Аватаризация библиотечно-информационной деятельности (как сказка стала былью)

Московский городской педагогический университет, Москва, Россия, ,

,

Введение . В обществах с экономикой, основанной на знаниях (knowledge-based economy), важнейшей составляющей является сбор данных, их проверка и обработка, включая качественную и количественную оценку информации, аналитика и визуализация для принятия решений на основе данных (data-driven approach). В соответствии с межгосударственным стандартом аналитика используется для понимания объектов или событий, представленных данными, чтобы делать прогнозы для конкретной ситуации и рекомендовать шаги для достижения целей. Новые знания, полученные с помощью аналитики, используются для различных целей, таких как принятие решений, исследования, устойчивое развитие, проектирование и планирование ¹ . В России разработана целая система ГОСТов по искусственному интеллекту (далее ‒ ИИ), в т. ч. ГОСТ Р 71484.1-5 ² (рис. 1) на основе международных стандартов.

Рис. 1 . Национальные ГОСТы по управлению качеством данных³

Fig. 1 . National Standards (GOSTs) on Data Quality Management

Развитие ИИ в России реализуется в рамках ряда нормативно-правовых актов. Это, во-первых, «Национальная стратегия развития искусственного интеллекта на период до 2030 года», утвержденная Указом Президента Российской Федерации от 10 октября 2019 г. № 490, где ИИ определен как «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений»1.

Во-вторых, Указ Президента Российской Федерации от 15 февраля 2024 г. № 124 «О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. №490 “О развитии искусственного интеллекта в Российской Федерации” и в Национальную стратегию, утвержденную этим Указом» ² .

В-третьих, распоряжение Правительства Российской Федерации от 20 мая 2023 г. № 1315-р «Об утверждении Концепции технологического развития на период до 2030 года» (с изменениями на 21 октября 2024 г.) ³ . Другие документы относительно развития ИИ в РФ можно найти на Национальном портале в сфере искусственного интеллекта ⁴ и в соответствующем разделе сайта Ассоциации лабораторий по развитию искусственного интеллекта ⁵ .

Методология и методы . В ряде своих предыдущих работ мы показали условия и перспективы управления цифровой трансформацией библиотек (Каптерев, 2023), теоретические и практические аспекты фиджитализации библиотечного обслуживания (Каптерев, 2026а). В данной работе проанализируем такое следствие виртуализации библиотечно-информационной деятельности, как аватаризация БИД.

Философский анализ понятия «аватар(а)» (от санскритского avatara (^UR) - нисхождение божественного образа, иное воплощение сущности) дан в работах А.С. Тимощук (2007), С.П. Расторгуева и М.В. Литвиненко (2011). Понимая множественность трактовок данного термина, авторы дают такое определение: «АВАТАР – информационная поименованная диалоговая система, созданная по образу и подобию, способная адаптироваться к любым входным данным для достижения поставленной цели» (Расторгуев, Литвиненко 2011: 32). И здесь же находим определение процесса аватаризации: «Аватаризацию можно считать перспективной технологией управления знаниями, для которой существует общепринятое название knowledge management, а аватара – менеджером, обученным решать типовые задачи как технологически, методически, так и в области контента» (Расторгуев, Литвиненко 2011: 32). Мы, конечно, не считаем, что между управлением знаниями и аватаризацией можно поставить знак равенства, поскольку имели в своей практике ряд статей и монографий по управлению знаниями ⁶ (Каптерев, 2012), где и мы, и десятки цитируемых нами авторов вполне успешно обходились без употребления термина «аватар». Более того, в монографии «Когнитивный менеджмент» (Каптерев, 2019) мы проанализировали методологические, теоретические и технологические основания этого научного направления, факт новизны которого подтвержден соответствующим документом ⁷ .

Под аватаризацией библиотечно-информационной деятельности мы понимаем следствие виртуализации БИД, проявляющееся в создании и использовании цифровых заменителей (моделей, теней и двойников) объектов, субъектов и процессов БИД . Цифровые двойники – виртуальные копии физической инфраструктуры – позволяют моделировать различные сценарии принятия решений реальным специалистом и тестировать их без риска ошибок в физическом пространстве или отрабатывать схемы взаимодействия с реальным пользователем информационных услуг.

