Kā mēs iztēlojamies profesijas nākotni. Starp bailēm un potenciālu.
Diskusija par mākslīgo intelektu psihoterapijā visbiežāk norit divos galējos ietvaros. Pirmais ir bailes: aina, kurā algoritms pārņem profesiju, un terapeitiskās kompetences — attiecības, gadiem ilga apmācība, klīniskā domāšana — tiek reducētas līdz zemsvītras piezīmei. Otrais ir nekritisks entuziasms: pieņēmums, ka rīks atrisinās problēmas, kurām līdz šim bija nepieciešams cilvēks. Abi ietvari pārmērīgi vienkāršo to, kas patiesībā ir terapeita darbs. Šī raksta ievadgrafika apzināti novieto tos blakus.
Kreisā puse: bīstams vienkāršojums
Pirmā diagramma attēlo “nākotnes terapeitiskās prasmes” kā gandrīz vienveidīgu AI lauku ar atlikuma kategoriju “cits”. Tas ir redzējums, kurā tehnoloģija ieņem kompetences vietu, nevis to atbalsta. Tas ir ērti, jo ļauj vai nu pilnībā noraidīt AI, vai uzticēties tam bez ierobežojumiem — abos gadījumos bez nepieciešamības noteikt jebkādas robežas. Un tieši tāpēc tas maldina.
Labā puse: AI ap kompetencēm, nevis to vietā
Otrā diagramma organizē tās pašas nākotnes prasmes atbilstoši tam, kas tās ir klīniskajā praksē: terapeitiskā alianse, sokrātiskais dialogs, gadījuma konceptualizācija, klīniskais novērtējums, ētika, empātija, uzvedības maiņa un uz pierādījumiem balstīts darbs. AI atrodas centrā nevis kā lēmumu pieņēmējs, bet gan kā atbalstošs slānis — atslogojot terapeitu no dokumentācijas un materiāla sakārtošanas, lai atbrīvotu laiku tam, kas paliek unikāli cilvēcisks. Neviena no astoņām kompetencēm nav automatizācijas priekšmets.
Šai atšķirībai ir empīrisks pamats
Divi lieli 2026. gada randomizēti pētījumi parāda vienu un to pašu modeli. Makfeidens un kolēģi (McFadyen, Communications Medicine) pētījumā ar 540 dalībniekiem konstatēja, ka CBT lietotni ar ģeneratīvā AI atbalstu izmantoja biežāk un ilgāk nekā digitālo kontroles materiālu, ar salīdzināmu klīnisko efektivitāti. So un kolēģi (Journal of Medical Internet Research) trīsdaļīgā pētījumā ar 1187 dalībniekiem nekonstatēja būtiskas atšķirības depresijas simptomu (PHQ-9) mazināšanā, taču fiksēja augstāku iesaisti AI atbalstītajā grupā.
Secinājums ir konsekvents: AI atbalstīti rīki palielina pacientu iesaisti, taču klīniskais rezultāts paliek salīdzināms ar kontroles grupu. Iesaiste ir efekta prognozētājs, nevis pats efekts.
Interesantākais atradums gan attiecas uz to, kas nosaka pacientu noturēšanos terapijā. So un kolēģu izpētošajā analīzē noturēšanu noteica modeļa empātiskā funkcija — emociju atspoguļošana — ar izredžu attiecību tuvu desmit (OR 9,99), savukārt padomdevēja funkcijai nebija būtiskas ietekmes. Mehānisms tātad nav “precīzu padomu došana”, bet gan emociju atspoguļošana. Un tā ir kompetence, kuras kodols paliek pie terapeita.
Robeža, kas jānovelk apzināti
Izmaiņu ignorēšana tās neapturēs — tā tikai nodrošinās, ka tās notiek bez cilvēkiem, kuri vislabāk saprot, kas ir droša, ētiska, uz attiecībām balstīta terapija. Atbilde nav atteikties no tehnoloģijas, bet gan izvēlēties rīkus, kuru atbilstība ir dokumentēta, nevis vienkārši deklarēta.
Šajā ziņā grafikā ierakstītais princips — aizsargāt to, kas darbojas; uzlabot to, ko var uzlabot — nav mārketinga saukļa, bet gan operatīvs kritērijs. Starp bailēm un potenciālu ir izvēle: līdzradīt vai ignorēt.
Aizsargāt to, kas darbojas. Uzlabot to, ko var uzlabot.
Šis teksts analizē publicētus zinātniskus datus un nav uzskatāms par klīnisku ieteikumu. Therapy Support nav medicīniska ierīce MDR izpratnē un nepieņem klīniskus lēmumus. Platformas AI atbalsta dokumentāciju un materiāla organizēšanu — visi klīniskie lēmumi paliek pie terapeita.
Avoti: 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.