1. Введение

Психические расстройства давно вышли за рамки сугубо медицинской проблемы и превратились в один из главных вызовов для систем здравоохранения по всему миру. По оценкам Всемирной организации здравоохранения, депрессия является ведущей причиной глобальной инвалидизации, а совокупный экономический ущерб от депрессивных и тревожных расстройств достигает колоссальных масштабов. При этом потребность в психологической помощи устойчиво опережает возможности ее предоставления: дефицит специалистов, финансовая недоступность услуг, длительное ожидание приема и сохраняющаяся социальная стигматизация делают квалифицированную помощь недостижимой для части нуждающихся.

Попытки преодолеть этот разрыв за счет цифровых технологий предпринимаются уже несколько десятилетий. Интернет-программы когнитивно-поведенческой терапии, мобильные приложения для самопомощи, а в последние годы — системы на основе искусственного интеллекта последовательно расширяли доступность психологической помощи. Однако каждый из этих форматов обнаруживал схожую слабость: пользователи быстро теряли вовлеченность, показатели приверженности оставались низкими, а клиническая применимость при сложных и тяжелых расстройствах — ограниченной [7].

Очная терапия, в свою очередь, при всей своей доказанной эффективности не решает проблему масштаба: она требует значительных временных и финансовых ресурсов, привязана к конкретному месту и времени и в принципе не может охватить всех, кто нуждается в помощи. Постепенно в научном сообществе сложилось понимание, что ни цифровые инструменты в изоляции, ни традиционная очная работа сами по себе не способны дать удовлетворительный ответ на вызов, стоящий перед психологической практикой. Именно из этого понимания выросла концепция гибридной, или смешанной терапии — подхода, интегрирующего цифровые и очные компоненты в единый согласованный терапевтический процесс [7].

В последние годы цифровой компонент таких моделей все активнее связывается с технологиями искусственного интеллекта. Современные разговорные агенты и чатботы способны проводить первичный скрининг состояния пользователя, предоставлять просветительский контент о психическом здоровье, предлагать техники саморегуляции и поддерживать контакт с клиентом в промежутках между очными встречами с терапевтом [3]. Немаловажно и то, что люди нередко охотнее раскрываются в диалоге с программой, чем в беседе с живым специалистом, — отчасти потому, что не опасаются осуждения [1]. Вместе с тем было бы преждевременно рассматривать ИИ как самостоятельную замену терапевту: системы не обладают подлинной эмпатией, не считывают невербальные сигналы и склонны к так называемым галлюцинациям — генерации правдоподобных, но недостоверных сведений [1].

В этом контексте модель «ИИ + психолог» представляет особый интерес именно как попытка соединить то, что каждый из компонентов делает хорошо: масштабируемость и круглосуточную доступность цифровых технологий — с клинической компетентностью, гибкостью суждения и терапевтическим альянсом живого специалиста. Тем не менее теоретическое осмысление этой модели, систематизация данных о ее эффективности и честный анализ ее ограничений остаются недостаточно разработанными, особенно в отечественном научном контексте [2; 4].

Цель настоящей статьи состоит в теоретическом анализе гибридной модели психотерапии, объединяющей компоненты искусственного интеллекта и работу живого психолога, с точки зрения ее структуры, доказательной базы эффективности, механизмов действия и ограничений применения. Для достижения этой цели последовательно рассматриваются теоретические основания модели и логика интеграции ее компонентов, существующие типологии гибридных форматов, доказательная база эффективности смешанной терапии и ИИ-компонента, роль терапевтического альянса в гибридном формате, а также ключевые риски и перспективы развития данного подхода.

2. Теоретические основания гибридной модели

2.1. Ограничения традиционной очной терапии

Очная психотерапия на протяжении десятилетий остается золотым стандартом оказания психологической помощи. Доказательная база ее эффективности при депрессии, тревожных расстройствах и ряде других состояний достаточно убедительно. Тем не менее очный формат несет в себе ряд структурных ограничений, которые невозможно устранить простым увеличением числа специалистов.

Прежде всего, это проблема доступности. Даже при наличии достаточного количества специалистов в крупных городах значительная часть населения (жители отдаленных районов, люди с ограниченными возможностями передвижения, занятые на нестандартных графиках работы) лишена возможности регулярно посещать очные сессии. Финансовый барьер также остается значимым аргументом: стоимость регулярной психотерапии остается высокой, а государственные системы помощи не всегда способны покрыть реальную потребность [6]. Помимо этого, стигматизация психических проблем по-прежнему удерживает многих людей от обращения за помощью даже тогда, когда она объективно доступна [6].