Результаты . Согласно ГОСТу Р 57700.37–2021, цифровой двойник рассматривается как сложная система, которая позволяет всесторонне описать изделие и системно подойти к разработке, производству и эксплуатации изделий ¹ . Но в этом документе рассмотрено промышленное производство, хотя данное понятие сейчас применяется во множестве отраслей.

Так, К.В. Пителинский с соавторами выделили 11 сфер применения технологии цифровых двойников (Пителинский и др., 2024: 13). Исторически концепция цифрового двойника была представлена М. Гривсом в 2002 г. Он предложил рассматривать цифровую модель как единую точку отсчета для управления всеми этапами жизненного цикла продукта – от проектирования до утилизации (Grieves, Vickers, 2017).

В настоящее время существует множество цифровых агентов, которые условно можно разделить на следующие категории.

Простые интеллектуальные агенты (далее ‒ ИА), также называемые рефлексными, действуют на основе заранее заданных правил и текущих данных. Им свойственно упрощенное поведение, они принимают решения как продукционные модели, основанные на правилах «Если…, то…». Такие ИА широко применяются в качестве чат-ботов.

ИА, основанные на модели, способны сформировать внутреннюю картину мира, анализируют возможные результаты своих действий и адаптируются к внешним условиям, оптимизируя свои реакции в ответ на изменения в окружающей среде.

Обучающиеся ИА обладают: а) адаптивностью, т. е. способностью изменять свои стратегии и поведение на основе полученного опыта, что позволяет им улучшать результаты обслуживания; б) возможностью отслеживания действия пользователей и сбора данных для анализа, что помогает в персонализации; в) способностью к автоматизации рутинных задач, таких как тестирование и предоставление обратной связи, что снижает нагрузку на библиотекарей; г) навыком разработки персонализированных траекторий обслуживания с учетом цифровых профилей пользователей.

ИА с функцией полезности способны отображать траекторию смены состояний, что позволяет сравнивать различные варианты действий и выбирать оптимум, а также оценивать вероятность достижения целей с учетом их приоритетности, что повышает устойчивость в условиях неопределенности.

Целенаправленные ИА запоминают желательные состояния и используют эту информацию для выбора наилучших путей к реализации задач, различают степень их выполнения, способны выбирать среди множества альтернативных действий, основываясь на упрощении процесса принятия решений.

Последние ИИ-агенты опираются также на генерацию, дополненную поиском (RAG), которая позволяет им обращаться за данными к внешним источникам, в том числе с помощью интернета. Использование ИИ-агентов дает возможность выделять различные уровни аватаризации БИД: а) наноуровень; б) микроуровень; в) макроуровень; г) мегауровень; д) метауровень.

Несмотря на существующую сегодня тенденцию расширения функционала цифрового двойника библиотекаря (далее ‒ ЦДБ), мы полагаем, что более перспективным направлением, не требующим сверхбольших вычислительных мощностей и большого числа токенов в ИИ-модели, является дифференциация функционала ЦДБ путем создания множества агентов, сориентированных на конкретные профессиональные роли (маркетинг, мониторинг, консалтинг) под каждую обобщенную функцию БИД.

Термин «мультиагентность» сегодня рассматривают применительно к одному цифровому двойнику, мы же предлагаем для библиотековедческой проблематики и практики расширительно толковать его не только как множественность ИИ-агентов в каждом ЦДБ, но и как множественность самих ЦДБ. Определим ЦДБ как интеллектуальную информационную систему, имитирующую определенный набор профессиональных действий и операций, выполняемых библиотекарем-библиографом в процессе реализации трудовой функции .

В данной работе мы даем обоснование возможности и необходимости изучать библиотеку как киберфизическую систему. Это реализуется, во-первых, с помощью дедуктивного подхода к аватаризации БИД (разработка виртуального библиотекаря «сверху-вниз»), что отстаивается в некоторых существующих публикациях. Во-вторых ‒ посредством индуктивного подхода : передачи ИИ-агенту сначала элементарных задач (наноагент, микроагент) с последующим их объединением для реализации функции БИД (согласно профессиональному стандарту) в макроагента (цифрового двойника библиотекаря). На базе же ряда созданных макроагентов формируется мегаагент – цифровой двойник библиотеки. Исходя из данного утверждения, предлагаем концептуальную модель аватаризации БИД (таблица 1).

