Введение

Интенсивное внедрение технологий искусственного интеллекта (далее — ИИ) в повседневную и профессиональную деятельность превратило взаимодействие человека с алгоритмическими системами в массовый психологический феномен. Первоначально ИИ рассматривался преимущественно как инженерная и математическая задача, однако сегодня всё большее значение приобретает вопрос о том, как человек воспринимает, понимает и принимает решения, предлагаемые машиной. Пользователь взаимодействует не с алгоритмом как таковым, а с интерфейсом, рекомендацией, ответом или цифровым помощником, поэтому эффективность внедрения ИИ определяется не только технической точностью модели, но и психологическими закономерностями её восприятия [6].

Актуальность темы обусловлена противоречием между широкими техническими возможностями ИИ-систем и настороженным, а зачастую и амбивалентным отношением к ним пользователей. Значительная часть проектов по внедрению искусственного интеллекта не достигает ожидаемых результатов именно из-за недоверия работников и потребителей, а не из-за технологических ограничений [7, с. 209].

Степень научной разработанности темы. Различные аспекты проблемы рассматривались в работах О. М. Самойлова и А. Н. Татарко, исследовавших ценностные и моральные предикторы доверия к ИИ [7], Б. А. Кобринского, описавшего структуру доверия к технологиям ИИ [3], А. А. Филатовой и А. А. Ли, экспериментально изучивших антропоморфизм чат-ботов [9], В. А. Шиловой и М. А. Плетневой, предложивших гибридную модель коммуникации «человек — ИИ» [10], а также В. И. Игнатьева и А. С. Удовыдченко, проанализировавших амбивалентность восприятия эмоционального ИИ [2]. Вместе с тем целостного психологического обобщения накопленных данных, объединяющего когнитивные, ценностные и профессиональные аспекты взаимодействия человека с ИИ, до настоящего времени не сложилось.

Объектом исследования выступает взаимодействие человека с системами искусственного интеллекта.

Предметом исследования являются психологические закономерности восприятия, доверия и адаптации человека к системам искусственного интеллекта.

Цель работы — систематизировать и проанализировать психологические аспекты взаимодействия человека с искусственным интеллектом.

Для достижения поставленной цели необходимо решить следующие задачи:

– уточнить содержание понятия искусственного интеллекта и охарактеризовать основные направления его психологического исследования;

– раскрыть когнитивные механизмы восприятия ИИ, включая антропоморфизм, эффект «зловещей долины» и доверие к алгоритмам;

– проанализировать ценностные и моральные основания доверия к искусственному интеллекту;

– рассмотреть когнитивные нагрузки и психологические параметры взаимодействия с ИИ-интерфейсами;

– изучить особенности профессиональной адаптации и идентичности специалиста в условиях внедрения ИИ;

– систематизировать риски, ограничения и этические аспекты использования ИИ.

Методы исследования: теоретический анализ научной литературы, сравнение, обобщение и систематизация.

Структура работы. Статья состоит из введения, трёх глав, включающих шесть параграфов, заключения и списка литературы.

1. Искусственный интеллект как предмет психологического исследования

1.1 Понятие искусственного интеллекта и направления психологических исследований

Понятие искусственного интеллекта является междисциплинарным и не имеет единого общепринятого определения. В инженерном контексте под ИИ понимают область информатики, связанную с созданием систем, способных выполнять задачи, традиционно требующие человеческого интеллекта. В. А. Шилова и М. А. Плетнева предлагают социально-коммуникативную трактовку: ИИ определяется ими как «совокупность сформированных человеком логических, рациональных, формализованных алгоритмов, организующих процессы, имитирующие когнитивную деятельность человека» [10].

Для психологии принципиально важно, что ИИ-системы отличаются от предшествующих цифровых технологий. Обычные информационные системы хранят, передают и отображают данные, тогда как ИИ-система анализирует информацию, выявляет закономерности, формирует прогнозы, предлагает рекомендации и адаптирует сценарий взаимодействия под конкретного пользователя [6]. Именно поэтому ИИ воспринимается человеком не как пассивный инструмент, а как активная система, участвующая в процессе выбора и принятия решений.

