現代の人工知能は、前例のない速度でデータを解析、整理、統合するツールを提供し、情報科学の風景を根本的に変えました。図書館業務の中核をなす原則―収集、アクセス、保存―は不変ですが、それらを達成する方法は進化しています。
以下のプロンプトは、主要なAIエコシステム：ChatGPT、Gemini、Claude、DeepSeekで展開するために厳密にテスト・最適化されています。Claudeはニュアンスのある文章生成に優れ、DeepSeekは構造化データに対する優れた論理性を示しますが、これらのプロンプトは、司書と情報科学者の日常業務を向上させるための普遍的な基盤として機能します。
1. 非構造化データからのMARC 21レコード生成
最適なAI： DeepSeek（構造的正確性が高いため）またはChatGPT。
オリジナル資料やグレー文献の目録作成には、しばしば面倒な手動入力が必要です。このプロンプトは、生の書誌情報を、統合図書館システム（ILS）へのインポート準備が整ったフォーマット済みの草案構造に変換します。
専門の目録作成司書として行動してください。以下の書籍詳細に基づいてMARC 21書誌レコードを作成してください：
タイトル：[タイトルを挿入]
著者：[著者を挿入]
出版社：[出版社を挿入]
物理的記述：[ページ数、サイズを挿入]
主題キーワード：[キーワードを挿入]
ISBN：[ISBNを挿入]
出力には、正しいタグ、指標、副フィールド（例：100, 245, 264, 300, 650）を含めてください。出力は、簡単にコピーできるようにコードブロックとしてフォーマットしてください。
効果： 構文的に正しいテンプレートを提供し、わずかなレビューのみで済むようにすることで、オリジナル目録作成に費やす時間を大幅に削減します。
2. 複雑なブール演算検索文字列の構築
最適なAI： Gemini（研究ロジック向け）またはDeepSeek。
システマティックレビューや専門研究を支援する司書は、網羅的な検索クエリを構築する必要があります。このプロンプトは、PubMedやScopusなどのデータベース向けに、ネストされた論理を視覚化・構築するのに役立ちます。
システマティックレビューを専門とするレファレンス司書として行動してください。以下のトピックに関する包括的な検索を行う必要があります：「[トピックを挿入、例：地方人口におけるAIがデジタルリテラシーに与える影響]」。
学術データベースに適した複雑なブール演算検索文字列を生成してください。適切な場所に同義語、切り捨て（*）、ワイルドカード（?）を含めてください。正しい論理フローを確保するために、括弧を使用して概念をグループ化してください。キーワードとともに、関連する可能性のある統制語彙（MeSHなど）をリストしてください。
効果： 複雑なクエリにおける構文エラーを排除し、そうでなければ見逃される可能性のある文献につながる同義語のギャップを特定します。
3. メタデータスキーマのクロスウォーキング
最適なAI： DeepSeek（ロジック/コーディング重視）またはClaude。
デジタルアーキビストは、異なる標準を持つシステム間でデータを頻繁に移動させます。このプロンプトは、フィールドを正確にマッピングするのを支援します。
メタデータスペシャリストとして行動してください。[ソース標準、例：Dublin Core]から[ターゲット標準、例：MARC 21]へのメタデータフィールドのマッピングが必要です。
以下の特定のフィールドのクロスウォークテーブルを作成してください：
1. [フィールドA]
2. [フィールドB]
3. [フィールドC]
4. [フィールドD]
各マッピングについて、潜在的なデータ損失リスクまたは粒度の違いを特定してください。
効果： 具体的なマッピングの提案は、移行プロジェクトやデジタルリポジトリのアップグレード中にデータの劣化を防ぐのに役立ちます。
4. パーソナライズされた読書案内
最適なAI： Claude（トーンとニュアンス向け）またはChatGPT。
一般的な「Xが好きならYを試す」という推薦を超えて、このプロンプトは、単なるジャンルではなく、特定の物語要素に基づいた深い推薦を生成します。
読書案内司書として行動してください。ある利用者は、[書籍タイトルA]と[書籍タイトルB]を、特にそれらの[特定の要素、例：信頼できない語り手と雰囲気的なゴシック設定]のために愛していますが、[嫌いな要素、例：過度の暴力]は嫌いです。
これらの基準に合う5冊のタイトルを推薦してください。ベストセラーは含めず、ミッドリストや隠れた名作に焦点を当ててください。各推薦について、利用者のリクエストに合致する具体的な「魅力要因」を説明してください。
効果： 人間がキュレーションしたように感じられる高品質でパーソナライズされたサービスを提供し、利用者の信頼と関与を高めます。
5. 図書館ポリシー文書の草案作成
最適なAI： Claude（プロフェッショナルで共感的なトーン向け）。
新技術やスペース使用に関するポリシーを書くには、法的明確性とアクセシビリティのバランスを取る必要があります。
図書館長として行動してください。「[トピック、例：公共による3Dプリンター使用]」に関するポリシーセクションを草案してください。
ポリシーは以下をカバーする必要があります：
1. 安全要件。
2. 材料費。
3. 著作権/知的財産制限（武器や商標登録された物品は不可）。
4. 時間制限。