Таблица 1 . Концептуальная модель аватаризации библиотечно-информационной деятельности (АБИД) на основе использования цифровых двойников (ЦД)¹

Table 1 . A Conceptual Model of “Avatarization” of Library and Information Services Using the Digital Twin Technology

'Ч.       Аспект АБИД Уровни АБИД    \	Цель	Объект	Субъект	Результат	Примеры ЦД	Технологии
Метауровень	Цифровая трансформация	Отрасль	Профессиональное сообщество	Рост социального статуса	ЦД сети	Платформенные решения
Мегауровень	Цифровая зрелость	Библиотека	Коллектив	Клиентоцентричность	Полнофункциональный ЦД библиотеки	GAN мультиагентные системы, 1оТ
Макроуровень	Фиджитализация	Функция	Отдел	Оптимизация	Функциональный ЦД	RAG ИИ-агенты
Микроуровень	Виртуализация	Пользователь	Сотрудник	Повышение эффективности	Виртуальный ассистент библиотекаря, чат-бот пользователя	Рекомендательные системы, системы ИАТ, В 1-системы
Наноуровень	Структуризация	Метаданные	Алгоритмы	Семантическая связность	ЦД документа	NER

Мы провели анализ отечественных и зарубежных публикаций об использовании ИИ-систем в библиотеках разных типов и сопоставили упомянутые в профессиональной литературе цифровые модели библиотекаря-библиографа с описанными выше типами ЦДБ и достигнутыми в них уровнями аватаризации. Приведенные далее таблицы 2 и 3 демонстрируют, что, несмотря на разнообразный функционал ЦДБ, немногие из них поднялись выше микроуровня. Это подтверждает нашу гипотезу о преимуществе индуктивного подхода к аватаризации БИД на текущий момент (Каптерев, 2026б). В то же время уже существующие ИИ-системы и ИИ-агенты обладают целым рядом профессиональных компетенций библиотекарей, иногда превосходя возможности человека. Это открывает путь к дифференцированному моделированию ЦДБ, которое мы называем мультиагентной траекторией развития библиотеки как киберфизической системы в процессе аватаризации БИД.

Таблица 2 . Особенности отечественных ЦДБ, описываемых в литературе

Table 2 . Features of the Russian Library Digital Twin Technologies Described in the Literature

Автор или название сервиса	Тип ЦДБ	Уровень аватаризации
1	2	3
Библиотеки Москвы2	Простой ИА	Микроуровень
Дворкина М.Я., Елисина Е.Ю. (2015)	Простой ИА	Микроуровень
Митрошин И.А. (2025)	Простой ИА	Микроуровень
Телеграм-бот РГЮБ (Нещерет, 2025)	Простой ИА	Микроуровень
Национальная библиотека Республики Татарстан (Нещерет, 2025)	Простой ИА	Микроуровень
Платформа сбора голосовых данных VoiceNLRS (Климов и др., 2025)	Простой ИА	Наноуровень
Синтезатор речи на якутском языке «Истиҥ» (Климов и др., 2025)	Простой ИА	Наноуровень
Телеграм-бот Московской «Дирекции культурных центров» (Нещерет, 2025)	Простой ИА	Микроуровень
Телеграм-бот Санкт-Петербургской государственной библиотеки для слепых и слабовидящих (Нещерет, 2025)	Простой ИА	Микроуровень
«Библиопоиск»3	Простой ИА	Микроуровень
Чат-бот «Метод-бот» ГПНТБ (Нещерет, 2025)	ИА, основанный на модели	Микроуровень
Kingbot – интерактивный чат-бот (Нещерет, 2024)	ИА, основанный на модели	Микроуровень
Нейро-ассистент – навигатор по библиотечным ресурсам для студентов и преподавателей (ЭБС завтрашнего дня…, 2024)	ИА, основанный на модели	Микроуровень

