人工知能（AI）が知識の生産と組織の方法を根本的に再構築する時代において、図書館界は前例のない変革に直面しています。さまざまな AI ツールが前例のない速度でメタデータの作成の各段階に浸透していますが、業界全体で人間と機械の協力の複雑なパターンを評価、展開、管理するための統一された体系的なフレームワークが一般的に欠けています。この理論の欠如は、実践における探求がしばしば断片的で戦略的な指導を欠くことにつながっています。この課題に対処するために、本稿では「図書館メタデータ作成スケール」（Library Metadata Creation Scale - LMCS）という新しい概念モデルを提案し、この変革に対する明確な分析の座標を提供することを目指しています。
一、 LMCS フレームワークの提案#
生成的人工知能（Generative AI）の台頭は、図書館メタデータの分野にパラダイム的な衝撃をもたらしました。それは前例のない効率の向上とサービスの革新の可能性を示唆する一方で、メタデータの質、学術的誠実性、専門的役割の位置付けに対する深刻な懸念を引き起こしています。実践において、AI ツールに関する議論はしばしば二極化のジレンマに陥ります。すなわち、伝統を守り、AI の介入を拒否する「完全手動」モデルか、技術を受け入れ、極限の効率を追求する「完全自動」ビジョンのいずれかです。この非此即彼の二元対立は、現実の問題を解決するのに役立たず、むしろ従事者の不安と意思決定の混乱を悪化させています。
「図書館メタデータ作成スケール」（LMCS）は、このような背景の中で構想され、提案されました。その核心的な目的は、「許可するか禁止するか」という単純化した判断を超え、図書館界に対してより精緻で操作可能な構造的フレームワークを提供することです。このフレームワークは、管理者、目録作成者、技術開発者に対して、異なるシナリオにおける人間と機械の協力の境界、パターン、責任を明確に定義し、コミュニケーションするための共通の言語を提供することを目指しています。その理論的構築は、以下の点を考慮に入れています。
- 実践における「二元的ジレンマ」に応じ、精緻なガバナンスを提唱する：LMCS の誕生は、まず現在の業界の議論における単純な二元論への直接的な応答です。AI を単一で均質な概念として捉えることは誤りであると認識しています。逆に、メタデータ作成における AI の適用は連続的なスペクトルです。LMCS はこのスペクトルを五つの明確で管理可能なレベルに解体し、その設計理念は初期の「信号機」モデル（「AI を禁止」、「部分的に許可」、「完全に許可」など）から進化し、最終的にはより指導的な階層体系を形成しました。これにより、図書館はリソースの種類、重要性、処理目標に応じて差別化された戦略的選択を行うことができるようになります。
- 技術統合の歴史的経験を参考にし、前向きな道筋を提供する：歴史を振り返ると、すべての破壊的技術 —— コピー機、コンピュータ、インターネット —— は、図書館に受け入れられた当初、伝統的なスキルや作業プロセスに対する脅威と見なされていました。しかし、これらの技術は最終的に専門的な実践と統合される道を見出し、不可欠な基盤インフラとなりました。LMCS はこの歴史的視点を参考にし、受動的に抵抗するのではなく、急いで受け入れるのではなく、段階的で責任が明確な統合の道を積極的に設計する方が良いと考えています。AI ツールが補助的な「コンサルタント」（2 レベル）から深い「パートナー」（4-5 レベル）へと進化するための予測可能な発展の階段を提供します。
- 業界内の内在的な理論的緊張を調和し、理論的な整合性を実現する：LMCS フレームワークは、図書館目録分野における百年にわたる理論的議論に深く根ざしています。これは、二つの核心的な価値追求を体系的に調和させようとしています。一方は、チャールズ・アミ・カッター（Charles Ammi Cutter）を代表とする、単一の記録の完璧さを追求する「規範的理想」（LMCS の 1-2 レベルに対応）であり、もう一方は、膨大な情報に対処するために生まれた、「可用性優先」の現実主義原則であり、アーカイブ界の「多産出、少プロセス」（MPLP）思想（LMCS の 3-5 レベルに対応）です。LMCS は、どちらが優れているかを評価するのではなく、異なる状況におけるこれら二つの理論の共存価値を認め、統一された戦略的フレームワークの下で共存する可能性を提供します。
以上のように、LMCS は診断、計画、コミュニケーション機能を統合した戦略的ツールとなることを目指しています。それは現在の実践に指導を提供するだけでなく、AI に関する議論を「脅威」と「代替」を中心とした防御的な言説から、「協調」、「強化」、および「職業の進化」を中心とした建設的な対話に再構築しようとしています。
このスケールは、メタデータ作成における人間と機械の協力のパターンを、完全に人間の知性に依存するものから完全に機械が自律的に運営するものまで、五つの進行的なレベルに分類します。