Можно выделить четыре основных направления психологического изучения ИИ. Первое связано с использованием ИИ как инструмента профессиональной деятельности психолога: алгоритмы позволяют обрабатывать большие массивы данных и повышают точность аналитических заключений, однако требуют развитой цифровой компетентности и навыков критической оценки алгоритмических рекомендаций [5]. Второе направление рассматривает ИИ как объект социального восприятия: изучаются доверие, стереотипы, установки и эмоциональное отношение к автоматизированным системам [7]. Третье направление трактует ИИ как модель познания, поскольку нейросетевые архитектуры используются для проверки гипотез о механизмах восприятия, памяти и мышления. Четвёртое направление — психология взаимодействия «человек — ИИ» — исследует когнитивные нагрузки, пользовательский опыт и лояльность в условиях работы с интеллектуальными интерфейсами [8].

Существенно, что все четыре направления объединяет общая методологическая установка: психологически значимым является не алгоритм сам по себе, а его репрезентация в сознании пользователя. Как отмечает Б. А. Кобринский, доверие к технологиям ИИ складывается из доверия к знаниям и данным, к моделям машинного обучения, а также из оценки рисков, границ применимости, объяснимости решений и человеко-ориентированности систем [3]. Следовательно, корректная психологическая постановка проблемы требует отказа от «наивного инструментализма» и признания ИИ полноценным участником социального взаимодействия.

1.2 Когнитивные механизмы восприятия ИИ: антропоморфизм, «зловещая долина» и доверие к алгоритмам

Восприятие систем ИИ человеком опирается на те же когнитивные механизмы, что и восприятие других людей. Наиболее универсальным из них является антропоморфизм — приписывание техническим объектам ментальных состояний, убеждений, намерений и эмоций. Л. Флориди обозначает этот феномен как «семантическую парейдолию»: человек склонен концептуализировать машины, выполняющие сложные вычислительные задачи, в антропоморфных терминах [9].

Трёхфакторная теория антропоморфизма объясняет эту склонность действием нескольких детерминант. Во-первых, знания о себе наиболее доступны человеку, поэтому он проецирует собственные характеристики на внешние объекты. Во-вторых, антропоморфизация позволяет преодолеть неопределённость и когнитивную сложность, экономя ресурсы при интерпретации поведения агента. В-третьих, «очеловечивание» компенсирует дефицит социальных связей, вводя в круг общения цифровых партнёров [9].

Экспериментальные данные подтверждают многомерность данного феномена. В исследовании А. А. Филатовой и А. А. Ли (N = 543) студенты взаимодействовали с тремя чат-ботами, реализующими ликосохраняющую, ликоугрожающую и нейтральную стратегии коммуникации. Наивысшую оценку антропоморфизма получил бот с ликоугрожающим, саркастичным стилем (M = 3,123), тогда как нейтральный бот оказался наименее антропоморфным (M = 2,598) [9, с. 21]. Авторы зафиксировали принципиально важную закономерность: человекоподобие, одушевлённость и воспринимаемая разумность частично диссоциируются. Коммуникативный стиль, включающий резкость и сарказм, повышает ощущение «человекообразности», но не повышает представлений об агентности и компетентности системы.

Обратной стороной антропоморфизации выступает эффект «зловещей долины», описанный М. Мори. По мере возрастания у объекта человекоподобных черт у наблюдателя в определённый момент возникает резкое снижение эмпатии и эмоциональное отторжение [2, с. 155]. В. И. Игнатьев и А. С. Удовыдченко объясняют амбивалентность реакций пользователей не только техническим несовершенством систем, но и различием статусно-ролевых позиций участников коммуникации: устройство «претендует» встать на один уровень с человеком, что вызывает внутреннее сопротивление [2, с. 162]. Пользователи одновременно хотят, чтобы цифровой собеседник был эмоциональнее и «обладал личностью», и опасаются его чрезмерной антропоморфности.