Продолжение таблицы 2

1	2	3
«Цифровой библиотекарь Якутии» (Климов и др., 2025)	Обучающийся ИА c функцией полезности	Мегауровень
Голосовой ассистент «Асель» (Степанов, 2024)	Обучающийся ИА	Микроуровень
Виртуальный библиотекарь НБ Сибирского федерального университета (Барышев и др., 2024)	Обучающийся ИА c функцией полезности	Мегауровень
«Эксперт Якутии» (Климов и др., 2025)	Обучающийся ИА	Микроуровень
«ИИ-текст» (Климов и др., 2025)	Обучающийся ИА	Микроуровень

За рубежом также имеется множество практических реализаций аватаризации БИД, которые можно сравнить по аналогичным параметрам (таблица 3).

Таблица 3 . Особенности зарубежных ЦДБ, описываемых в литературе

Table 3 . Features of Foreign Library Digital Twin Technologies Described in the Literature

Название сервиса	Категория ИА	Уровень аватаризации	Страна
1	2	3	4
ChatBook в Национальной библиотечной комиссии (National Library Board, NLB) 1	Простой ИА (чат-бот нового поколения)	Микроуровень	Сингапур
LINK (Library Information and Knowledge) – Библиотеки Университета Южной Флориды2	Простой ИА	Микроуровень	США
KAI (сервисный чат-бот) – Библиотека Кассельского университета3	Простой ИА	Микроуровень	Германия
Т-Рекс в Библиотеке университета Калгари (Нещерет, 2025)	Обучающийся ИА	Микроуровень	Канада
Цифровой ассистент DosAI Восточно-Казахстанской областной библиотеки имени А.С. Пушкина4	Обучающийся ИА	Микроуровень	Казахстан
AI Research Assistant (в поисковом сервисе Andor) – Библиотеки Университета Тампере (Tampere University Library)5	Обучающийся ИА	Микроуровень	Финляндия
ChatGPT Edu (пилотный проект с Бодлианской библиотекой) Оксфордского университета6	Обучающийся ИА	Макроуровень	Великобритания
GallicaSnoop – Национальная библиотека Франции (BnF)7	ИА, основанный на модели	Наноуровень	Франция
Collections Explorer8	ИА, основанный на модели	Макроуровень	США
Цифровой человек «Xiaotu» Национальной библиотеки Китая (National Library of China)9	Обучающийся ИА	Макроуровень	КНР

Продолжение таблицы 3

1	2	3	4
LibraryAI Нижнесаксонской государственной и университетской библиотеки Гёттингена (SUB)1	Обучающийся ИА	Микроуровень	Германия
Виртуальный библиотекарь «Xiaoshu» Национальной библиотеки общественной информации (National Library of Public Information, NLPI) 2	Обучающийся ИА c функцией полезности	Макроуровень	Тайвань
AI-библиотекарь «Aisha» Библиотеки Университета Зайеда (Zayed University Library)3	Обучающийся ИА c функцией полезности	Микроуровень	ОАЭ (Дубай)

На наноуровне аватаризации в процессе комплектования и систематизации новых поступлений возникает вторично-документный контур, необходимость использования которого была осознана еще в VII в. до н. э. в библиотеке ассирийского царя Ашшурбанипала в древней Месопотамии. Эта библиотека содержала таблички о табличках. В настоящее время эту функцию выполняют метаданные. Метаданные являются «структурированной или полуструктурированной информацией, позволяющей создавать, регистрировать, классифицировать, обеспечивать доступ, хранение и размещение документов в рамках и за пределами одной либо нескольких областей деятель-ности» ⁴ . Управление документами всегда включает в себя управление метаданными. Однако электронная среда требует иного выражения традиционных требований и иных механизмов для идентификации, ввода, определения свойств и использования метаданных. В электронной среде очень важна гарантия того, чтобы системы, предназначенные для работы с документами, автоматически формировали и вводили необходимые сведения об управлении ими. И наоборот, «электронная среда предоставляет новые возможности для определения и создания метаданных, а также для обеспечения полного, своевременного ввода документов» ⁵ .

