Научните библиотеки се превръщат в партньори за готовност за работа с изкуствен интелект.

Plamen MILTENOFF

Podcast

Подкаст

For a period of time, research libraries have measured their success by the resources they provided. They acquired books and journals, managed subscriptions, maintained repositories, and helped researchers access scholarly literature. Open science expanded this role by encouraging libraries to support open access publishing, research data management, and FAIR data principles.

Today, another transition is underway.

As artificial intelligence becomes part of everyday research, libraries are being asked to support AI readiness. This is not about purchasing AI tools or developing language models. It means ensuring research outputs are well organized, trustworthy, reusable, and understandable by both people and AI systems.

A recent article published by LIBER Europe asserts the scope of providing open access alone is no longer enough. Making research freely available does not automatically make it reusable. AI systems depend on structured metadata, persistent identifiers, clear licensing, documented methods, and well-managed datasets. Without this information, even openly available research can be difficult to discover, interpret, or verify.

This shift creates an important opportunity for research libraries.

Most of the skills needed to prepare research for responsible AI use already exist within libraries. Librarians have extensive experience managing metadata, preserving digital collections, assigning persistent identifiers, supporting research data management, advising on copyright and licensing, and teaching information literacy. These activities, once viewed primarily as support services, are becoming essential parts of the research infrastructure.

Libraries should move beyond being providers of information and become institutional partners in research quality and governance. Their work increasingly contributes to research transparency, reproducibility, and long-term preservation. These qualities benefit researchers directly and also improve retrieval, interpretation, and connection with scholarly knowledge by AI systems .

For universities, AI readiness should not be viewed simply as a technology project.

A number of institutions focus their AI strategies on selecting software, purchasing infrastructure, or providing access to generative AI tools. While these investments are important, they represent only one part of the challenge. High-quality AI depends on high-quality information. If institutional repositories contain incomplete metadata, poorly documented datasets, or unclear licensing information, AI systems will inherit those weaknesses.

This means AI readiness is also a question of information governance.

Research libraries are well positioned to work with research offices, information technology services, legal experts, and ethics committees to develop policies and workflows that improve the quality of institutional research outputs. Rather than adding another administrative requirement for researchers, libraries can simplify processes by providing templates, guidance, and integrated support throughout the research lifecycle.

For researchers at the University of Economics, to following practical implications are to be considered.

Preparing datasets with complete documentation, assigning persistent identifiers, selecting appropriate licences, recording research methods, and maintaining accurate metadata all increase the visibility and reuse of research. These practices also improve collaboration, facilitate compliance with funder requirements, and strengthen research integrity.

The discussion also aligns with a broader trend across scholarly publishing and AI. New platforms such as Anthropic’s Claude Science, Elsevier’s Scopus AI and ScienceDirect AI, and Clarivate’s Nexus increasingly rely on structured, interconnected research information to support literature discovery, data analysis, reproducible workflows, and manuscript preparation. AI is gradually becoming a partner throughout the research process rather than a tool used only for writing or summarising text. fileciteturn0file0

At the same time, AI readiness should not be confused with technical readiness alone. The quality of research depends on careful methodology, critical thinking, ethical judgment, and transparent reporting. Libraries have long supported these principles, making them natural partners in the responsible adoption of AI.

The LIBER article presents an ambitious vision rather than an implementation guide. Questions remain about staffing, funding, institutional responsibilities, governance, and measures of success. Smaller universities may also face challenges in expanding library services without additional resources.

Even so, the direction is clear. As research becomes increasingly supported by AI, the value of libraries will be measured less by the collections they manage and more by the quality, trustworthiness, and interoperability of the knowledge they help create.

For research libraries, the next stage of open science is no longer only about providing access. It is about ensuring that research is understandable, reusable, reproducible, and ready for the responsible use of artificial intelligence.