Наконец, ключевым механизмом, опосредующим взаимодействие с ИИ, является доверие к алгоритму. В литературе описаны два противоположных явления. Первое — расположение к алгоритмам: люди охотнее следуют совету, если считают, что его дала программа, а не человек. Второе — алгоритмическое отторжение: увидев ошибку программы хотя бы один раз, человек теряет доверие к ней быстрее, чем к ошибившемуся человеку, и продолжает полагаться на собственное мнение даже тогда, когда алгоритм объективно точнее [1]. Дополнительным фактором риска выступает склонность генеративных моделей соглашаться с собеседником (сикофантия), из-за которой уверенный тон ответа может сочетаться с его низкой достоверностью [1].

Таким образом, восприятие ИИ человеком является результатом совместного действия антропоморфизма, эффекта «зловещей долины» и механизмов формирования доверия. Перечисленные механизмы носят универсальный когнитивный характер, однако их конкретное проявление зависит от ценностных и моральных оснований личности, что рассматривается в следующей главе.

Основные рассмотренные факторы доверия к искусственному интеллекту и характер их влияния систематизированы в таблице 1.

Таблица 1

Основные факторы доверия к искусственному интеллекту

2. Психологические факторы взаимодействия человека с искусственным интеллектом

2.1 Ценностные и моральные основания доверия к искусственному интеллекту

Доверие к искусственному интеллекту не сводится к оценке технической точности и производительности системы. Согласно классическим моделям, доверие включает компоненты способностей, благожелательности и честности, поэтому наряду с когнитивными факторами существенную роль играют ценностные и моральные основания [7, с. 211]. Если пользователь воспринимает автоматизированную систему как несправедливую или морально неприемлемую, он не будет ей доверять даже при высоких технических показателях.

В структуре социально-психологических факторов доверия к ИИ выделяются два ключевых направления: анализ базовых ценностей и анализ моральных оснований. В рамках теории базовых человеческих ценностей Ш. Шварца ценности рассматриваются как надситуативные цели, определяющие поведение личности. О. М. Самойлов и А. Н. Татарко обобщили эмпирические данные о связи ценностей и доверия к ИИ [7, с. 219].

Ценности «Открытости изменениям» в большинстве исследований положительно связаны с доверием к ИИ, поскольку ориентируют личность на новое и формируют готовность к неопределённости. Ценности «Самоутверждения» также повышают доверие, но преимущественно в ситуациях, когда ИИ расширяет возможности человека и упрощает достижение целей; эффект усиливается в профессиональных контекстах. Ценности «Самопреодоления» демонстрируют противоречивую связь: они положительно связаны с доверием, когда применение ИИ воспринимается как общественно полезное, и отрицательно — при наличии рисков причинения вреда или нарушения справедливости. Наиболее систематически с недоверием связаны ценности «Сохранения» (Безопасность, Традиции), задающие ориентацию на стабильность и предсказуемость [7, с. 219].

Особое значение имеет ценностная конгруэнтность — совпадение собственных ценностей пользователя и воспринимаемых ценностей ИИ-системы. В экспериментальном исследовании, где участники взаимодействовали с нейросетями, обладающими различными ценностными профилями, агенты, чьи ценности совпадали с ценностными профилями пользователей, получали более высокие оценки по шкале доверия [7, с. 211]. Ценностная конгруэнтность выступает сильным положительным предиктором доверия и по объяснительной силе превосходит воспринимаемые технологические характеристики. Данный вывод имеет прямое прикладное следствие: разработчикам целесообразно предусматривать адаптивную настройку ценностных профилей генеративных моделей под пользователя [7, с. 220].

Второе направление связано с теорией моральных оснований Дж. Хайдта. Моральные основания представляют собой относительно независимые модули нравственной оценки, сформированные в ходе эволюции как адаптивные решения коллективных задач. Первоначально выделялись пять оснований (забота, справедливость, лояльность группе, авторитет, чистота), позднее было добавлено шестое — свобода. Индивидуализирующие основания (забота и справедливость) ориентированы на защиту прав личности и благополучие, сплачивающие (лояльность, авторитет, чистота) — на поддержание целостности группы и уважение к иерархии [7, с. 213].