Наконец, очная терапия по своей природе дискретна: она существует в формате отдельных сессий с промежутками в несколько дней или недель. В эти промежутки клиент остается без поддержки, тогда как именно в повседневных ситуациях, вне кабинета терапевта, чаще всего и возникают трудности, требующие применения освоенных навыков [6;7].

2.2. Ограничения полностью цифровой терапии

Цифровые форматы психологической помощи во многом компенсируют перечисленные недостатки очной работы. Они доступны круглосуточно, не требуют перемещения, существенно дешевле и позволяют сохранять анонимность, что способствует снижению стигматизации, связанной с обращением за психологической помощью

Исследования показывают, что пользователи нередко более открыто сообщают о своих симптомах в диалоге с программой, чем в беседе с живым специалистом [1].

Вместе с тем самостоятельные цифровые вмешательства обнаруживают собственный набор устойчивых слабостей. Главная из них — низкая приверженность: пользователи быстро теряют интерес и прекращают работу с приложением задолго до завершения предполагаемого курса. По данным обзорных исследований, показатели реального вовлечения в программы цифровой самопомощи в рутинной практике существенно ниже, чем в контролируемых исследованиях [7]. Отсутствие живого терапевта лишает пользователя важнейшего механизма изменений — терапевтического альянса, который в традиционной психотерапии является одним из наиболее надежных предикторов положительных исходов [5].

Серьезным ограничением остается и клиническая применимость: большинство цифровых инструментов разработаны для работы с легкими и умеренными симптомами и не предназначены для сопровождения людей с тяжелыми расстройствами, суицидальным риском или сложными коморбидными состояниями. Системы на основе ИИ дополнительно уязвимы в ситуациях нарастающей клинической сложности: они работают с буквально сформулированным запросом, не задают уточняющих вопросов и способны пропустить признаки острого состояния, требующего немедленного вмешательства специалиста [1].

2.3. Логика гибридизации

Сопоставление сильных и слабых сторон очного и цифрового форматов обнаруживает, что они во многом взаимодополняют друг друга. Там, где очная терапия проигрывает — масштабируемость, непрерывность поддержки, доступность в любое время — цифровые инструменты выигрывают. Там, где цифровые инструменты уязвимы — клиническая гибкость, работа со сложными случаями, формирование терапевтического альянса — очная работа незаменима. Именно эта взаимодополняемость составляет теоретическое основание гибридной модели [7].

Принципиально важно, что гибридная модель предполагает содержательное объединение очного и цифрового форматов в единый терапевтический процесс, где каждый компонент выполняет свою роль

Цифровой компонент не дублирует и тем более не заменяет работу терапевта, а выполняет те функции, с которыми он справляется лучше: мониторинг состояния между сессиями, закрепление навыков, предоставление структурированных упражнений, напоминания и т. д. Терапевт, в свою очередь, концентрируется на том, что требует именно человеческого участия: формировании альянса, работе с сопротивлением, интерпретации, кризисном сопровождении [2; 3]. При этом ИИ способен взять на себя и ряд организационных задач, традиционно отнимающих время специалиста, — ведение документации, планирование сессий, мониторинг динамики состояния клиента между встречами, — освобождая тем самым ресурс терапевта для содержательной клинической работы [4].

Такое разделение функций позволяет не только повысить эффективность каждого компонента, но и потенциально увеличить число клиентов, которых один специалист способен вести одновременно, не снижая качества работы [7]. В этом смысле гибридная модель представляет собой переосмысление самой архитектуры психологической помощи.

3. Типология гибридных моделей

Одним из ключевых препятствий для развития гибридной терапии долгое время оставалось отсутствие единого языка описания: исследователи использовали термины «смешанная», «интегрированная», «ступенчатая» терапия практически как синонимы, что существенно затрудняло сравнение результатов разных исследований. Систематический обзор Nunes-Zlotkowski с соавторами [7] предлагает развернутую классификацию, позволяющую описывать гибридные модели по четырем независимым параметрам.

3.1. По характеру взаимодействия компонентов: интегрированные и последовательные модели

Первый и наиболее принципиальный параметр классификации — способ организации взаимодействия между очным и цифровым компонентами на протяжении всего курса терапии.

