ИИ уже «проводит» терапию — но человека пока не заменит

Исследование, опубликованное в журнале Computers in Human Behavior: Artificial Humans, показало: ИИ-чат-бот способен провести базовую терапевтическую беседу, но заметно хуже справляется с адаптацией методов под конкретного человека. Иными словами, алгоритм умеет идти по карте, но иногда теряется, когда пациент сворачивает с маршрута.

Проблема актуальна из-за глобального дефицита доступной психологической помощи. Сотни миллионов людей живут с психическими расстройствами, однако стоимость лечения, нехватка специалистов и расстояние лишают профессиональной поддержки большинство нуждающихся. Поэтому большие языковые модели — системы искусственного интеллекта, обученные на огромных массивах текста и способные создавать ответы на естественном языке, — рассматривают как возможный способ расширить доступ к помощи.

Авторы более ранней работы 2024 года предлагали дорожную карту для внедрения таких систем в клиническую практику, но подчёркивали: психотерапия относится к сферам повышенного риска и требует осторожной разработки. До сих пор чат-ботов в основном проверяли на коротких вымышленных ситуациях, где эксперты оценивали отдельные ответы на эмпатию или полезность. Новое исследование попыталось проверить не удачную реплику, а целую непрерывную сессию с понятной целью.

В наблюдательном исследовании участвовали 65 студентов с лёгким или умеренным психологическим дистрессом — например, тревогой перед выступлениями, периодическим беспокойством или перфекционизмом. Людей с тяжёлым дистрессом и диагностированными психическими расстройствами не включали ради безопасности: языковые модели могут выдавать непредсказуемые и неуместные ответы. Каждый участник прошёл одну очную 30-минутную сессию с локально запущенным чат-ботом; в среднем разговор включал 49 сообщений.

Бота настроили на когнитивно-поведенческую терапию — распространённый метод, который помогает замечать и менять неэффективные мысли и поведение. Дополнительная модель отслеживала время и содержание разговора и подсказывала основной системе, когда перейти от установления контакта к формулированию проблемы, вмешательству и завершению беседы.

После сессий обученные аспиранты оценили расшифровки по Cognitive Therapy Scale — шкале компетентности в когнитивной терапии. Она измеряет общие навыки, включая тепло, понимание и эмпатию, а также специальные: выявление ключевых убеждений, проведение самораскрытия и применение целевых техник. Для сравнения учёные провели метаанализ 18 прежних исследований с той же шкалой, где оценивались люди-терапевты. Метаанализ объединяет результаты нескольких работ и позволяет получить общий ориентир.

Порог приемлемой клинической компетентности составляет 40 из 66 баллов. Чат-бот набрал в среднем 38,1 балла после корректировки и достиг порога лишь в 30 из 65 сессий. У людей средний результат составил 40,3 балла. Однако при сравнении с шестью исследованиями высокого методологического качества статистически значимой разницы между ботом и специалистами не обнаружили.

Главная особенность результатов — не средний балл, а сильный разброс. В одних разговорах ИИ выглядел вполне убедительно, в других его навыки заметно проседали. Лучше всего он проявлял общие терапевтические качества: выражал эмпатию, подтверждал чувства собеседника и создавал ощущение сотрудничества. С технической частью было хуже: бот не всегда находил ключевые убеждения, неустойчиво направлял человека к самостоятельным выводам и плохо подстраивал вмешательство под индивидуальные особенности.

Исследователь Arthur Bran Herbener отметил, что способность заметно хорошо вести разговор не равна клинической эффективности. Важны также ожидания пользователя и терапевтический альянс — рабочие отношения между специалистом и клиентом. Отдельная проблема — склонность ИИ чрезмерно соглашаться с человеком, или sycophancy. В терапии иногда нужно не только поддержать убеждение клиента, но и аккуратно его оспорить; бесконечное одобрение способно скорее законсервировать проблему.

Работа не доказывает, что ИИ готов заменить психологов. В ней проверяли одну сессию с молодыми людьми и относительно лёгкими трудностями. Реальная клиническая практика включает тяжёлую безнадёжность, риски для безопасности, долгосрочное планирование, разбор домашних заданий и постепенное построение отношений — всё то, где цена неудачной импровизации выше, чем у неловкого сообщения в чате.

Есть и методологические ограничения. Шкала создавалась для видео- и аудиозаписей, где слышны интонации и виден язык тела, а здесь оценивали текст. Эксперты знали, что перед ними ИИ, поэтому их оценки могли быть смещены. Кроме того, людей и чат-бота не сравнивали напрямую в одном эксперименте: человеческие показатели взяли из прошлых исследований, а на результаты могли повлиять различия в типах и тяжести проблем.

Дальнейшие работы должны изучить многосессионную терапию с реальными клиническими группами и выяснить, почему бот иногда не применяет нужные техники. Учёным предстоит ответить и на более неприятный вопрос: одинаково ли действует поддержка, когда её пишет машина и когда её выражает человек. Даже идеальная имитация терапевтического языка не гарантирует, что пользователь придаст ей тот же смысл.