Are You Qualified, ChatGPT? Examining Clinical Skills and Competencies of ChatGPT in Delivering Systemic Interventions
Gizem Erdem, Nilüfer Kafescioğlu, Gökçenay Başer (2026).
Пилотное исследование проверяет не эффективность психотерапии с AI, а то, насколько клинически узнаваемой и компетентной выглядит текстовая работа специально настроенной GPT-модели для опытных супервизоров системной семейной терапии. Одна добровольная клиентка провела часовую сессию с моделью; восьмистраничную стенограмму независимо оценили 12 опытных супервизоров, не знавших, что «терапевт» — AI. Модель получила умеренные оценки клинической, системной и культурной компетентности. Все 12 супервизоров обнаружили реляционные вопросы, реляционные интерпретации и валидацию; 11 из 12 — циркулярные вопросы, реляционный рефрейминг, отражение и attunement. Только один супервизор предположил, что терапевтом был AI. При этом супервизоры систематически отмечали торопливость, недостаток пространства для клиента, чрезмерно экспертную и техническую позицию и слабое внимание к культурному и жизненному контексту. Работа показывает, что значительная часть формально распознаваемого психотерапевтического поведения может быть воспроизведена в текстовом взаимодействии, но не доказывает ни эффективность, ни безопасность, ни способность AI вести длительную психотерапию.
Что говорит исследование
О ЧЁМ РАБОТА
Авторы задают более узкий вопрос, чем «может ли ChatGPT быть психотерапевтом?». Их интересует, насколько специально подготовленная GPT-модель способна демонстрировать клинические и системные навыки таким образом, чтобы опытные специалисты распознавали их в реальной стенограмме взаимодействия.
Исследование относится к системной парной и семейной терапии. Это существенно: авторы отмечают, что значительная часть исследований AI-психотерапии сосредоточена на более протоколизированных подходах, прежде всего CBT, тогда как пользователи часто обращаются к AI именно с реляционными проблемами.
ЧТО ИМЕННО СДЕЛАЛИ
Исследователи настроили GPT-модель на системные интервенции с опорой на основные клинические навыки и этические требования AAMFT. В исследовании участвовала одна добровольная клиентка — 24-летняя женщина, не имевшая профессиональной подготовки в психологии. Она обсуждала реальную актуальную проблему в романтических отношениях и взаимодействовала с моделью около часа.
Получившуюся стенограмму подготовили для слепой оценки. Были удалены технические признаки, непосредственно выдававшие чатбота, исправлены опечатки и пунктуация; остальной диалог сохранили. Итоговый текст занимал восемь страниц.
Его получили 12 опытных супервизоров в области couple and family therapy. Критерии включения требовали не менее пяти лет опыта супервизии и системной терапевтической ориентации. Супервизорам не сообщили ни истинную цель исследования, ни то, что неизвестный терапевт является GPT-моделью.
Для оценки использовались стандартизированные инструменты системной и общей терапевтической компетентности, а также специально составленные оценки девяти системных техник и системного фокуса. Анализ был описательным: из-за пилотного характера и малого N авторы не проводили проверку эффективности или статистическое сравнение с человеческими терапевтами.
ЧТО ПОЛУЧИЛОСЬ
Средние оценки были умеренными: культурная компетентность M=3.85 (SD=0.81, диапазон 1–6), systemic family therapy skills M=3.91 (SD=0.76, 0–6), интеграция системной ориентации в индивидуальную терапию M=3.11 (SD=0.37, 1–5).
По common factors наиболее высоко оценивались характеристики терапевта (M=6.56 из 10), затем общетерапевтические интервенции (M=6.22), therapeutic alliance (M=6.19), hope/expectancy (M=6.00) и client characteristics (M=5.81).
Все 12 супервизоров отметили использование реляционных вопросов, реляционных интерпретаций и валидации переживания клиента. 11 из 12 отметили циркулярные вопросы, relational reframing, mirroring и attunement. Реже отмечались externalizing the problem — 8 из 12 — и relational metaphors — 5 из 12.
Наиболее высокие оценки эффективности получили relational questions (M=5.17 из 7), circular questions (M=5.09) и validation/acknowledgment (M=5.00). Общая воспринимаемая эффективность системных техник составила M=4.72 из 7.
После оценки супервизоров попросили предположить характеристики неизвестного терапевта. Только один из 12 идентифицировал его как AI. Большинство остальных описывали его как молодого или начинающего специалиста: 8 предположили возраст 26–35 лет, 10 — не более 500 часов контакта с клиентами. Пять предположили недавнего выпускника CFT-программы, ещё четыре — клинического психолога, дополнительно обучающегося CFT.
