Kompetencje AI dla terapeutów CBT: praktyczny przewodnik

Większość z nas traktuje AI jak czarodziejskie pudełko. Wrzucamy pytanie, dostajemy gładką odpowiedź i bierzemy ją na wiarę. I dobrze, to faktycznie jest czarodziejskie pudełko. Tyle że ma swoje zasady, a kiedy ich nie znasz, podejmujesz decyzje kliniczne trochę na ślepo.

Dlatego kiedy mówię o kompetencjach AI dla terapeutów, nie mam na myśli umiejętności pisania ładnych promptów. Chodzi o coś, co siedzi głębiej: o to, żeby rozumieć, czym ta maszyna naprawdę jest, gdzie zmyśla i kto bierze na siebie odpowiedzialność, kiedy się pomyli.

Ten tekst powstał na bazie naszego webinaru „AI w praktyce terapeutycznej: kompetencje i bezpieczeństwo” w zespole Therapy Support. Przygotowałem go celowo jako trudny, bo w pewnym momencie zrozumiałem, że nie ma co oszczędzać wiedzy. Za często widzę, że gdy mówimy o AI, olewamy podstawy. A to właśnie podstawy pozwalają potem zdecydować, co można, a czego nie. Przejdziemy więc przez to, co warto umieć, na co uważać i jak ocenić narzędzie, zanim wpuścisz do niego dane swojego pacjenta.

Dlaczego rozumienie modelu to kompetencja kliniczna

Jest jedno zdanie, które chciałbym, żebyś z tego tekstu zapamiętał: model stara się naśladować rzeczywistość, ale nigdy nie uchwyci jej tak, jaka ona naprawdę jest. Uczy się na danych, a dane to zawsze przybliżenie. To dla mnie najważniejsza rzecz w całej tej rozmowie.

Jak to działa pod spodem? Wielki model językowy, czyli ChatGPT, Claude czy Gemini, dostał miliardy stron tekstu, od Harry’ego Pottera po ulotki leków, w zasadzie cały internet. I z tego nauczył się jednej rzeczy: przewidywać najbardziej prawdopodobny następny kawałek słowa. Kiedy piszesz “cześć, jestem Ania”, a model odpowiada “cześć”, on nie ma na myśli powitania. Wylicza tylko, że po “cześć” w ludzkim języku najczęściej pada “cześć”. Litera po literze, token po tokenie. On nigdy nie widzi całego sensu zdania, które chce powiedzieć.

Na webinarze pokazałem to małym ćwiczeniem i polecam je sobie zrobić. Powiedz komuś “Sylw”. Mnie odpala się “Sylwester”, a mojej koleżance z zespołu, Ewie, jej koleżanka Sylwia. Powiedz “obóz”, a jednej osobie skojarzy się harcerski, drugiej żeglarski. Powiedz “dowód” i jednemu wyskoczy “osobisty”, a drugiemu “proces”. Każdy z nas nosi w głowie własną sieć neuronową z innymi prawdopodobieństwami. Model działa identycznie, tylko na skalę całej zebranej ludzkiej wiedzy.

Sam, kiedy do ciebie teraz piszę, nie wiem, jakie zdanie powiem za trzy zdania. Wiem mniej więcej, dokąd zmierzam, ale konkretne słowa układają się z jakimś prawdopodobieństwem. Model robi dokładnie to samo. Nie myśli, nie czuje, niczego nie pragnie. To bardzo mądrze oprogramowany zbitek wiedzy o ludzkości, który po wrzuceniu mowy oddaje mowę. Tylko tyle. I kiedy to wreszcie zaskoczy, wszystkie pytania o etykę, prawa autorskie czy granice zastosowania robią się dużo prostsze.

Halucynacje i grounding: pierwsza umiejętność AI psychoterapeuty

Model ma kłopot, którego ty nie masz: nie umie odmówić odpowiedzi. Wrzucisz coś, coś z niego musi wypaść. Taka jest jego zasada działania, input i output. Halucynacja bierze się stąd, że w danym miejscu zabrakło neuronu z prawdziwą informacją albo ten neuron się po prostu nie odpalił. Model i tak odpowie, z pełną pewnością siebie, tyle że fałszywie.

