片段，以增强代入感。

3 “未来图景图书馆人工智能工具包”：通往战略行动的模块化路径

该工具包被设计成一个灵活的模块化资源，可用于从半天研讨会到多日战略务虚会的不同场合。其结构分为五个核心模块，引导领导者完成从思维准备到行动实践的全过程。

模块一：思考未来

目标：建立思维准备。通过个人反思、战略提问和关于 AI 的初步对话，帮助参与者审视自己对未来的态度、信念和偏见，为探索不确定性建立心理安全。

模块二：发现机遇与担忧

目标：扫描外部环境。介绍“驱动力”和“信号”等核心前瞻概念，引导团队通过环境扫描（如 PESTLE 框架）来识别外部的关键趋势、不确定性和张力。

模块三：基于场景的方案开发与评估

目标：在多重未来中测试战略。这是工具包的核心，参与者将沉浸式地进入四个 AI 场景，运用 SWOT/TOWS 分析等工具，评估机构在不同未来中的优势与劣势，并制定相应的行动计划。

模块四：探索战略选项

目标：将洞察转化为战略。帮助团队评估和优先排序在前面环节中产生的战略构想。通过战略组合图、影响与难度矩阵等工具，识别“速赢”项、长期战略项目和应避免的“资源陷阱”。

模块五：从工作坊到实践

目标：将前瞻性思维融入组织文化。提供一套可持续的领导力实践方法，如建立早期预警系统、将环境扫描常态化、设立前瞻角色与仪式，确保前瞻性思维超越单次工作坊，成为组织决策的核心部分。

4 关键方法论与核心活动

工具包提供了一系列具体、可操作的练习，旨在将抽象的未来思考转化为具体的战略洞察。

驱动力 (Drivers) vs. 信号 (Signals)：区分塑造未来的长期、深层力量（如人口结构变化）和预示未来模式的早期、微弱指标（如校园内新 AI 工具的采用）。

场景锥 (The Scenario Cone)：一个可视化模型，展示未来并非单一路径，而是从“可能”到“合理”再到“可取”的不断扩大的可能性领域，强调了承认不确定性的重要性。

环境扫描 (Environmental Scanning)：系统性地观察外部世界，识别可能影响图书馆未来的技术、政策、社会和文化变化。

SWOT/TOWS 分析：在特定未来场景的情境下，评估机构的优势 (Strengths)、劣势 (Weaknesses)、机会 (Opportunities) 和威胁 (Threats)，并进一步通过 TOWS 矩阵将这些内外因素联系起来，生成具体的战略（如 S-O 战略：利用优势抓住机会）。

场景行动规划 (Scenario Action Planning)：为每个场景制定 5-7 项战略行动，然后由各小组对所有行动在不同场景下的推荐度（1-5分）进行评分，从而识别出稳健型战略（在所有场景中得分均高）、权变型战略（仅在特定场景中得分高）和脆弱型战略（在多数场景中得分低）。

未来适应性规划 (Future-Fit Planning)：使用与场景行动规划类似的评分表，对机构现有的战略计划进行压力测试，评估其在四种未来场景下的适应性。

战略组合图 (Strategic Portfolio Mapping)：通过一个 2x2 矩阵，根据“对未来场景的契合度”和“当前投资水平”两个维度对战略行动进行分类，分为维持/扩展、孵化/投资、重新评估和剥离/避免四个象限，以优化资源配置。

影响与难度矩阵 (Impact vs. Difficulty Matrix)：将战略选项按其“预期影响力”和“实施难度”进行评估，识别出速赢项（高影响、低难度）、战略项目（高影响、高难度）、锦上添花项（低影响、低难度）和资源陷阱（低影响、高难度）。

“思考不可能的事” (Thinking the Unthinkable)：通过引入“王牌”或“黑天鹅事件”（Wild Cards）——即低概率、高影响的事件（如“一次网络攻击导致关键学术基础设施瘫痪一个月”）——来挑战团队的假设，增强战略灵活性和韧性。

5 结论

“未来图景图书馆人工智能工具包”不仅是一个用于举办工作坊的手册，更是一套旨在培养持久战略能力的领导力实践框架。其最终价值在于将前瞻性思维从一次性的活动转变为一种组织习惯和文化。

通过实施模块五中提出的建议，如图书馆领导层可以：

l建立早期预警系统：持续追踪可能预示某个未来场景正在出现的“路标”信号。

l将环境扫描常态化：在领导层会议中定期讨论外部世界的变化。

l创建前瞻性角色与仪式：指定“未来联络员”或在战略规划中加入固定的未来思考环节。

l定期重访和更新场景：每年或每 18 个月重新评估场景的合理性，使其与现实世界保持同步。

l与战略规划和预算相结合：将场景分析作为评估新项目和分配资源的核心依据。

总之，ARL/CNI 的这一工具包为研究型图书馆提供了一条清晰的路径，帮助它们在 AI 驱动的变革浪潮中，不仅能够生存下来，更能够主动引领、创新并塑造一个更具韧性和影响力的未来。它强调，面对不确定性，最有力的回应是培养一种持续学习、适应和前瞻的组织文化。

来源：https://www.cni.org/news/now-available-arl-cni-futurescape-libraries-ai-toolkit

注意：涉及内容仅为作者对相关资料的主观解读和总结，并非对原文的准确、完整或官方翻译，可能存在疏漏或偏差，不保证所有信息的绝对准确性和完整性。如需引用或作为决策依据，强烈建议您查阅原文，并以原文内容为准。