Sådan forestiller vi os fagets fremtid. Mellem frygt og potentiale.
Debatten om kunstig intelligens i psykoterapi føres oftest inden for to yderpunkter. Det første er frygt: et billede, hvor en algoritme overtager faget, og terapeutiske kompetencer - relationen, års uddannelse, klinisk ræsonnement - reduceres til en fodnote. Det andet er ukritisk begejstring: antagelsen om, at et redskab vil løse problemer, der hidtil har krævet et menneske. Begge rammer forsimpler, hvad en terapeuts arbejde reelt er. Grafikken, der indleder denne artikel, stiller dem bevidst side om side.
Venstre side: en farlig forsimpling
Det første diagram fremstiller “fremtidens terapeutiske færdigheder” som et næsten ensartet felt af AI, med en residual “andet”-kategori. Det er en vision, hvor teknologien indtager kompetencens plads i stedet for at understøtte den. Det er bekvemt, fordi det lader dig enten afvise AI helt eller stole på det uden grænser - i begge tilfælde uden at skulle trække nogen grænser. Og netop derfor er det vildledende.
Højre side: AI omkring kompetencer, ikke i stedet for dem
Det andet diagram organiserer de samme fremtidige færdigheder efter, hvad de reelt er i klinisk praksis: den terapeutiske alliance, sokratisk dialog, casekonceptualisering, klinisk vurdering, etik, empati, adfærdsændring og evidensbaseret arbejde. AI sidder i centrum, ikke som en beslutningstagende aktør, men som et understøttende lag - der aflaster terapeuten for dokumentation og organisering af materiale, for at frigøre tid til det, der forbliver unikt menneskeligt. Ingen af de otte kompetencer er genstand for automatisering.
Denne skelnen har et empirisk grundlag
To store randomiserede forsøg fra 2026 viser det samme mønster. McFadyen og kolleger (Communications Medicine) fandt i en undersøgelse med 540 personer, at en KAT-app understøttet af generativ AI blev brugt oftere og i længere tid end det digitale kontrolmateriale, med sammenlignelig klinisk effektivitet. So og kolleger (Journal of Medical Internet Research) observerede i et tre-armet forsøg med 1.187 personer ingen signifikante forskelle i reduktionen af depressive symptomer (PHQ-9), men registrerede højere engagement i den AI-understøttede gruppe.
Konklusionen er konsistent: AI-understøttede redskaber øger patienters engagement, men det kliniske udfald forbliver sammenligneligt med kontrolgruppen. Engagement er en forudsigelse for effekt, ikke selve effekten.
Det mest interessante fund handler dog om, hvad der driver patienters fastholdelse i terapi. I So og kollegers eksplorative analyse blev fastholdelse drevet af modellens empatiske funktion - spejling af følelser - med en odds ratio tæt på ti (OR 9,99), mens den rådgivende funktion ikke viste nogen signifikant effekt. Mekanismen er derfor ikke “at give præcise råd”, men at spejle følelser. Og det er en kompetence, hvis kerne forbliver hos terapeuten.
En grænse, der skal trækkes bevidst
At ignorere forandringen vil ikke standse den - det vil kun sikre, at den sker uden de mennesker, der bedst forstår, hvad sikker, etisk, relationsbaseret terapi er. Svaret er ikke at opgive teknologien, men at vælge redskaber, hvis overensstemmelse er dokumenteret snarere end blot erklæret.
I den forstand er princippet skrevet på grafikken - beskyt det, der virker; forbedre det, der kan forbedres - ikke et marketingslogan, men et operationelt kriterium. Mellem frygt og potentiale er der et valg: at skabe sammen eller at ignorere.
Beskyt det, der virker. Forbedre det, der kan forbedres.
Denne tekst analyserer offentliggjorte videnskabelige data og udgør ikke en klinisk anbefaling. Therapy Support er ikke en medicinsk enhed i den forstand, MDR definerer det, og træffer ikke kliniske beslutninger. AI’en i platformen understøtter dokumentation og organisering af materiale - alle kliniske beslutninger forbliver hos terapeuten.
Kilder: 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.