Як ми уявляємо майбутнє професії. Між страхом і потенціалом.
Дискусія про штучний інтелект у психотерапії найчастіше ведеться в межах двох крайніх позицій. Перша — страх: картина, у якій алгоритм захоплює професію, а терапевтичні компетенції — стосунки, роки навчання, клінічне міркування — зводяться до виноски. Друга — некритичний ентузіазм: припущення, що інструмент вирішить проблеми, які досі вимагали присутності людини. Обидва підходи спрощують те, чим насправді є робота терапевта. Графіка, що відкриває цю статтю, навмисно ставить їх поруч.
Ліва сторона: небезпечне спрощення
Перша діаграма представляє “терапевтичні навички майбутнього” як майже однорідне поле AI із залишковою категорією “інше”. Це бачення, у якому технологія посідає місце компетентності замість того, щоб її підтримувати. Це зручно, бо дозволяє або повністю відкинути AI, або довіряти йому без обмежень — в обох випадках не проводячи жодних меж. І саме тому це вводить в оману.
Права сторона: AI навколо компетенцій, а не замість них
Друга діаграма організовує ті самі майбутні навички відповідно до того, чим вони є в клінічній практиці: терапевтичний альянс, сократичний діалог, концептуалізація випадку, клінічна оцінка, етика, емпатія, поведінкові зміни та робота, заснована на доказах. AI перебуває в центрі не як агент, що ухвалює рішення, а як підтримувальний шар — що звільняє терапевта від документації та організації матеріалу, аби вивільнити час для того, що залишається унікально людським. Жодна з восьми компетенцій не є предметом автоматизації.
Це розрізнення має емпіричну основу
Два великих рандомізованих дослідження 2026 року показують той самий патерн. McFadyen і колеги (Communications Medicine) у дослідженні 540 людей виявили, що застосунок CBT з підтримкою генеративного AI використовувався частіше й довше, ніж цифровий контрольний матеріал, за порівнянної клінічної ефективності. So і колеги (Journal of Medical Internet Research), у трирукавному дослідженні 1187 людей, не виявили значущих відмінностей у зменшенні депресивних симптомів (PHQ-9), але зафіксували вищу залученість у групі з підтримкою AI.
Висновок послідовний: інструменти з підтримкою AI підвищують залученість пацієнта, але клінічний результат залишається порівнянним із контрольною групою. Залученість — предиктор ефекту, а не сам ефект.
Найцікавішим, однак, є те, що визначає утримання пацієнта в терапії. У дослідницькому аналізі So і колег утримання визначалося емпатичною функцією моделі — відображенням емоції — з відношенням шансів, близьким до десяти (OR 9,99), тоді як консультативна функція не показала значущого ефекту. Механізм, отже, — не “давати точні поради”, а відображати емоцію. І це компетенція, суть якої залишається за терапевтом.
Межа, яку потрібно провести свідомо
Ігнорування зміни не зупинить її — воно лише забезпечить, що вона відбудеться без людей, які найкраще розуміють, що таке безпечна, етична, заснована на стосунках терапія. Відповідь не в тому, щоб відмовитися від технології, а в тому, щоб обирати інструменти, чия відповідність задокументована, а не просто заявлена.
У цьому сенсі принцип, написаний на графіку, — захищай те, що працює; покращуй те, що можна покращити — це не маркетинговий слоган, а операційний критерій. Між страхом і потенціалом є вибір: створювати разом чи ігнорувати.
Захищай те, що працює. Покращуй те, що можна покращити.
Цей текст аналізує опубліковані наукові дані і не є клінічною рекомендацією. Therapy Support не є медичним виробом у розумінні MDR і не ухвалює клінічних рішень. AI в платформі підтримує документацію та організацію матеріалу — усі клінічні рішення залишаються за терапевтом.
Джерела: J. McFadyen et al., Increasing engagement with cognitive-behavioral therapy (CBT) using generative AI: a randomized controlled trial (RCT), Communications Medicine 6, 129 (2026), nature.com/articles/s43856-025-01321-8. M. So et al., Effect of AI-Based Natural Language Feedback on Engagement and Clinical Outcomes in Fully Self-Guided Internet-Based Cognitive Behavioral Therapy for Depression: 3-Arm Randomized Controlled Trial, Journal of Medical Internet Research (2026), jmir.org/2026/1/e76902.