Семантическая связность – это способность текста сохранять внутреннюю непрерывность смысла, при которой каждое новое высказывание естественно продолжает предыдущее. Это свойство обеспечивает единство и целостность текста, а также логическую последовательность идей. Семантическая связность в ИИ – не результат понимания, а следствие структуры. Она возникает из взаимодействия эмбеддингов – векторных представлений слов, механизмов внимания, позиционных связей и вероятностных распределений. В этой сложной системе все подчинено одному принципу ‒ минимизации разрыва между предыдущим и последующим состоянием текста. Если человек удерживает смысл осознанно, то ИИ-модель выстраивает его как траекторию вероятностей ⁶ .

Термин «цифровой двойник документа» чаще всего используется в технической документации (чертежах, спецификациях, руководствах) в виде свернутого «информационного слоя», а также в качестве специального формата файла (например, в формате YAML или JSON), который описывает метаданные и характеристики цифрового двойника для его интеграции в другие системы. Например, в концепции интернета вещей (IoT) для полноценного управления виртуальным заводом или другой организацией в него интегрируют систему управления документами (DMS). Это позволяет инженеру, кликнув на виртуальный объект, мгновенно открыть его актуальный паспорт, сертификат безопасности или историю обслуживания. Существуют инициативы по созданию единого стандарта цифрового двойника документа. Он должен включать: а) метаданные, содержащие общую информацию об объекте; б) ссылку на точку доступа к данным в физическом пространстве; в) описание возможностей цифровой модели, например, аналитических.

NER (Named Entity Recognition, распознавание именованных сущностей) – это технология извлечения конкретных объектов из текста. Алгоритм находит в неструктурированных данных слова и классифицирует их по категориям для превращения неструктурированной текстовой информации в структурированные данные, которые затем связываются с виртуальной моделью объекта.

В качестве способов применения NER-технологий выделим:

• а)    автоматическое извлечение данных, например, названий оборудования, серийных номеров, технических характеристик, и связывание их с конкретными узлами модели;

• б)    анализ текстовых записей операторов, телефонных переговоров, журналов оказания консультационной помощи, отчетов об устранении неисправностей оборудования путем выделения «именованных сущностей» – наименований, деталей, видов дефектов, фамилий ответственных и т. п.;

• в)    взаимодействие через NLP-интерфейсы и библиотеки, поддерживающие текстовые и голосовые запросы (SpaCy, Stanza, а также DeepPavlov ‒ популярную в России библиотеку для обработки русского языка).

Далее обоснуем факт дифференциации ЦДБ по уровням аватаризации.

На наноуровне аватаризации ЦДБ анализирует отдельные документы, но аватар может обладать разной степенью интерактивности. В качестве примеров можно назвать отечественную платформу сбора голосовых данных VoiceNLRS (Климов и др., 2025), синтезатор речи на якутском языке «Истиҥ» (Климов и др., 2025), французский проект GallicaSnoop (Национальная библиотека Франции – BnF ¹ ), работающий на уровне отдельного документа/изображения. Более того, этот инструмент используют ИА-агенты BnF как инструмент иконографического поиска, чтобы лучше обслуживать читателей, что делает его инструментом для аватаризации самого библиотекаря, расширяя его профессиональные возможности. На этом уровне, как правило, функционируют простые ИА, например, ChatBook (Сингапур) ² . Но все же это не примитивный чат-бот, а сервис на основе генеративного ИИ (GenAI). Однако его ключевая функция – вести диалог от имени автора книги, следуя заранее определенному сценарию взаимодействия («пользователь ‒ книга»), а не выполнять широкий спектр библиотечных задач.

На микроуровне аватаризации взаимодействуют цифровые двойники библиотекаря и цифровые профили пользователей, что позволяет переходить от простых вопрос-ответных чат-ботов к более функционально насыщенным виртуальным ассистентам библиотекарей и библиографов, выполняющим библиографический (Моисеева, 2024) и интеллектуальный поиск, а также навигацию в рекомендательных системах (Каптерев, 2024), когда поиск и рекомендации выполняются не по ключевым словам, а по онтологическим категориям объектов. К этому уровню могут быть отнесены ЦДБ, основанные на модели. В качестве примеров назовем: чат-бот «Метод-бот» ГПНТБ (Нещерет, 2025), Kingbot – интерактивный чат-бот (Нещерет, 2024), нейроассистент-навигатор по библиотечным ресурсам для студентов и преподавателей (ЭБС завтрашнего дня…, 2024), LibraryAI из Нижнесаксонской государственной и университетской библиотеки Гёттингена (SUB) ³ , AI-консультант Kyyti (Финляндия) ⁴ . Последний, несмотря на заявленную способность к обучению, на данный момент в основном предоставляет справочную информацию на основе загруженных документов без выполнения сложных многошаговых задач, характерных для агентов более высокого уровня.