В интегрированных моделях оба компонента присутствуют одновременно на протяжении всего терапевтического процесса и функционируют как взаимосвязанные части единого целого. Очные сессии и цифровая работа чередуются или сосуществуют, содержательно дополняя друг друга. Именно такой подход является наиболее распространенным: по данным обзора [7], интегрированный тип использовался в 90 % проанализированных исследований, причем в большинстве случаев очный компонент выступал «якорем» терапевтического процесса, а цифровой — его продолжением в повседневной жизни клиента.

В последовательных моделях компоненты разделены во времени: сначала в полном объеме реализуется один из них, затем — другой. Частным случаем последовательного подхода является ступенчатая терапия, при которой клиент начинает с наименее интенсивного цифрового вмешательства и переходит к очной работе только в том случае, если первый этап оказался недостаточным. Такой подход позволяет рационально распределять ресурсы специалистов, однако предполагает четкие и заранее определенные критерии перехода между этапами [7].

3.2. По роли компонентов: основной и дополнительный тип

Второй параметр описывает функциональную роль каждого из компонентов в терапевтическом процессе.

В моделях с основным типом оба компонента — и очный, и цифровой — несут новое терапевтическое содержание: каждый из них вводит собственные темы, техники или модули, которые не дублируются в другом компоненте. Такой подход требует тщательной координации между тем, что происходит на очных сессиях, и тем, с чем клиент работает самостоятельно в цифровом формате.

В моделях с дополнительным типом один компонент несет основную терапевтическую нагрузку, тогда как второй помогает закрепить и углубить то, что уже было проработано. Наиболее распространенный вариант — очные сессии как основа, цифровой компонент как набор домашних заданий, упражнений и инструментов для закрепления навыков, освоенных вместе с терапевтом. Данные мета-анализа [7] свидетельствуют о том, что дополнительный тип демонстрирует более высокие показатели эффективности по сравнению с основным — предположительно потому, что терапевт заранее подготавливает клиента к работе с цифровым контентом, обсуждая возможные трудности и повышая тем самым вовлеченность.

3.3. По порядку распределения сессий: поочередный и индивидуализированный паттерн

Третий параметр касается того, как именно распределяются очные и цифровые сессии во времени.

При поочередном паттерне чередование компонентов задано заранее и остается неизменным на протяжении всего курса: например, одна очная сессия — один цифровой модуль — одна очная сессия и так далее. Такой подход обеспечивает предсказуемость и облегчает стандартизацию протокола, однако оставляет мало пространства для гибкого реагирования на индивидуальные потребности клиента.

При индивидуализированном паттерне терапевт принимает решение о соотношении и последовательности компонентов, ориентируясь на актуальное состояние и потребности конкретного клиента. Такой подход более требователен к квалификации специалиста, однако потенциально более точен в подборе интенсивности и формата работы для каждого отдельного случая [7].

3.4. По характеру цифрового контента: стандартизированный и персонализированный подходы

Четвертый параметр описывает степень индивидуализации цифрового компонента.

Стандартизированный контент предполагает, что все клиенты работают с одним и тем же набором материалов в одной и той же последовательности, независимо от их индивидуальных особенностей. Такой подход проще в реализации и легче поддается стандартизации в исследовательских целях. По данным обзора [7], именно стандартизированный контент использовался в большинстве изученных вмешательств.

Персонализированный контент формируется совместно терапевтом и клиентом с учетом конкретных запросов, симптомов и жизненных обстоятельств последнего [7]. Такой подход требует большей вовлеченности специалиста в настройку цифрового компонента, однако потенциально повышает значимость материалов для конкретного человека и, как следствие, его вовлеченность в терапевтический процесс. Именно здесь системы на основе ИИ открывают новые возможности: адаптивные алгоритмы способны подстраивать содержание и тон взаимодействия под индивидуальный профиль пользователя в режиме реального времени [2].

3.5. Место ИИ в предложенной типологии

Рассмотренная классификация была разработана применительно к смешанной терапии в широком смысле, однако она в полной мере применима и к моделям, в которых цифровой компонент реализован на основе искусственного интеллекта. Разговорные ИИ-агенты и чатботы могут встраиваться в интегрированные и последовательные модели, выступать как в дополнительной, так и в основной роли, использоваться в рамках поочередного или индивидуализированного паттерна и предоставлять как стандартизированный, так и адаптивный персонализированный контент [1; 6].