ЧТО ОСОБЕННО ИНТЕРЕСНО
Сильные стороны и недостатки модели супервизоры описывали обычным профессиональным языком. Они видели tracking, reflection, circular perspective, распознавание паттернов взаимодействия и эмоциональную настроенность. Но практически одновременно возникала повторяющаяся критика pacing: «терапевт» слишком быстро переходил к следующему вопросу или интерпретации и недостаточно позволял клиентке самостоятельно исследовать переживание.
Отмечалась также чрезмерно экспертная позиция и ориентация на технику вместо процесса. Один из характерных рисков состоял в том, что модель предлагала клиентке выбирать из заранее обозначенных эмоций вместо более открытого исследования, тем самым потенциально направляя переживание клиента.
Отдельной слабостью была культурная и контекстуальная чувствительность. Некоторые супервизоры замечали неразработанные вопросы гендерной социализации, власти и эмоционального труда. Это важно, потому что модель могла формально выполнить системную технику, не обязательно улавливая тот контекст, который для человеческого супервизора становился клинически значимым.
КАК ЭТО ИНТЕРПРЕТИРУЮТ АВТОРЫ
Авторы считают, что GPT оказался способен воспроизводить skill-based формы системной терапии, но не показал полноценного участия в реляционных и человеческих компонентах терапии. Они связывают границу с эмоциональным резонансом, профессиональной интуицией, доверием, embodied attunement и therapeutic use of self.
Это именно интерпретация авторов. Сам дизайн исследования непосредственно не измеряет наличие или отсутствие интерсубъективности, эмоционального резонанса или «подлинной» терапевтической встречи.
ОГРАНИЧЕНИЯ
Ограничения здесь принципиальны. Был только один клиент, одна сессия, одна конкретно настроенная GPT-модель и 12 супервизоров, набранных convenience sampling. Контрольной группы человеческих терапевтов не было. Оценивалась стенограмма, а не клинический исход. Следовательно, невозможно заключить, что AI-терапия эффективна, безопасна или сопоставима с человеческой психотерапией.
Супервизоры также видели только текст. Невербальная коммуникация, голос, телесное присутствие и другие аспекты реальной сессии по определению отсутствовали. Наконец, GPT-системы быстро меняются, а результаты относятся к конкретной конфигурации модели и конкретному моменту её развития.
Поэтому наиболее строгий вывод исследования: в одном специально организованном текстовом взаимодействии подготовленная GPT-модель продемонстрировала достаточно много распознаваемых системных и общетерапевтических навыков, чтобы 11 из 12 опытных супервизоров не идентифицировали её как AI. Это сильный результат о воспринимаемой текстовой компетентности, но не доказательство психотерапевтической эффективности.
Авторы задают более узкий вопрос, чем «может ли ChatGPT быть психотерапевтом?». Их интересует, насколько специально подготовленная GPT-модель способна демонстрировать клинические и системные навыки таким образом, чтобы опытные специалисты распознавали их в реальной стенограмме взаимодействия.
Исследование относится к системной парной и семейной терапии. Это существенно: авторы отмечают, что значительная часть исследований AI-психотерапии сосредоточена на более протоколизированных подходах, прежде всего CBT, тогда как пользователи часто обращаются к AI именно с реляционными проблемами.
ЧТО ИМЕННО СДЕЛАЛИ
Исследователи настроили GPT-модель на системные интервенции с опорой на основные клинические навыки и этические требования AAMFT. В исследовании участвовала одна добровольная клиентка — 24-летняя женщина, не имевшая профессиональной подготовки в психологии. Она обсуждала реальную актуальную проблему в романтических отношениях и взаимодействовала с моделью около часа.
Получившуюся стенограмму подготовили для слепой оценки. Были удалены технические признаки, непосредственно выдававшие чатбота, исправлены опечатки и пунктуация; остальной диалог сохранили. Итоговый текст занимал восемь страниц.
Его получили 12 опытных супервизоров в области couple and family therapy. Критерии включения требовали не менее пяти лет опыта супервизии и системной терапевтической ориентации. Супервизорам не сообщили ни истинную цель исследования, ни то, что неизвестный терапевт является GPT-моделью.
Для оценки использовались стандартизированные инструменты системной и общей терапевтической компетентности, а также специально составленные оценки девяти системных техник и системного фокуса. Анализ был описательным: из-за пилотного характера и малого N авторы не проводили проверку эффективности или статистическое сравнение с человеческими терапевтами.
ЧТО ПОЛУЧИЛОСЬ
Средние оценки были умеренными: культурная компетентность M=3.85 (SD=0.81, диапазон 1–6), systemic family therapy skills M=3.91 (SD=0.76, 0–6), интеграция системной ориентации в индивидуальную терапию M=3.11 (SD=0.37, 1–5).