Преди години успехът на научните библиотеки се измерваше основно чрез ресурсите, които предоставят. Те изграждаха колекции, управляваха абонаменти, поддържаха институционални репозиториуми и подпомагаха изследователите при достъпа до научна литература. С развитието на отворената наука тази роля се разшири и включи подкрепа за публикации с отворен достъп, управление на научни данни и прилагане на принципите FAIR.
Днес сме свидетели на нова промяна.
С навлизането на изкуствения интелект в научните изследвания библиотеките са призовани да подкрепят още една ключова цел: готовността за работа с изкуствен интелект. Това не означава да разработват езикови модели или да закупуват нови AI инструменти. Означава да гарантират, че научните резултати са добре организирани, надеждни, лесни за повторно използване и разбираеми както за хората, така и за AI системите.
Скорошна публикация на LIBER Europe поставя важен акцент: свободният достъп вече не е достатъчен. Това, че една публикация е достъпна онлайн, не означава автоматично, че може лесно да бъде открита, интерпретирана, проверена или използвана повторно. За да работят ефективно, AI системите разчитат на качествени метаданни, постоянни идентификатори, ясни лицензи, добре описани методи и структурирани набори от данни.
Тук се открива нова възможност за научните библиотеки.
Голяма част от компетентностите, необходими за подготовката на научната информация за ерата на AI, вече съществуват именно в библиотеките. Библиотекарите имат дългогодишен опит в управлението на метаданни, цифровото съхранение, присвояването на постоянни идентификатори, управлението на научни данни, консултирането по авторско право и лицензи, както и в обучението по информационна грамотност. Дейности, които доскоро се възприемаха като помощни услуги, постепенно се превръщат в основни елементи на научната инфраструктура.
Авторите на статията предлагат библиотеките да надградят традиционната си роля и да се превърнат в стратегически партньор по отношение на качеството и управлението на научните изследвания. Тяхната работа вече допринася не само за достъпа до знания, но и за прозрачността, възпроизводимостта и дългосрочното съхранение на научните резултати. Именно тези качества позволяват както на изследователите, така и на AI системите да откриват, свързват и използват надеждна научна информация.
За университетите това означава, че готовността за работа с AI не трябва да се разглежда единствено като технологичен проект.
Много институции концентрират усилията си върху избора на AI платформи, закупуването на изчислителна инфраструктура или осигуряването на достъп до генеративен AI. Това са важни инвестиции, но те решават само част от проблема. Качеството на AI зависи от качеството на информацията, върху която работи. Ако институционалните репозиториуми съдържат непълни метаданни, недостатъчно документирани набори от данни или неясни лицензи, AI системите ще наследят именно тези слабости.
Следователно готовността за AI е въпрос и на информационно управление.
Научните библиотеки могат да работят съвместно с научните отдели, ИТ звената, юридическите служби и етичните комисии, за да изградят политики и работни процеси, които подобряват качеството на институционалните научни резултати. Вместо да създават нови административни задължения за изследователите, библиотеките могат да опростят процесите чрез шаблони, консултации и интегрирана подкрепа през целия жизнен цикъл на научното изследване.
За изследователите в Икономически университет – Варна това има напълно практическо значение.
Подготовката на добре документирани набори от данни, използването на постоянни идентификатори, изборът на подходящи лицензи, описването на методологията и поддържането на качествени метаданни увеличават видимостта и възможностите за повторно използване на научните резултати. Същевременно тези практики улесняват международното сътрудничество, изпълнението на изискванията на финансиращите организации и повишават научната добросъвестност.
Тази промяна съвпада с по-широка тенденция в научните изследвания. Нови платформи като Claude Science на Anthropic, Scopus AI и ScienceDirect AI на Elsevier, както и Nexus на Clarivate, разчитат именно на добре структурирана и свързана научна информация, за да подпомагат търсенето на литература, анализа на данни, възпроизводимите научни процеси и подготовката на научни публикации. Изкуственият интелект постепенно се превръща в партньор през целия изследователски процес, а не само в инструмент за генериране или редактиране на текст.
В същото време готовността за AI не трябва да се свежда единствено до техническа подготовка. Качествените научни изследвания продължават да зависят от добрата методология, критичното мислене, етичната преценка и прозрачността. Именно тези принципи библиотеките подкрепят от десетилетия, което ги превръща в естествен партньор при отговорното внедряване на изкуствения интелект.
Статията на LIBER Europe представя убедителна визия, но оставя отворени важни въпроси. Как ще бъдат осигурени необходимите ресурси? Как ще се разпределят отговорностите между библиотеките, ИТ отделите и научните администрации? Как ще се измерва успехът? Особено за по-малките университети разширяването на библиотечните услуги ще изисква нови инвестиции и институционална подкрепа.
Посоката обаче е ясна. С навлизането на AI в научните изследвания стойността на научните библиотеки все по-малко ще се определя от колекциите, които управляват, и все повече от качеството, надеждността и повторната използваемост на знанията, които подпомагат да бъдат създадени.
Следващият етап в развитието на отворената наука вече не е само осигуряването на свободен достъп. Той е изграждането на научна екосистема, в която знанията са прозрачни, възпроизводими, надеждни и готови за отговорно използване от хората и изкуствения интелект.