Принципиальное отличие ИИ-компонента от более ранних форм цифровой терапии состоит в его интерактивности: в отличие от статичных онлайн-модулей или записанных материалов, разговорный агент способен реагировать на конкретные высказывания пользователя, задавать уточняющие вопросы и адаптировать ответы к контексту диалога. Это приближает взаимодействие с ИИ к живому общению и открывает возможность для формирования своеобразного цифрового терапевтического альянса — явления, которое будет подробнее рассмотрено в разделе 5 настоящей статьи [5].

4. Доказательная база эффективности

4.1. Эффективность гибридной терапии при депрессии и тревоге

Наиболее полные на сегодняшний день данные об эффективности гибридной терапии получены в систематическом обзоре и мета-анализе Nunes-Zlotkowski с соавторами [7], охватывающем 29 исследований с общей выборкой более 12 000 участников. Результаты позволяют сделать ряд содержательных выводов.

Применительно к депрессии гибридная терапия демонстрирует умеренный и высокий эффект: величина эффекта по шкале Коэна составила d = -1,1 (95 % доверительный интервал от -0,6 до -1,6, p < 0,001). Иными словами, у участников, получавших гибридное вмешательство, выраженность депрессивной симптоматики снижалась значительно сильнее, чем в контрольных группах, получавших стандартное лечение или находившихся в листе ожидания. Для тревожных расстройств картина оказалась менее однозначной: величина эффекта была небольшой и статистически незначимой (d = -0,1, p = 0,17), что авторы связывают прежде всего с методологическими особенностями выборки включенных исследований, а не с отсутствием эффекта как такового [7].

Не менее важны данные о приверженности и вовлеченности участников. Средний показатель включения в терапию составил 91 %, приверженности — 81 %. Это существенно выше, чем типичные показатели для полностью цифровых вмешательств, где реальная приверженность в рутинной практике нередко не превышает 18–60 % [7]. Такое различие указывает на то, что присутствие живого терапевта в гибридной модели выполняет важную удерживающую функцию: оно создает социальную ответственность и мотивацию, которых лишена самостоятельная работа только с цифровым инструментом

Отдельного внимания заслуживают данные о том, какие именно параметры модели связаны с более высокой эффективностью. Мета-анализ показал, что более высокие величины эффекта наблюдались в моделях с дополнительным типом построения, то есть там, где очные сессии составляли основу терапии, а цифровой компонент ее подкреплял. Кроме того, более высокая эффективность отмечалась при меньшем числе очных сессий — шесть и менее — и при соотношении очных и цифровых сессий в пользу цифровых, то есть когда более половины всех контактов приходилось на цифровой компонент [7]. Это на первый взгляд парадоксальное наблюдение может объясняться тем, что в таких моделях терапевт выступает скорее координатором и наставником, чем основным источником терапевтического контента, активно направляя клиента к самостоятельной работе с цифровыми инструментами.

4.2. Эффективность ИИ-компонента

Данные об эффективности ИИ-агентов как самостоятельного инструмента также заслуживают рассмотрения, поскольку именно они составляют основу цифрового компонента в современных гибридных моделях.

Исследование приложения Wysa — разговорного ИИ-агента, использующего техники когнитивно-поведенческой терапии, диалектической поведенческой терапии и майндфулнес, — показало, что у пользователей с высокой вовлеченностью наблюдалось значимо большее снижение выраженности депрессивной симптоматики по сравнению с малоактивными пользователями (среднее улучшение 5,84 против 3,52 балла по шкале PHQ-9, p = 0,03, величина эффекта 0,63) [6]. При этом 67,7 % пользователей, оставивших обратную связь, охарактеризовали взаимодействие с приложением как полезное и ободряющее. Важно, что это исследование проводилось на реальных пользователях в естественных условиях, а не в контролируемой лабораторной среде, что повышает практическую значимость его результатов.

Вместе с тем данные об эффективности ИИ-агентов в области психического здоровья остаются неравномерными. Предварительные исследования на небольших выборках указывают на возможность снижения симптомов тревоги и депрессии с помощью чатботов, однако долгосрочная эффективность и устойчивость достигнутых изменений остаются практически неизученными [1]. Большинство доступных исследований отличаются небольшими выборками, короткими периодами наблюдения и отсутствием надлежащих контрольных групп, что не позволяет делать окончательных выводов [1; 2].