По common factors наиболее высоко оценивались характеристики терапевта (M=6.56 из 10), затем общетерапевтические интервенции (M=6.22), therapeutic alliance (M=6.19), hope/expectancy (M=6.00) и client characteristics (M=5.81).
Все 12 супервизоров отметили использование реляционных вопросов, реляционных интерпретаций и валидации переживания клиента. 11 из 12 отметили циркулярные вопросы, relational reframing, mirroring и attunement. Реже отмечались externalizing the problem — 8 из 12 — и relational metaphors — 5 из 12.
Наиболее высокие оценки эффективности получили relational questions (M=5.17 из 7), circular questions (M=5.09) и validation/acknowledgment (M=5.00). Общая воспринимаемая эффективность системных техник составила M=4.72 из 7.
После оценки супервизоров попросили предположить характеристики неизвестного терапевта. Только один из 12 идентифицировал его как AI. Большинство остальных описывали его как молодого или начинающего специалиста: 8 предположили возраст 26–35 лет, 10 — не более 500 часов контакта с клиентами. Пять предположили недавнего выпускника CFT-программы, ещё четыре — клинического психолога, дополнительно обучающегося CFT.
ЧТО ОСОБЕННО ИНТЕРЕСНО
Сильные стороны и недостатки модели супервизоры описывали обычным профессиональным языком. Они видели tracking, reflection, circular perspective, распознавание паттернов взаимодействия и эмоциональную настроенность. Но практически одновременно возникала повторяющаяся критика pacing: «терапевт» слишком быстро переходил к следующему вопросу или интерпретации и недостаточно позволял клиентке самостоятельно исследовать переживание.
Отмечалась также чрезмерно экспертная позиция и ориентация на технику вместо процесса. Один из характерных рисков состоял в том, что модель предлагала клиентке выбирать из заранее обозначенных эмоций вместо более открытого исследования, тем самым потенциально направляя переживание клиента.
Отдельной слабостью была культурная и контекстуальная чувствительность. Некоторые супервизоры замечали неразработанные вопросы гендерной социализации, власти и эмоционального труда. Это важно, потому что модель могла формально выполнить системную технику, не обязательно улавливая тот контекст, который для человеческого супервизора становился клинически значимым.
КАК ЭТО ИНТЕРПРЕТИРУЮТ АВТОРЫ
Авторы считают, что GPT оказался способен воспроизводить skill-based формы системной терапии, но не показал полноценного участия в реляционных и человеческих компонентах терапии. Они связывают границу с эмоциональным резонансом, профессиональной интуицией, доверием, embodied attunement и therapeutic use of self.
Это именно интерпретация авторов. Сам дизайн исследования непосредственно не измеряет наличие или отсутствие интерсубъективности, эмоционального резонанса или «подлинной» терапевтической встречи.
ОГРАНИЧЕНИЯ
Ограничения здесь принципиальны. Был только один клиент, одна сессия, одна конкретно настроенная GPT-модель и 12 супервизоров, набранных convenience sampling. Контрольной группы человеческих терапевтов не было. Оценивалась стенограмма, а не клинический исход. Следовательно, невозможно заключить, что AI-терапия эффективна, безопасна или сопоставима с человеческой психотерапией.
Супервизоры также видели только текст. Невербальная коммуникация, голос, телесное присутствие и другие аспекты реальной сессии по определению отсутствовали. Наконец, GPT-системы быстро меняются, а результаты относятся к конкретной конфигурации модели и конкретному моменту её развития.
Поэтому наиболее строгий вывод исследования: в одном специально организованном текстовом взаимодействии подготовленная GPT-модель продемонстрировала достаточно много распознаваемых системных и общетерапевтических навыков, чтобы 11 из 12 опытных супервизоров не идентифицировали её как AI. Это сильный результат о воспринимаемой текстовой компетентности, но не доказательство психотерапевтической эффективности.
Почему это важно
Для статьи Бориса это одна из центральных эмпирических опор тезиса о том, что AI уже способен занимать в психологическом разговоре позицию, которая профессионально распознаётся как терапевтическая. Особенно важен слепой дизайн: супервизоры оценивали стенограмму как работу неизвестного клинициста, а не как демонстрацию ChatGPT. Поэтому результат нельзя полностью объяснить заранее заданными ожиданиями относительно AI. Одновременно исследование устанавливает важную границу: оно показывает распознаваемость техник и умеренную воспринимаемую компетентность в одной текстовой сессии, а не терапевтический результат. Для линии Бориса особенно интересен разрыв между довольно успешным воспроизведением наблюдаемых техник и теми недостатками, которые супервизоры описывают как нехватку темпа, пространства, контекстуальной чувствительности и человеческой реляционной работы.