Klasyczny przykład: prosisz o zacytowanie kryteriów DSM-5 dla zaburzenia osobowości narcystycznej. Model “wie”, że taka klasyfikacja istnieje. Tylko którą ma wersję? Z którego roku? Czy w ogóle jedną spójną? Sam tego nie sprawdzi. Odpowie tak, jakby był pewien, a ty nie masz wbudowanej metody, żeby zweryfikować, czy trafił.

Tu wchodzi termin, który warto sobie zapisać: grounding, czyli uziemianie modelu. Do pytania dorzucasz prawdziwą treść. Zamiast pisać “podaj kryteria DSM-5 dla NPD” i liczyć, że model je pamięta, wklejasz mu właściwy fragment i prosisz, żeby pracował na tym, co dostał. Wtedy odpowiada z materiału, który widzi, a nie z mglistych prawdopodobieństw gdzieś w swoim wnętrzu. To jedna z najlepszych metod radzenia sobie z halucynacją. Nie daje stuprocentowej gwarancji, nie zawsze jest rozwiązaniem finalnym, ale realnie obniża ryzyko, że model coś dopowie. I to pierwsza praktyczna umiejętność AI psychoterapeuty: zamiast ufać pamięci modelu, dawaj mu kontekst i każ się go trzymać.

Kto odpowiada za błąd

Model popełnia błędy non stop. Powiem więcej: ty też, i ja, pisząc ten tekst, pewnie już kilka popełniłem, językowych albo logicznych. Pytanie nigdy nie brzmi “czy będzie błąd”, tylko “kto za niego odpowiada”.

Kiedy korzystasz z podręcznika, za treść stoi autor, wydawnictwo, cytowane źródła. Kiedy pracujesz z modelem językowym, ten łańcuch się rwie. Nie ma redaktora, nie ma recenzenta. Odpowiedzialność spada na ciebie, bo to ty przekażesz tę wiedzę dalej, pacjentowi albo na superwizji.

Brzmi obciążająco, ale ma drugą stronę. Skoro odpowiedzialność jest po twojej stronie, to ty decydujesz, gdzie postawić granicę. Model zostaje czeladnikiem, który podsuwa propozycje, a mistrzem jesteś ty. AI może uporządkować materiał z sesji, streścić go, otagować wypowiedzi pod kątem myśli nieadaptacyjnych. Ale interpretacja, decyzja kliniczna i ostatnie słowo należą do terapeuty. Zawsze. Dlatego uważam, że kluczowa kompetencja na 2027 i dalej to nie “umieć gadać z czatem”, tylko umieć wybrać dobre narzędzie i wziąć odpowiedzialność za to, co z niego wyjdzie.

Pamięć modelu: cicha pułapka przy danych pacjentów

Jest funkcja, która zmienia reguły gry w pracy klinicznej, a sporo osób w ogóle nie ma jej na radarze. Od 2025 roku modele zapamiętują informacje w obrębie twojego konta, między różnymi rozmowami. Tylko żeby było jasne, to nie sam model pamięta, tylko twój czat dorzuca do każdego zapytania ukryty plik z tym, co już mu napisałeś.

Brzmi wygodnie, dopóki nie zobaczysz konsekwencji. Jeśli w jednej rozmowie opisałeś pacjentkę z NPD, a w innej pytasz o pacjenta z zaburzeniem lękowym, model może zacząć mieszać te konteksty. Na webinarze padł konkretny przykład: pytasz “jakie strategie dla kobiety z PTSD”, a model odpowiada “bazując na poprzedniej rozmowie o pacjencie z OCD, podobne techniki ekspozycji możesz dostosować”. Dane dwóch różnych osób przeciekają sobie nawzajem przez palce.