4.3. Синергия компонентов в гибридной модели

Сопоставление данных об эффективности очной терапии, цифровых вмешательств и их комбинации позволяет говорить о возможном синергетическом эффекте гибридной модели, хотя механизмы этого эффекта пока изучены недостаточно.

Ключевым объяснением повышенной эффективности гибридных вмешательств по сравнению с исключительно цифровыми служит роль терапевта как посредника между клиентом и цифровым контентом. Данные показывают, что удобство и гибкость цифрового компонента, возможность общаться с программой анонимно и в любое время называются участниками среди главных факторов, облегчающих вовлечение в терапию [7]. Однако именно поддержка терапевта — его способность заранее обсудить с клиентом возможные трудности при работе с цифровым компонентом, отследить прогресс и скорректировать курс — по всей видимости, является тем фактором, который удерживает клиента в терапии и переводит цифровое взаимодействие из разряда необязательного дополнения в полноценный элемент лечения [7].

Примечательно, что два исследования из обзора [7] зафиксировали, что терапевтический альянс в гибридном формате предсказывал исходы лечения, причем этот эффект мог быть специфичен именно для гибридной модели. Это наблюдение указывает на то, что качество отношений между клиентом и терапевтом остается центральным механизмом изменений даже тогда, когда значительная часть терапевтической работы переносится в цифровое пространство. Подробнее роль терапевтического альянса в гибридной модели рассматривается в следующем разделе.

5. Терапевтический альянс в гибридной модели

5.1. Терапевтический альянс как механизм изменений

Терапевтический альянс — рабочий союз между клиентом и терапевтом, включающий согласованность целей, договоренность о задачах и эмоциональную связь между участниками процесса — является одним из наиболее устойчивых предикторов положительных исходов психотерапии вне зависимости от используемого подхода [5]. Перенос части терапевтической работы в цифровое пространство закономерно ставит вопрос о том, как это влияет на альянс и сохраняет ли он свою предсказательную силу в условиях гибридного формата.

Данные систематического обзора [7] дают на этот вопрос предварительно положительный ответ: в четырех исследованиях, специально изучавших рабочий альянс в гибридной терапии, он оценивался участниками как высокий. Более того, в двух из них терапевтический альянс предсказывал исходы лечения, что воспроизводит закономерность, хорошо известную по очной терапии. Примечательно, что авторы обзора предполагают специфичность этого эффекта именно для гибридного формата: возможно, качество альянса играет в нем даже более важную роль, чем в традиционной очной работе, поскольку именно он удерживает клиента в терапии в моменты, когда соблазн прекратить самостоятельную цифровую работу особенно велик [7].

5.2. Цифровой терапевтический альянс

Расширение практики использования мобильных приложений и ИИ-агентов в психологической помощи поставило перед исследователями принципиально новый вопрос: может ли человек формировать нечто похожее на терапевтический альянс не с живым специалистом, а с программой? Обзор Henson с соавторами [5], посвященный именно этой теме, показывает, что данная область находится в самом начале своего изучения.

Из пяти исследований, отобранных авторами обзора, ни одно не рассматривало цифровой терапевтический альянс в качестве основного результата: он упоминался лишь как сопутствующий показатель. Тем не менее ряд наблюдений заслуживает внимания. В одном из исследований было установлено, что терапевтический альянс с технологией связан с вовлеченностью пользователя в работу с приложением и определяется прежде всего доверием к программе и возможностью общаться с ней [5]. В другом исследовании случай неработающего приложения привел к утрате ощущения поддержки у пользователя — наблюдение, указывающее на то, что цифровой альянс частично зависит от технического качества и надежности инструмента.

Авторы обзора предлагают инструмент для измерения цифрового терапевтического альянса — D-WAI, построенный по аналогии с классической шкалой рабочего альянса и включающий три компонента: согласованность целей, оценку задач и эмоциональную связь с программой [5]. Разработка подобного инструмента сама по себе свидетельствует о том, что исследовательское сообщество воспринимает цифровой альянс как реальный и клинически значимый феномен, заслуживающий систематического изучения.

5.3. Взаимодействие двух альянсов в гибридной модели

В гибридной модели клиент потенциально формирует два параллельных альянса: с живым терапевтом и с цифровым компонентом. Вопрос об их соотношении — дополняют ли они друг друга, конкурируют или существуют независимо — остается практически неизученным.