На макроуровне аватаризации можно говорить уже о ЦДБ, функционал которых расширен до охвата отдельной профессиональной функции из профессионального стандарта ⁵ . Такие ЦДБ в перспективе могут взять на себя часть работы группы специалистов, существенно оптимизировав временные затраты целого отдела библиотеки. Здесь особую ценность могут представлять собой ЦДБ с RAG-архитектурой – генеративные ИИ-агенты, обученные на фонде конкретной библиотеки. Как правило, на этом уровне функционируют обучающиеся ЦДБ.

Такие ЦДБ могут:

• 1)    хранить в памяти запросы пользователей, чтобы при поиске не только предоставлять информацию, соответствующую запросу (релевантную), но и на основе их смыслового анализа искать информацию, ориентированную не столько на запрос, сколько на смоделированную информационную потребность пользователя (пертинентность);

• 2)    генерировать, корректировать и регулярно рассылать уведомления о новых ресурсах (Alerts);

• 3)    создавать виртуальные персонализированные коллекции для систематизации отобранных ранее ресурсов;

• 4)    использовать возможности интеграции с системами управления обучением (LMS) и другими учебными платформами для облегчения доступа к ресурсам;

• 5)    добавлять заметки, теги и комментарии к ресурсам для личного использования или совместной работы;

• 6)    уточнять поиск по цитированным работам или ссылкам на другие ресурсы, связанные с интересующей темой;

• 7)    экспортировать цитаты и информацию в виртуальные библиографические ассистенты, такие как EndNote или Zotero. Российский РИНЦ пока реализовал только нейропоиск по ключевым словам, не предполагающий интерактивного диалога.

В качестве примеров назовем AI-ассистента (Финляндия) ¹ , который не просто ищет, а анализирует запрос, преобразует его и создает резюме на основе найденных статей. Его способность генерировать новый контент (дайджесты), а не просто воспроизводить заложенные данные, и постоянное улучшение на основе обратной связи позволяют отнести его к категории обучающихся агентов. Другой пример – Collections Explorer (США) ² . Его внутренняя модель мира – это не просто каталог, а семантическая карта разнородных коллекций Гарварда, включающая в себя не только метаданные, но и контекст, смысловые связи между ними и даже «понимание» научной терминологии. Он не просто ищет ключевые слова, а «понимает» замысел исследователя, что является ключевым признаком ИА, основанного на модели.

На мегауровне аватаризации в соответствии с нашим представлением о цифровом двойнике библиотеки сегодня функционируют два отечественных проекта. Одним из них является «Виртуальный библиотекарь» СФУ (Барышев и др., 2024). Другой проект реализован в Национальной библиотеке Республики Саха (Якутия) под названием «Цифровой библиотекарь» (Климов и др., 2025). Из зарубежных ЦДБ к этому уровню отнесем LibraryAI (Германия) ³ . Этот проект Гёттингенского университета – амбициозная разработка, которая по своему замыслу гораздо ближе к профессиональному цифровому двойнику отраслевого библиотекаря, чем типичный чат-бот. Его ключевое отличие – способность понимать научную терминологию. Это означает, что его модель мира строится вокруг сложных профессиональных концепций, а не только бытовых запросов. Он нацелен на долгосрочное сопровождение исследователя, а не на сиюминутный ответ, что характерно для целенаправленных агентов. В этом же ряду отметим китайский проект «Цифровой человек Xiaotu» Национальной библиотеки Китая (National Library of China) ⁴ . В его рамках цифровые аватары могут предоставить читателям множество услуг на основе сценариев для экранов любой диагонали. Аватар Xiaotu может давать ответы на любые вопросы, связанные с политикой обслуживания. Кроме того, он предлагает множество увлекательных интерактивных услуг, таких как фотографирование с читателями, приглашение поделиться впечатлениями после прочтения книг и т. д. «Цифровые люди» могут предоставлять персонализированные предложения по чтению, основанные на привычках пользователей, давать ответы, когда они задают вопросы, чтобы сопровождать их при чтении разных книг. Читателям достаточно просто поговорить с аватаром, и они могут сразу же воспользоваться универсальными услугами, такими как бронирование, продление, интеллектуальные гиды и т. д. В будущем, как считают сами создатели проекта, пользователи библиотеки и аватары не только смогут взаимодействовать в реальном пространстве, но и, как ожидается, будут заниматься обучением, общением и обменом информацией в иммерсивном пространстве метавселенных.