トーン：プロフェッショナルで、アクセスしやすく、歓迎的ですが、安全規則については厳格。
効果： 明確な境界を確立しながら、過度に官僚的または排他的に聞こえない、法的に認識された確固たる草案を提供します。
6. 情報リテラシーレッスンプランの開発
最適なAI： ChatGPT（汎用性）またはGemini。
利用者や学生に情報源を評価する方法を教えることは、図書館の核心的な機能です。このプロンプトは、保持率を最大化するためのセッションを構成します。
教育担当司書として行動してください。「CRAAPテストを使用した情報源の評価」というトピックに関する[対象者、例：大学1年生]向けの45分間のレッスンプランを作成してください。
以下を含めてください：
1. 学習目標（ブルームのタキソノミー）。
2. 導入またはアイスブレイカー活動。
3. 直接指導のポイント。
4. サンプルウェブサイトを評価するアクティブラーニング演習。
5. 評価方法。
効果： カリキュラム開発を合理化し、指導セッションが教育的、インタラクティブ、かつ時間制限内であることを保証します。
7. 検索ツールのためのアーカイブコレクション要約
最適なAI： Gemini（大規模コンテキストウィンドウ能力）またはClaude。
大規模コレクションの処理には、簡潔でありながら記述的な範囲と内容の注記を書く必要があります。
アーキビストとして行動してください。[コレクション名]の特定の箱に含まれる資料のフォルダタイトルのリストと簡単な説明を貼り付けます。
このデータに基づいて、検索ツールのための「範囲と内容」注記を書いてください。日付範囲、主要な文書タイプ、およびカバーされる主要な主題を要約してください。
[フォルダリスト/説明をここに貼り付け]
効果： 検索ツールの作成を加速し、アーカイブコレクションを研究者がはるかに早く発見できるようにします。
8. 助成金申請書ナラティブ生成
最適なAI： Claude（説得力のある文章向け）またはChatGPT。
資金調達の成否は、多くの場合、コミュニティへの影響を効果的に説明することにかかっています。
公共図書館の助成金申請者として行動してください。[プロジェクト、例：モバイルデジタルリテラシーバン]への資金提供を申請する助成金申請書の「必要性の声明」セクションを書いてください。
含めるべき主要なデータポイント：
- 私たちのコミュニティには[パーセンテージ]%のブロードバンドアクセス不足があります。
- この人口統計にとって最寄りの支店は[数]マイル離れています。
- 目標は初年度に[数]人の住民に到達することです。
デジタルデバイドと社会的公平性に焦点を当ててください。
効果： 生の統計データを、助成金審査員が求めるミッション主導の言語に合致する説得力のあるナラティブに変換します。
9. ILSレポートのためのSQLクエリ
最適なAI： DeepSeek（コーディングの卓越性）。
統合図書館システム（ILS）から特定のデータを抽出するには、事前定義されたレポートでは処理できないカスタムSQLクエリが必要になることがよくあります。
システム司書として行動してください。データベーステーブル`items`から以下の条件を満たすアイテムのリストを抽出するSQLクエリを書いてください：
1. `status`が'Lost'である。
2. `last_checkout_date`が3年以上前である。
3. `collection_code`が'Adult Fiction'である。
クエリの各部分を説明するコメントを含めてください。
効果： 司書が、ITサポートに独占的に依存することなく、除籍や在庫管理のための詳細なデータを取得できるようにします。
10. タクソノミーと統制語彙の開発
最適なAI： DeepSeekまたはGemini。
内部ナレッジベースやデジタルアセット管理システムを整理する際には、一貫したタクソノミーが不可欠です。
タクソノミストとして行動してください。[組織の種類、例：郷土歴史博物館]のデジタル写真コレクションを整理しています。
カテゴリ：「[カテゴリ名、例：建築]」のための階層的タクソノミー構造（最大3レベルまで）を提案してください。用語が相互に排他的であり、標準的な命名規則に従っていることを確認してください。
効果： デジタルアセットのための論理的でスケーラブルなフレームワークを確立し、コレクションが成長するにつれてメタデータの混乱を防ぎます。
プロのヒント：コンテキストチェイニング
これらのプロンプトの出力を最大化するには、コンテキストチェイニングを使用してください。各プロンプトを単発の対話として扱う代わりに、まずあなたの図書館の特定のコンテキストでAIを「準備」します。ポリシー草案やレッスンプランを依頼する前に、あなたの図書館のミッションステートメントや類似の既存文書をアップロードまたは貼り付け、次のように言ってください：「この文章スタイルとミッションを分析してください。以下のタスクにはこのトーンを採用してください。」 これにより、出力があなたの組織の声と完全に一致することが保証されます。
これらのプロンプトをマスターすることで、情報専門家は、フォーマット、構文チェック、初期草案作成といった仕事の機械的な部分を自動化し、コミュニティエンゲージメント、複雑な研究、戦略的保存といった高付加価値タスクに知的エネルギーを解放することができます。これらのツールを統合することは、司書を置き換えることではなく、図書館自体の到達範囲と効率を拡張することです。