Теоретически можно предположить, что сильный альянс с терапевтом способствует переносу доверия и на цифровой компонент: клиент, доверяющий специалисту, скорее всего, будет воспринимать рекомендованные им цифровые инструменты как заслуживающие внимания. С другой стороны, чрезмерная привязанность к ИИ-агентам — явление, которое уже фиксируется в практике и описывается как риск формирования зависимости от чатботов — может в определенных случаях конкурировать с терапевтическими отношениями с живым специалистом или подменять их [1]. Это особенно актуально в свете того, что ИИ-агенты доступны круглосуточно, никогда не выражают раздражения и всегда готовы продолжать разговор — качества, которые делают их субъективно привлекательными, но одновременно лишенными той терапевтической ценности, которую несет в себе встреча с реальным, несовершенным другим человеком [1].

6. Ограничения и риски гибридной модели

6.1. Клинические ограничения

Несмотря на обнадеживающие данные об эффективности, гибридная терапия имеет четко очерченные клинические границы применимости. Большинство исследований, вошедших в систематический обзор [7], проводились на выборках с умеренной и умеренно тяжелой симптоматикой депрессии и тревоги. Данные о применимости гибридных моделей при тяжелых расстройствах, острых психотических состояниях, выраженном суицидальном риске и сложных коморбидных картинах практически отсутствуют.

Особого внимания заслуживают ограничения ИИ-компонента при нарастании клинической сложности. Анализ ответов, например, ChatGPT на запросы разной степени сложности показал, что по мере усложнения клинической картины качество и уместность ответов системы существенно снижались [1]. В рамках единой сессии ИИ-агент не замечал нарастания тяжести проблемы и продолжал использовать первоначально выбранную схему ответа даже тогда, когда запросы начинали указывать на возможное психотическое расстройство или суицидальный риск. Это наблюдение имеет прямое клиническое значение для гибридных моделей: цифровой компонент должен иметь четкие протоколы эскалации, обеспечивающие своевременную передачу случая живому специалисту при появлении признаков острого состояния.

Серьезной проблемой остается также склонность ИИ-систем к так называемым галлюцинациям — генерации правдоподобных, но фактически неверных сведений [1]. В контексте психологической помощи это особенно опасно: клиент, обратившийся за информацией о своем состоянии или о принимаемых препаратах, может получить достоверно звучащий, но ошибочный ответ, распознать непригодность которого способен лишь специалист.

6.2. Этические и правовые вопросы

Внедрение ИИ в психотерапевтическую практику порождает ряд этических проблем, которые пока не получили удовлетворительного регуляторного решения ни на международном, ни на национальном уровне [2].

Центральным из них является вопрос конфиденциальности. Взаимодействие с ИИ-агентом предполагает передачу и хранение данных о психологическом состоянии пользователя, его жизненных обстоятельствах и личных переживаниях. При этом пользователи нередко не осознают, кто имеет доступ к этим данным и как они могут быть использованы в дальнейшем [1]. Разработчики крупных языковых моделей оставляют за собой право использовать содержание диалогов для дообучения системы, что создает риск утечки чувствительной информации.

Не менее острым остается вопрос ответственности: кто несет ответственность за вред, причиненный клиенту в результате некорректного ответа ИИ-агента? Действующие правовые нормы, регулирующие ответственность в сфере психологической помощи, формировались применительно к отношениям между живым специалистом и клиентом и не предусматривают сценариев с участием автономных программных систем [1; 2].

Отдельного рассмотрения заслуживает проблема алгоритмической предвзятости. ИИ-системы обучаются на данных, которые неизбежно отражают особенности тех групп населения, чьи данные были использованы при обучении. В результате система может давать менее точные или менее уместные ответы представителям групп, недостаточно представленных в обучающей выборке [2]. В контексте психологической помощи это означает риск неравного качества поддержки для разных категорий пользователей.

6.3. Технологические ограничения

Помимо клинических и этических проблем, современные ИИ-системы имеют ряд технологических ограничений, непосредственно влияющих на их применимость в гибридной терапии.

