当AI能写综述，情报学何去何从？

多年来，情报学一直处在一个微妙的境地。

外行人听到“情报”二字，往往联想到安全、间谍等神秘领域。学生入学后才逐渐发现，课程内容主要是文献检索、数据分析、知识组织、信息行为和数据治理等内容。

这确实有些尴尬。

那么，情报学究竟研究什么？

如今，AI直接将这一问题摆在了台面上。

因为过去被视为情报学基本功的工作，现在大模型几乎都能完成：查找资料、阅读文献、撰写摘要、构建框架、初步分析、生成报告，样样精通。以往研究生需要熬夜一周才能完成的综述，现在AI十分钟就能生成一个看似专业的版本。

因此，真正的问题不是“情报学是否使用AI”，而是更现实的一个：

在AI已经能高效处理信息的今天，情报学还有哪些不可替代的核心价值？

我的看法是：如果情报学仍局限于“查找信息、管理资料、做数据分析、写综述”这些传统任务，其价值确实会逐渐减弱。但如果它能回归核心——即在信息混乱、方向不明时，将杂乱的信息转化为可靠的判断，并辅助决策——那么在AI时代，这反而是它最好的发展机遇。

近年来，国内情报学已发生显著变化。

2022年，学科目录进行了调整，“图书情报与档案管理”正式更名为“信息资源管理”。

这不仅仅是换个名称那么简单，它标志着学科正在向外拓展——从传统的图书馆、情报、档案领域，迈向更广阔的领域：政府数据、企业数据、科研数据、平台信息、公共信息、算法信息、社会舆情、知识资产、数字记忆等。

从规模上看，该学科并未萎缩。数据显示，截至2024年8月，国内信息资源管理学科群已设立125个学科点，包括50个本科点、106个硕士点、21个博士点和16个博士后流动站。问题不在于学习人数，而在于学习者常常困惑：我们与计算机、管理学、新闻传播、公共管理、数据科学等学科有何区别？

这才是真正的挑战：不是没有研究内容，而是内容过于庞杂；不是缺乏技术，而是技术越多，越难界定自身定位。

如今的情报学，正站在一个关键的十字路口。向左，是图书馆、档案馆、文献计量等传统路径；向右，是数据科学、AI、知识图谱、大模型等新兴方向；向前，是国家战略、科技竞争、产业情报、公共安全等高压场景；向后，则是那句根本问题——“我到底是谁”。

许多人认为，AI会让信息管理变得不再重要。

这话只说对了一半。

AI确实让“获取信息”这件事变得更容易。过去查找资料是一门技术活，现在只需对AI提问即可。过去撰写摘要是训练出的技能，现在AI可以批量生成。过去归纳总结需要大量时间，现在模型几秒内就能输出结构化结果。

但请思考：信息越易获取，可信信息反而越稀缺。

AI时代最不缺的是什么？内容。最缺的是什么？判断。

一篇AI生成的综述，看似条理清晰，但引用可能不准确。一个模型给出的技术趋势判断，听起来像专家观点，但可能包含过时信息、错误信息，甚至编造的内容。一份自动生成的竞争情报报告，看似专业，但关键变量、证据