Психологи отвергают ИИ, который принимает решения: анализ трехлетнего исследования
Исследование Индианского университета, опубликованное в 2026 году, выявило четкую границу в принятии цифровых инструментов ментальным здоровьем. Профессиональное сообщество готово делегировать искусственному интеллекту задачи по организации процесса и стимулированию размышлений, однако категорически отказывается передавать машине право на постановку диагнозов и выбор терапевтических интервенций. Ключевая роль системы определяется как «рефлексивный каркас», усиливающий экспертное суждение специалиста, а не заменяющий его.
# Где заканчивается помощь и начинается ответственный риск
В последние годы рынок психологической помощи перенасыщен предложениями: от круглосуточных чат-ботов до сложных AI-коучей, которые обещают автономное сопровождение клиентов. Индустрия, движимая скоростью разработки и желанием захватить нишу, часто отступает на шаг от главного вопроса: где именно система имеет право принимать решения?
Ответ на этот вопрос дает исследование, опубликованное в журнале *International Journal of Art Therapy* в 2026 году. Авторы провели масштабное изучение того, как специалисты в области арт-терапии и психотерапии воспринимают цифровые инструменты. Результат удивителен: специалисты не отвергают технологии просто так. Они выстраивают «внимательную контекстную интеграцию», но устанавливают жесткие границы ответственности.
*«Чем более готовым выглядит вывод ИИ, тем сильнее он вытесняет собственное суждение специалиста, и тем ниже доверие к системе».*
Феномен делегирования без ответственности
Центральная находка исследования заключается в различии между функцией и ответственностью. Специалисты готовы использовать ИИ для: * Структурирования сессий и визуализации наблюдений; * Предложения возможных направлений для размышления; * Напоминания о техниках и протоколах.
Однако зона ответственности — постановка диагноза и выбор конкретной интервенции — остается исключительно в руках человека. Как отмечают авторы, отказ от передачи решений носит не эмоциональный, а технически обусловленный характер: ответственность невозможно делегировать. Она всегда остается на человеке, независимо от того, кто фактически вынес вердикт.
Система, которая забирает решение, но не снимает с пользователя тяжесть последствий, создает для специалиста чистый риск без компенсации. Это фундаментальная причина, по которой доверие к полностью автономным системам в клинической практике падает.
От автономного агента к ко-пилоту: смена парадигмы
Индустрия ИИ громко продает концепцию *AI Agents* — автономных агентов, которые сами планируют действия и доводят задачи до конца. Однако данные исследования показывают, что для психологической помощи такая модель сегодня практически неприемлема.
Принятой стала другая архитектура — Human-in-the-loop (человек в контуре).
Исследователи выделили три ключевых требования, без выполнения которых технология не принимается сообществом: 1. Прозрачность: возможность понять, как был получен вывод. 2. Управляемость: возможность переопределить или переосмыслить вывод системы. 3. Сохранение свободы: система должна оставаться подчиненной клиническому суждению специалиста.
Таким образом, ИИ в терапии работает не как исполнительный робот, а как совместный ассистент (copilot), поддерживающий рефлексию и структуру, но оставляющий за терапевтом финальную точку принятия решения.
Почему «слишком умный» помощник становится проблемой?
Одно из самых контринтуитивных открытий касается качества ответа. Для инженеров логика проста: чем увереннее и конкретнее ответ, тем полезнее модель. В психологии работает обратное.
Если система говорит: *«У клиента депрессия, примените когнитивно-поведенческую технику X»*, это вытесняет собственное суждение специалиста. Специалист перестает думать, начинает следовать инструкции, и доверие падает.
Полезность создается не выводом, а расширением пространства размышления. Система должна предлагать визуальные образы, структурировать наблюдения, но не выносить вердикт. Это также снижает уязвимость к галлюцинациям: цена ошибки в подсказке значительно ниже, чем цена ошибки в диагнозе.
Модель 4×3: дизайн через переговоры
Авторы предложили уникальную модель проектирования — 4×3, которая переосмысливает классическую схему Double Diamond. В традиционном подходе процесс идет линейно: сначала смотрят, что умеет модель, затем ищут применение, и наконец упаковывают.
В модели 4×3 порядок полностью инвертирован: сначала фиксируется, что принципиально нельзя отдавать машине, и только потом проектируется система внутри этой границы.
| Стадия (Double Diamond) | Методы HCI | Профессиональный фокус | Результат дизайна | | :--- | :--- | :--- | :--- | | Discover | Интервью, наблюдение | Выявление существующих практик, тревог и ожиданий | Сформулированные ценности профессии | | Define | Ко-дизайн‑мастерские | Определение приемлемых и неприемлемых ролей ИИ | Дизайн‑ограничения | | Develop | Прототипирование | Уточнение функциональности внутри ограничений | Работающий прототип | | Deliver | Оценка, опрос | Осуществимость и контекстная интеграция | Оценка применимости |
Этот подход демонстрирует, что профессиональная свобода действия не привязана к одной фазе, а пронизывает весь процесс. Проектирование становится постоянными переговорами между технологическими возможностями и профессиональной целостностью.
Что исследование не доказывает и куда двигаться дальше
Несмотря на глубокое понимание мотивации специалистов, у исследования есть важные ограничения: * В нем не участвовали клиенты. О том, как такие системы влияют на реальную эффективность терапии и клиентский опыт, ничего неизвестно. * Ни один этап не проверял работу в реальных живых сессиях; использовались интервью, прототипы и опросы. * Выборка отражает перспективу практиков в США, что ограничивает переносимость на другие регуляторные и культурные рамки, включая российскую.
По сути, это исследование принятия технологии профессиональным сообществом, а не доказанная клиническая эффективность. Следующий логичный шаг — внедрение этих систем в реальную практику с участием клиентов.
Вывод: критерий качества — умение занимать вторые роли
Исследование, проведенное Шохае (Shojaei) и коллегами, предлагает радикальное пересмотрение подхода к разработке AI-продуктов в чувствительных сферах. Если мы учимся создавать всё более мощные языковые модели, то следующий важный шаг заключается не в повышении автономности, а в навыке проектировать системы, в которых человек и модель действительно принимают решения вместе.
Критерием качества AI-продукта в таких областях постепенно должен стать не уровень автономности модели, а то, насколько аккуратно она умеет оставаться на вторых ролях, работая как рефлексивный каркас, а не как замена профессиональному суждению. В мире, где ответственность не делегируется, истинная инновация кроется в дизайне границ, а не в расширении возможностей алгоритма.