| 等級 (Level) | 名称 (Name) | 核心描述 (Core Description) | 关键要求与编目员责任 (Key Requirements & Librarian's Responsibility) | 典型应用场景 (Typical Application Scenarios) |
|---|---|---|---|---|
| 1 | 人工原始编目 (Original Cataloging) | メタデータ記録は完全に目録作成者によって手動で作成され、AI 生成ツールは使用されません。目録作成者は RDA、MARC21、LCSH などの伝統的なツールと基準に依存します。 | 目録作成者は記録の各フィールドの正確性、完全性、準拠性に対して全責任を負います。これは伝統的な目録作成作業の基準です。 | - 独自のコレクション（手稿、アーカイブ、学位論文など）に対して原始的な目録を作成する。 - 国家書誌または権威機関の高基準の「ゴールド」記録を作成する。 - 新しい目録作成者に目録作成の基本ルールと考え方を習得させる。 |
| 2 | AI 辅助建议 (AI-Assisted Suggestion) | AI はコンサルティングツールとして特定のフィールドに対して提案や選択肢を提供しますが、完全な記録を直接生成することはありません。 | 目録作成者はすべての AI の提案を批判的に評価し、最終的な選択を行い、手動で記録を完成させる責任があります。AI は思考を補助するツールであり、目録作成者は記録の唯一の創作者です。 | - AI がタイトル、要約、または全文に基づいて主題語（LCSH/FAST）や分類番号（DDC/LCC）を推奨する。 - AI がテキストから可能なキーワードやエンティティ（人名、地名）を抽出する。 - AI が適用可能な MARC フィールドラベルを提案する。 |
| 3 | AI 辅助增强与清理 (AI-Assisted Enhancement & Cleanup) | AI は既存の不完全または低品質の記録（供給業者の記録、簡略化された記録など）を強化、修正、またはフォーマットします。 | 目録作成者は初期記録を提供し、AI のすべての修正を確認し、その正確性を確保し、核心的な意味を変更せず、地域のポリシーに準拠していることを確認する必要があります。目録作成者の役割は「編集者」と「校正者」です。 | - MARC 記録の句読点やサブフィールドコードを自動的に校正する。 - 権威文書（VIAF など）に基づいて人名、団体名を自動的に標準化する。 - 略語を展開したり、要約を別の言語に翻訳したりする。 - コンテンツに基づいて自動的に内容注記（505 フィールド）を追加する。 |
| 4 | 机器生成记录，人工审核 (Machine-Generated Record, Human Review) | AI はリソース自体（スキャンされたテキスト、PDF ファイル、音声・映像）に基づいて自動的に完全なメタデータ記録を生成し、レビュー待ちの状態にします。 | 目録作成者の核心的な責任は「作成」から「レビューと検証」に変わります。AI が生成した初期記録を注意深く確認し、誤りを修正し、欠落を補充し、最終的に承認する必要があります。これは人間と機械の協力の主要なモデルです。 | - 大量の電子書籍や学術論文を迅速に目録化し、AI が著者、タイトル、ISBN、要約などを自動的に抽出します。 - デジタル画像コレクションのために自動的に記述的メタデータを生成します（画像内容の識別、EXIF データの抽出など）。 - 非構造化された書誌情報（参考文献リストなど）を構造化された MARC 記録に変換します。 |
| 5 | 全自动元数据生成 (Fully Automated Metadata Generation) | AI はメタデータの作成、検証、登録プロセスを自律的に完了し、処理できない例外や信頼度が低い場合にのみ人間の介入をトリガーします。 | 目録作成者の役割は「システム管理者」と「品質監視者」に変わります。AI のルールを設定し、システム全体のパフォーマンスを監視し、定期的に記録の品質を監査し、AI が報告する問題を処理する責任があります。 | - 大規模な出版社データフローやオープンアクセスリポジトリをリアルタイムで処理し、メタデータを自動生成して発見システムにロードします。 - 機関リポジトリにおける提出内容（プレプリントなど）に対して自動的にメタデータ記録を作成します。 - ユーザー生成コンテンツ（写真、動画）に対して自動的にタグ付けや分類を行います。 |
二、討論#
LMCS の価値は、その操作ガイドとしての実用性にとどまらず、図書館専門職内部に長年存在する根本的な緊張を折射し、調和させようとする理論的なプリズムであり、そこから論理的に整合した職業再構築の道を導き出すことにあります。