Наиболее существенным из них является отсутствие памяти между сессиями у большинства доступных систем. Живой терапевт использует целостную картину, складывающуюся на протяжении всей работы с клиентом, и опирается на данные, полученные в разное время. ИИ-агент, напротив, воспринимает каждый диалог как изолированное взаимодействие, лишенное истории [1]. Это принципиально ограничивает глубину и связность терапевтического процесса в тех его частях, которые реализуются через цифровой компонент.

Существенным ограничением является также неспособность систем считывать невербальные сигналы — интонацию, мимику, позу, темп речи, — которые в очной терапии несут колоссальный объем клинически значимой информации [1]. Текстовый формат взаимодействия, преобладающий в большинстве ИИ-агентов для психологической помощи, по определению лишен этого измерения.

Наконец, ответы ИИ-систем существенно зависят от формулировки запроса и контекста диалога, что делает их непоследовательными и трудно предсказуемыми [1]. Два пользователя с идентичными проблемами, но сформулировавшие свой запрос по-разному, могут получить принципиально различные ответы — явление, недопустимое в клинической практике, где стандартизация и воспроизводимость вмешательства имеют первостепенное значение.

7. Перспективы развития

7.1. Технологические направления

Развитие технологий искусственного интеллекта открывает ряд направлений, способных в обозримой перспективе существенно расширить возможности гибридной модели.

Одним из наиболее значимых является создание систем с долгосрочной памятью, способных накапливать и использовать историю взаимодействия с конкретным пользователем на протяжении всего курса терапии. Решение этой задачи позволило бы ИИ-агенту выстраивать более связный и глубокий терапевтический нарратив, приближая цифровой компонент по качеству к работе живого специалиста [1]. Параллельно развиваются многомодальные системы, способные воспринимать не только текст, но и голос, и в перспективе — видеоизображение, что открывает возможность для частичного анализа невербальных сигналов [3].

Перспективным направлением является также интеграция ИИ-агентов с биометрическими инструментами мониторинга — носимыми устройствами, отслеживающими физиологические показатели, связанные с эмоциональным состоянием: частоту сердечных сокращений, качество сна, уровень физической активности. Сочетание данных самоотчета с объективными биометрическими показателями способно существенно повысить точность оценки состояния клиента в промежутках между очными сессиями [3].

7.2. Развитие доказательной базы

Существующая доказательная база гибридной терапии, несмотря на ее обнадеживающий характер, имеет ряд значимых методологических ограничений, преодоление которых является приоритетом для будущих исследований.

Прежде всего необходимы исследования, непосредственно сравнивающие три условия: только очная терапия, только цифровое вмешательство и их гибридная комбинация. Большинство существующих исследований сравнивают гибридное вмешательство со стандартным лечением или листом ожидания, не позволяя изолировать вклад каждого компонента [7]. Кроме того, практически отсутствуют данные о долгосрочной эффективности гибридных моделей: большинство исследований ограничиваются периодом наблюдения в несколько недель или месяцев, тогда как устойчивость достигнутых изменений в перспективе одного-двух лет остается неизвестной [1].

Отдельным исследовательским приоритетом является изучение цифрового терапевтического альянса как самостоятельного конструкта и его роли в механизмах изменений гибридной терапии [5]. Разработка и проверка надежных инструментов его измерения — необходимое условие для накопления сопоставимых данных в разных исследованиях.

7.3. Регуляторные и профессиональные стандарты

Широкое внедрение гибридных моделей с ИИ-компонентом в психологическую практику невозможно без соответствующей регуляторной базы. На сегодняшний день не существует ни профессиональных стандартов, определяющих требования к ИИ-системам, используемым в психологической помощи, ни этических руководств, регулирующих их применение в клинической практике [2].

Разработка таких стандартов предполагает решение ряда принципиальных вопросов: каковы минимальные требования к доказательной базе ИИ-инструмента для его использования в клинической практике; кто и в каком порядке несет ответственность за качество и безопасность гибридного вмешательства; какие категории клиентов и расстройств являются противопоказанием для использования ИИ-компонента; каков должен быть порядок получения информированного согласия при использовании ИИ в терапии [1; 2].

Профессиональному психологическому сообществу предстоит также выработать позицию относительно подготовки специалистов к работе в гибридном формате. Исследования показывают, что алгоритмы машинного обучения уже сегодня способны достигать сопоставимой с практикующим специалистом точности в диагностике ряда расстройств, в частности депрессии [4]. Это означает, что психолог, работающий в гибридном формате, должен уметь критически оценивать данные, поступающие от ИИ-компонента, и соотносить их с собственным клиническим суждением. Эффективное использование ИИ-инструментов в терапевтической практике требует от психолога не только технической грамотности, но и понимания возможностей и ограничений систем, с которыми работает его клиент, а также способности интегрировать данные, поступающие из цифрового компонента, в общую картину терапевтического процесса [3; 4].