Stąd dwie praktyczne rzeczy. Pierwsza: pracuj w osobnych rozmowach dla osobnych spraw. Druga: zajrzyj w ustawienia i sprawdź, czy nie masz włączonej pamięci. W większości narzędzi da się ją wyłączyć. Ewa zwróciła wtedy uwagę na jeszcze jedną rzecz, o której łatwo zapomnieć: twoi pacjenci też korzystają z AI. Pytają go o własną terapię między sesjami. Świadomość tych ryzyk dotyczy więc obu stron relacji, nie tylko twojej.

Ocena narzędzi AI: na co patrzeć, zanim wpuścisz dane

To jest sedno całego przewodnika. Narzędzia darmowe są darmowe nie z dobroci serca. Tak jak darmowy YouTube zarabia na reklamach, tak darmowy czat zarabia na twoich danych, ucząc się na tym, co wpisujesz. Kolejny GPT będzie lepszy między innymi dlatego, że tylu użytkowników nakarmiło ten obecny swoimi treściami. Powtórzę to, co mówiłem na webinarze: bądźcie dramatycznie ostrożni z publicznymi, darmowymi rozwiązaniami.

Dla prywatnej zabawy to żaden problem. Sam zachęcam, żeby generować z czatem wiersze albo bawić się kodem, tam nie ma żadnego uszczerbku danych. Robi się problem, kiedy dane nie są do końca twoje. Bo do publicznego czata można włożyć dowolną treść. Nikt nie stoi obok z siekierą i nie pilnuje, czego nie wolno wkleić. Cała odpowiedzialność jest po stronie użytkownika.

Ewa przywołała tu australijskie wytyczne dla psychologów jako przykład dojrzałego podejścia. Wymagają od terapeuty dwóch rzeczy: żeby rozumiał, jak działa AI, i żeby wiedział, gdzie stoją serwery i dokąd płyną dane. To dobry punkt wyjścia. Zanim usiądziesz z jakimkolwiek narzędziem nad danymi pacjenta, przejdź przez kilka pytań. Czy dostawca daje umowę powierzenia przetwarzania danych (DPA) i czy możesz ją podpisać? Gdzie fizycznie stoją serwery i czy twój prompt opuszcza Europejski Obszar Gospodarczy? Czy twoje dane trenują model, da się to wyłączyć i czy masz na to pewność? Jak długo dostawca trzyma dane i czy możesz je trwale usunąć? Czy faktycznie jesteś administratorem danych? Tu uwaga, bo czat potrafi deklarować, że nim jesteś, a gdy dane przejdą przez jego barierę ognia, kontrola nad nimi już cię opuszcza. I wreszcie: czy są wdrożone systemy bezpieczeństwa, na przykład szyfrowanie bazy?

Warto trzymać w głowie rozróżnienie administratora i podmiotu przetwarzającego. Firma obsługująca twoje narzędzie zwykle nie weźmie odpowiedzialności za dane pacjentów. Administratorem zostajesz ty i to ty odpowiadasz, jeśli RODO zostanie naruszone.

Na webinarze Marta zadała moje ulubione pytanie: czy firmy oferujące nagrywanie i streszczanie sesji nie uczą przy okazji swoich modeli? Uczciwa odpowiedź brzmi: to możliwe, i dlatego trzeba sprawdzić to u każdego dostawcy z osobna. Transkrypcje sesji są cenne, a w niepowołanych rękach mogą być wręcz niebezpieczne. Dobre rozwiązanie powinno trzymać dane zaszyfrowane, a poszczególnych pacjentów w osobnych kopertach, żeby konteksty się nie zlewały. U nas zaszliśmy z tym tak daleko, że nawet ja, otwierając bazę, nie zobaczę treści, tylko zaszyfrowane ciągi. Nawet producent oprogramowania nie powinien móc zajrzeć pacjentowi przez ramię.

AI a terapie trzeciej fali: gdzie te kompetencje realnie pomagają

Cała ta ostrożność nie po to, żeby cię zniechęcić. AI naprawdę odciąża, i to mocno. Z transkrypcji sesji da się wyciągnąć strukturę ABC, otagować wypowiedzi pod kątem myśli nieadaptacyjnych, zbudować konceptualizację, która jeszcze niedawno była godzinami pracy ręcznej, w trakcie sesji i po niej. Terapeuta mniej ślęczy nad notatkami, a do superwizji wchodzi z gotowym materiałem.