LMCS の五つのレベルは、単なる技術的な階梯ではなく、図書館目録史における核心的な理論的議論の体系的なコーディングと応答です。この議論の核心は、常に「規範的理想」と「効率的現実」の間の緊張にあります。
-
「規範的理想」の継承と限定：LMCS の 1-2 レベルは、チャールズ・アミ・カッター（Charles Ammi Cutter）の「書誌的目的」（Bibliographic Objectives）原則の現代における直接的な具現化です。それは、各リソースに対して完璧な記録を作成することを追求し、意味理解、知識関連、権威管理における人間の知性の核心的な役割を強調します。この「職人精神」は図書館専門性の基盤であり、核心的なコレクションや高価値の知識資産の深い開示を確保します。しかし、LMCS フレームワークは、すべてのリソースにこの理想を適用することは、情報爆発の時代において現実的でも必要でもないことを認識しています。このモデルを特定のシナリオ（珍本、手稿など）に限定することで、その価値を保護し、無限に一般化されることによるシステムの崩壊を避けます。
-
「効率的現実」の統合と昇華：LMCS の 3-5 レベルは、アーカイブ界の「多産出、少プロセス」（More Product, Less Process, MPLP）という現実主義思想を吸収し、発展させています。MPLP は、膨大な蓄積されたコレクションに対して、「十分良い」メタデータが存在しないよりもはるかに優れていることを認めています。LMCS はこの原則を、蓄積に対する一時的な対策から、積極的で階層的な戦略的選択へと昇華させました。それはもはや「完璧」の対立面ではなく、「完璧」を補完し、異なる情報発見のニーズに応じた戦略的な組み合わせを構成します。
さらに重要なのは、LMCS が根本的な理論的転換を示していることです。「書誌的管理」（Bibliographic Control）から「書誌的ガバナンス」（Bibliographic Governance）への移行です。従来の「書誌的管理」は、中心化された、機関主導の、単一の記録の権威的な生産と管理を強調していました。しかし、LMCS フレームワークの下では、図書館の役割はメタデータエコシステムの「ガバナー」に変わります。「ガバナンス」とは、図書館がすべてのメタデータの唯一の生産者ではなく、人間、機械、供給者、さらにはユーザー生成コンテンツなどの多様な生産主体の調整者であることを意味します。その核心的な任務は「作成」から、信頼できる、品質が制御可能な、人間と機械の協力によるメタデータ生産システムの設計と監視に変わります。これは、ルール、戦略、品質監査に基づく体系的なガバナンスというより高次元の制御です。
以上の理論的分析に基づき、LMCS は図書館員の職業進化に対して明確な実践的道筋を描いており、その本質は深刻な「専門的管轄権」（Professional Jurisdiction）の移転であり、組織形態とサービスパラダイムの変革を促す可能性があります。
- 専門的管轄権の移転とスキルの再構築：従来の目録作成者の核心的な管轄権は、目録規則の精緻な解釈と手動での適用にあります。しかし、LMCS の高レベルモデルでは、機械が規則適用の大部分を担い、図書館員の新たな核心的管轄権は自動化プロセスの「設計、検証、倫理監視」に移行します。作業の重心は「生産ラインの職人」から、知識体系の「アーキテクト」に変わります。この進化は、スキルスタックの体系的な再構築を要求します：
- 1-2 レベルでは、価値は深い目録学、主題法、分類法などの内容知識（Content Knowledge）にあります。
- 3-4 レベルでは、価値はデータ評価、パターン認識、人間と機械の相互作用の効率などのプロセス知識（Process Knowledge）にあります。
- 5 レベルでは、価値はシステム思考、データ分析、戦略計画、倫理的意思決定などのメタ知識（Metacognitive Knowledge）にあります。
- 組織構造の必然的変革：専門的管轄権の移転は、同質的なタスクに基づく従来の部門構造に必然的に衝撃を与えます。LMCS を全面的に採用する図書館では、技術サービス部門は単一の「目録部」から機能分化された「メタデータ戦略センター」へと進化します。このセンターは以下を含む可能性があります：
- 特別コレクションと原始目録グループ（主に 1-2 レベル）：経験豊富な専門家で構成され、独特で複雑、高価値のコレクションを扱い、専門的な核心技術を継承します。
- バルク処理とデータ強化グループ（主に 3-4 レベル）：人間と機械の協力の主力部隊であり、大規模なデジタルおよび物理的リソースの処理を担当し、効率と品質のバランスを強調します。
- メタデータシステムと戦略グループ（主に 5 レベル）：全館のメタデータポリシーを策定し、AI ツールを評価・配置し、自動化プロセスの品質と倫理的適合性を監視し、全体システムの「脳」となります。
