Verso il reference generativo?
Dipartimento di Filosofia, comunicazione e spettacolo, Università di Roma Tre, gino.roncaglia@uniroma3.it
Per tutti i siti web la data di ultima consultazione è il 11 maggio 2025
Tutti i test con sistemi di intelligenza artificiale (IA) generativa citati nell’articolo sono stati effettuati nel marzo 2025. Sono grato per le indicazioni e i suggerimenti a Fabio Ciotti, alle dottorande e ai dottorandi del curriculum di Editoria e innovazione: contenuti, processi e tecnologie del dottorato di ricerca di interesse nazionale in Scienze del patrimonio culturale dell’Università di Roma Tor Vergata, ai quali ho presentato nel corso di una lezione una prima versione di questo testo, e ai revisori anonimi che hanno esaminato l’articolo per conto di Biblioteche oggi Trends. La responsabilità di eventuali errori, delle scelte fatte e delle posizioni espresse resta ovviamente mia. Il testo è inteso come complementare, in particolare per quanto riguarda l’analisi di esempi concreti, rispetto all’articolo di Federico Meschini presente in questo stesso numero di Biblioteche oggi Trends.
Abstract
L’articolo analizza l’evoluzione dei servizi di reference bibliotecari nell’era digitale, con specifico riferimento all’impatto dell’intelligenza artificiale generativa, in particolare i Large Language Models (LLM). Sebbene inizialmente soggetti ad 'allucinazioni bibliografiche', questi sistemi possono migliorare mediante tecniche avanzate di prompting, assunzione di ruoli specifici, modelli di ragionamento e integrazione con strumenti di ricerca tradizionali. L’articolo mostra, attraverso un esempio pratico di raccomandazione bibliografica, come LLM diversi, se scelti, configurati e utilizzati con competenza, possano generare raccomandazioni bibliografiche accurate unendo capacità generative e information retrieval. Pur non sostituendo l’ampio spettro di attività e competenze che caratterizza la professionalità bibliotecaria, l’IA si rivela uno strumento di supporto valido per il reference, a patto di bilanciare innovazione, rigore metodologico e consapevolezza etica.
English abstract
The article examines the evolution of library reference services in the digital age, with a focus on the impact of generative artificial intelligence, particularly Large Language Models (LLMs). While initially prone to “bibliographic hallucinations,” these systems can improve through advanced prompting techniques, role assumption strategies, the use of reasoning models, and integration with traditional information retrieval tools. Through a practical example of bibliographic recommendation, the article demonstrates how different LLMs, when carefully selected, configured, and used with expertise, can generate accurate bibliographic suggestions by combining generative capabilities and information retrieval. While AI cannot replace the broad range of activities and competencies that define the library profession, it proves to be a valuable support tool for reference services, provided that innovation, methodological rigor, and ethical awareness are balanced.