W kontekście AI a terapie trzeciej fali warto pamiętać, że ACT, DBT czy terapia schematów operują na materiale, który ładnie poddaje się porządkowaniu: wzorce unikania, dialektyka emocji, schematy uruchamiane w relacji. AI tego za ciebie nie zinterpretuje i nie powinno. Ale potrafi uporządkować surowy materiał z sesji tak, żebyś szybciej dostrzegł wzorzec, który i tak musisz potwierdzić własnym osądem. Hipoteza modelu zostaje hipotezą, dopóki nie zweryfikuje jej człowiek. I to jest sedno tej kompetencji: nie oddajesz myślenia, oddajesz żmudną robotę porządkową, zachowując pełną kontrolę nad tym, co z niej wynika.

FAQ

Jakie kompetencje AI powinien rozwijać terapeuta CBT?

Trzy podstawowe. Po pierwsze, rozumienie, jak działa model językowy, że przewiduje prawdopodobny tekst i potrafi halucynować. Po drugie, grounding, czyli dawanie modelowi prawdziwego kontekstu zamiast ufania jego pamięci. Po trzecie, ocena narzędzia pod kątem bezpieczeństwa danych: DPA, lokalizacja serwerów, trenowanie modelu, status administratora danych.

Czy mogę używać darmowego ChatGPT do pracy z danymi pacjentów?

Lepiej nie. Darmowe narzędzia zazwyczaj uczą się na tym, co wpisujesz, więc dane pacjenta mogą trafić do treningu kolejnej wersji modelu. Do prywatnych celów to bez znaczenia, ale przy danych klinicznych potrzebujesz narzędzia z umową DPA, jasną polityką przechowywania i możliwością wyłączenia trenowania.

Czym jest halucynacja modelu i jak ją ograniczyć?

Halucynacja to pewna siebie, ale nieprawdziwa odpowiedź, która powstaje, gdy modelowi zabrakło właściwej informacji. Najskuteczniej ogranicza ją grounding, czyli wklejenie do pytania prawdziwego źródła i poproszenie modelu, by pracował tylko na nim. To nie daje stuprocentowej pewności, ale wyraźnie obniża ryzyko zmyślenia.

Czy AI może zastąpić osąd kliniczny terapeuty?

Nie. AI porządkuje, transkrybuje, streszcza i podsuwa hipotezy do weryfikacji. Interpretacja materiału i decyzja kliniczna zawsze należą do terapeuty. Odpowiedzialność za wynik również, bo to człowiek przekazuje wiedzę dalej.

Jak sprawdzić, czy narzędzie AI nie uczy się na moich danych?

Sprawdź ustawienia prywatności (często jest opcja w rodzaju “improve the model”, którą można wyłączyć), przeczytaj politykę dostawcy i poproś o umowę DPA. Jeśli dostawca nie potrafi jasno powiedzieć, gdzie są serwery i czy trenuje na twoich danych, traktuj to jako sygnał ostrzegawczy.

Na koniec

Kompetencja AI w pracy terapeuty nie polega na byciu technologicznym entuzjastą ani sceptykiem. Polega na tym, żeby wiedzieć dokładnie tyle, ile trzeba, by podejmować dobre decyzje: rozumieć, że model zgaduje, umieć go uziemić, sprawdzić, dokąd płyną dane, i nigdy nie oddawać mu ostatniego słowa.

Jeśli chcesz zobaczyć, jak to wygląda w praktyce, na przykład jak AI wyciąga strukturę ABC z transkrypcji sesji, trzymając dane każdego pacjenta w osobnej, szyfrowanej kopercie, zajrzyj na aitherapy.support. Reszta zależy od ciebie, bo to ty jesteś tu mistrzem, a narzędzie tylko czeladnikiem.