- 「メタデータはサービス」（MaaS）概念の拡張：組織構造の変革により、メタデータ部門は内部生産ユニットから、内部および外部のユーザーに向けた「サービス提供者」へと変わる能力を持つようになります。AI の能力を活用することで、「メタデータはサービス」（Metadata-as-a-Service）の含意は大きく拡張されます。たとえば、大学の研究者に「オンデマンドメタデータ生成」サービスを提供し、彼らの研究データセットを迅速に処理したり、AI を利用して大規模なメタデータ分析を行い、学科サービスに対する意思決定支援を提供したり、技術能力が不足している小規模な文化機関にメタデータのクリーニングと強化に関するコンサルティングサービスを提供したりすることで、図書館の社会的価値を拡大することができます。
この進化は、技術サービス部門の組織変革を示唆しており、同質的なタスクに基づく「生産ライン」モデルから、LMCS のレベルとリソースタイプに基づく「プロジェクトポートフォリオ管理」（Portfolio Management）モデルへと変わります。異なるチームは異なる LMCS レベルに焦点を当て、「特別コレクション目録専門家」（1-2 レベル）、「データ強化と品質管理チーム」（3-4 レベル）、「メタデータ戦略とシステムアナリスト」（5 レベル）からなる、機能的に補完し合う専門的エコシステムを形成します。
三、批判的な検討#
理論モデルとしての LMCS の優雅さと簡潔さの背後には、警戒すべきリスクが潜んでいます。批判的な検討は、実践において直面する可能性のある四つの核心的な課題を明らかにします。
- 「線形進歩」の幻想：五つのレベルを「後れた」から「先進的」への進化の階梯と見なすことは、危険な技術決定論です。私たちは、LMCS は異なる状況に適用可能な「診断ツールボックス」であり、達成すべき「進化目標」ではないことを強調しなければなりません。中世の手稿にとって、1 レベルは常に 5 レベルよりも「先進的」であり、より適切な選択です。作業の価値は自動化の程度によって定義されるべきではなく、そうでなければ専門的判断や「職人精神」の軽視を招き、図書館の核心的価値を侵食することになります。
- 「アルゴリズムのブラックボックス」の倫理的危機：高レベルの自動化は AI モデルに大きく依存しており、これらのモデルは訓練データにおいて体系的な偏見（言語、文化、地域の偏見など）を持つ可能性があります。図書館員の役割が「創作者」から「レビュー者」に変わるとき、彼らがアルゴリズム内部に深く根付いた、より隠れた認識論的偏見を識別し修正する能力は低下するのでしょうか？これは単なる技術的な問題ではなく、知識の公平性（Knowledge Equity）や認識論的正義（Epistemic Justice）に関わる倫理的危機であり、図書館が中立的で包摂的な知識の守護者としての社会的約束を直接的に挑戦します。
- 専門スキルの「空洞化」リスク：新世代の図書館員が長期間 3-4 レベルの環境で働き、1-2 レベルモデルでの体系的な訓練を欠く場合、彼らは「そうであることを知っているが、その理由を知らない」状態になり、専門的な大厦を支える基層の論理や複雑な規則を深く理解できなくなる可能性があります。AI が誤りを犯した場合、彼らは根本的な修正を行うことができないかもしれません。長期的には、専門スキルの世代間の流出を引き起こし、最終的には機械との協力において知識の主導権と専門的権威を失い、「アーキテクト」から「修理工」に転落することになります。
- 新たな「デジタルデバイド」の悪化：高品質の AI 目録ツールやサービスは、商業的な調達でも自主開発でも、巨額の資金と技術的投資を必要とします。これは図書館界内部に新たな溝を生む可能性が高いです。資金に恵まれた大学図書館は 4-5 レベルの効率的な自動化を容易に実現できる一方で、予算が厳しい公共図書館や地方機関は 1-2 レベルにとどまる可能性があります。この「メタデータ生産性の分化」は、情報資源の開示レベルの大きな差異を直接的に引き起こし、最終的にはサービスの質とユーザーのアクセス権の格差を生むことになり、図書館が情報の公平を促進する根本的な使命に反することになります。
結論#
「図書館メタデータ作成スケール」（LMCS）は、AI 時代のメタデータ実践を見直し、ナビゲートするための強力なツールを提供します。しかし、それが持つより重要な意義は、業界の核心的矛盾に直面し、図書館員の専門的価値を再考させることにあります。
未来の道は「完全手動」と「完全自動」の間で二元的な選択をすることではありません。本当の挑戦は、図書館員が単なるルールの実行者を超えて、人間と機械の協力システムの批判的な設計者および倫理的な守護者となることができるかどうかです。これは、私たちが自動化による効率を受け入れるだけでなく、深く考慮された人間の判断を守り、知識の表現の公平性を維持し、新しい技術エコシステムの中で専門的な知恵を継承し昇華させることを意味します。そうすることで、私たちは知能時代において、真に技術を駆使し、技術に定義されるのではなくなることができるのです。