8. Заключение

Гибридная модель психотерапии, объединяющая компоненты искусственного интеллекта и работу живого психолога, представляет собой одно из наиболее перспективных направлений развития современной психологической помощи. Ее теоретическое основание опирается на взаимодополняемость очного и цифрового форматов: там, где каждый из них в отдельности обнаруживает структурные ограничения, их сочетание открывает возможность для более доступной, непрерывной и эффективной помощи.

Анализ доказательной базы показывает, что гибридная терапия демонстрирует значимый эффект при лечении депрессии и обеспечивает существенно более высокие показатели приверженности по сравнению с полностью цифровыми вмешательствами. Наиболее эффективными оказываются модели, в которых очные сессии составляют основу терапии, а цифровой компонент подкрепляет и расширяет проделанную работу, при этом большая часть контактов приходится именно на цифровое взаимодействие. Терапевтический альянс сохраняет свою роль ключевого механизма изменений и в гибридном формате, а перспектива формирования самостоятельного цифрового альянса с ИИ-агентом открывает новое и пока мало изученное исследовательское поле.

Вместе с тем было бы преждевременно идеализировать гибридную модель. Ее клиническая применимость ограничена умеренными по тяжести расстройствами; ИИ-компонент обнаруживает существенные слабости при нарастании клинической сложности; этические и правовые вопросы, связанные с использованием ИИ в психологической помощи, остаются нерешенными; а доказательная база нуждается в значительном расширении — прежде всего в части долгосрочной эффективности и сравнительных исследований.

Тем не менее общая траектория развития представляется достаточно ясной. Искусственный интеллект не заменит живого терапевта — по крайней мере в обозримой перспективе и для большинства клинических задач. Но он способен стать его надежным инструментом: расширить охват помощи, обеспечить поддержку в промежутках между сессиями, повысить приверженность клиентов и освободить время специалиста для того, что требует именно человеческого участия. Реализация этого потенциала требует совместных усилий исследователей, практикующих специалистов, разработчиков технологий и регуляторов — и именно это взаимодействие определит, каким будет следующий этап развития психологической помощи.

Литература:

1. Бойко О. М., Медведева Т. И., Воронцова О. Ю., Ениколопов С. Н. ChatGPT в психотерапии и психологическом консультировании: обсуждение возможностей и ограничений // Новые психологические исследования. 2025. № 1. С. 26–55. DOI: 10.51217/npsyresearch_2025_05_01_02
2. Корж Е. М., Громова А. В. Потенциал применения технологий искусственного интеллекта в психологии // Системная психология и социология. 2023. № 2 (46). С. 60–70. DOI: 10.25688/2223–6872.2023.46.2.5
3. Нестик Т. А. Развитие цифровых технологий и будущее психологии // Вестник Московского государственного областного университета. Серия: Психологические науки. 2017. № 3. С. 6–15. DOI: 10.18384/2310–7235–2017–3-6–15
4. Тууль А. В. Использование искусственного интеллекта в деятельности психолога // Проблемы и перспективы развития психологической науки в России: материалы Всероссийской научно-практической конференции с международным участием (22 марта 2024 г.). 2024. С. 164–167.
5. Henson P., Wisniewski H., Hollis C., Keshavan M., Torous J. Digital mental health apps and the therapeutic alliance: initial review // BJPsych Open. 2019. Vol. 5, № 1. P. e15. DOI: 10.1192/bjo.2018.86
6. Inkster B., Sarda S., Subramanian V. An empathy-driven, conversational artificial intelligence agent (Wysa) for digital mental well-being: real-world data evaluation mixed-methods study // JMIR mHealth and uHealth. 2018. Vol. 6, № 11. P. e12106. DOI: 10.2196/12106
7. Nunes-Zlotkowski K. F., Shepherd H. L., Beatty L., Butow P., Shaw J. M. Blended psychological therapy for the treatment of psychological disorders in adult patients: systematic review and meta-analysis // Interactive Journal of Medical Research. 2024. Vol. 13. P. e49660. DOI: 10.2196/49660