Аналогичным, наиболее технологически продвинутым, проектом аватаризации БИД мы считаем опыт AI-библиотекаря Aisha в Библиотеке Университета шейха Зайеда (Zayed University Library) в ОАЭ ⁵ . Aisha, что в переводе с арабского означает «живая», идеально отражает видение создателей динамичного и обаятельного помощника библиотекаря. Более детально остановимся на возможностях этого аватара БИД:

• -    генерирует ответы на основе специальной базы знаний, дополненной генерацией с расширенным поиском (RAG), что делает их более точными и менее подверженными ошибкам;

• -    выполняет преобразование речи в текст и текста в речь, делая взаимодействие более естественным и доступным, особенно для пользователей, предпочитающих голосовое общение;

• -    реализует общение на арабском и других языках, поддерживаемых LLM от OpenAI, что гарантирует пользователям возможность взаимодействовать с ней на предпочитаемом ими языке;

• -    добавляет визуальное измерение, являясь мультимодальной и позволяя пользователям загружать изображения или документы для анализа и генерировать изображения в ответ. Это делает взаимодействие более универсальным и информативным;

• -    извлекает информацию из различных источников, включая Google, Википедию, каталог библиотеки шейха Зайеда, институциональный репозиторий ZU и Google Scholar;

• -    формирует узнаваемый образ благодаря изображениям в забавной обстановке ‒ такой игровой подход служит для того, чтобы подчеркнуть потенциал технологии и обучить пользователей аутентичности в эпоху ИИ.

Создатели данного аватара планируют развивать свой проект в следующих направлениях:

• а)    дальнейшая персонализация путем разработки сценариев, таких как преподаватель курса, оппонент или интервьюер, для предоставления индивидуальной поддержки вузовских дисциплин и мероприятий;

• б)    предоставление аватару возможности анализировать собственные ответы и предлагать улучшения, используя возможности LLM для самооценки.

Мы видим определенный прогресс аватаризации ЦДБ. В перспективе возможно появление метаагентов – цифровых моделей сетей библиотек.

Заключение . Мы показали, что в управлении библиотечно-информационной деятельностью существует ряд нерешенных проблем цифровой трансформации. Так, отдельные сервисы, которые сегодня осуществляются дистанционно и с полным или частичным участием профессиональных библиотекарей и библиографов, в ближайшем будущем смогут аватаризироваться. В перспективе будет происходить цифровая трансформация библиотечной профессии и профессиональных ролей: от исполнителя, реагирующего на типовые запросы, к информационному куратору, тренеру библиотечных аватаров и эксперту, оценивающему их результаты. Функционал живого библиотекаря сместится в область экспертизы. Такой специалист будет отвечать за донастройку ЦДБ, коррекцию ошибок, обучение на релевантных профессиональных данных и этический аудит его ответов. Высвободив время от рутинных справок, библиотекарь сможет уделять больше внимания сложной аналитической работе, информационной поддержке исследований (курированию), проведению мероприятий по развитию критического мышления, а также повышению медиаграмотности и информационно-сетевой компетентности.

Мы считаем, что термин «цифровой двойник библиотекаря» вполне готов к закреплению в терминологических стандартах, поскольку существующий ГОСТ ¹ относится только к промышленности. Безусловно, само понятие ЦДБ и аватаризации БИД нуждается в дальнейшем феноменологическом изучении.