Эмпирические исследования показывают, что наиболее чувствительными при формировании доверия к ИИ оказываются основания заботы и справедливости. Когнитивные оценки потенциального вреда и несправедливости со стороны автоматизированных систем повышают тревогу и напрямую снижают доверие к ним [7, с. 215]. Пользователи, ориентированные на индивидуализирующие основания, доверяют ИИ, если его применение связано с помощью людям, но резко теряют доверие при восприятии несправедливости или вреда. Пользователи, ориентированные на сплачивающие основания, менее склонны доверять инструментам ИИ, особенно в социально чувствительных сферах [7, с. 219].

Дополнительный срез проблемы задаёт восприятие контента, созданного генеративным ИИ. В. А. Леонтьева и М. В. Волкова (N = 76) установили, что информация о машинном авторстве снижает оценку материала: 65 % респондентов стали ниже оценивать искренность и достоверность текста после раскрытия информации об использовании ИИ, а 55 % отметили снижение восприятия его экспертности. Наиболее выраженным этот эффект оказался у пользователей с высоким уровнем цифровой грамотности; 82 % поддержали обязательную маркировку материалов, созданных с помощью ИИ [4, с. 169].

Таким образом, доверие к ИИ формируется на пересечении технической оценки системы и её ценностно-моральной приемлемости. Ценностная конгруэнтность и соответствие моральным основаниям личности способны существенно модифицировать эффекты когнитивной оценки, что определяет необходимость их системного учёта при проектировании и внедрении ИИ-технологий.

2.2 Когнитивные нагрузки и психологические параметры взаимодействия с ИИ-интерфейсами

Взаимодействие с ИИ-интерфейсами предъявляет к пользователю специфические требования и сопровождается перераспределением ментальных ресурсов. С. А. Синица отмечает, что уровень ментальных затрат при работе с ИИ-интерфейсами прямо влияет на эффективность выполнения задач и сохранение интереса пользователя [8, с. 18].

Теоретическую основу анализа составляет теория когнитивной нагрузки Дж. Свеллера, в рамках которой выделяются три компонента нагрузки: внутренняя (присущая задаче сложность), уместная (усилия по усвоению схем решения) и посторонняя (обусловленная особенностями представления интерфейса). Систематизация методов измерения когнитивной нагрузки в человеко-компьютерном взаимодействии показывает, что опросные методики (NASA-TLX, SUS, RSME) используются в 67 % случаев, но дают лишь агрегированную оценку за сессию; физиологические сенсоры (EEG, fNIRS) обеспечивают детализированную временную динамику, но требуют контролируемой среды; окулометрия демонстрирует высокую корреляцию с кратковременными всплесками нагрузки, а поведенческие показатели (время выполнения, число ошибок) отражают совокупные затраты когнитивных ресурсов [8, с. 19].

Существенно, что единичная метрика не способна полно охватить все проявления ментальных затрат: необходимо сочетание опросников, физиологических сенсоров и поведенческих индикаторов. Гибридные решения показывают наилучшее соответствие реальным пользовательским сценариям [8, с. 19].

Отдельным психологическим фактором выступает прозрачность алгоритма. В рандомизированном контролируемом исследовании с участием фармацевтов, выполнявших задачи верификации с поддержкой ИИ и без неё, при отображении области с рекомендациями ИИ от 19 до 26 % всех зрительных фиксаций смещались к соответствующим визуальным регионам. Включение индикатора неопределённости прогноза увеличивало общее время обработки экрана: повышенная прозрачность усложняла схему принятия решения и дополнительно нагружала рабочую память [8, с. 19]. Данный результат демонстрирует неоднозначность прозрачности: она повышает обоснованность решений, но одновременно увеличивает когнитивные затраты.

Значимой индивидуальной характеристикой пользователя является потребность в познании (Need for Cognition, NFC). Пользователи с высоким NFC оценивают полезность ИИ-системы на 23 % выше, интерактивность — на 18 %, вовлечённость — на 27 %, а намерение повторного использования — на 31 % по сравнению с пользователями с более низким NFC. Медиаторный анализ подтвердил, что NFC выступает значимым посредником в цепочке «UX-метрика → вовлечённость → лояльность», что обосновывает необходимость учёта когнитивных особенностей аудитории при разработке генеративных интерфейсов [8, с. 20].

Практическая ценность динамической адаптации интерфейса подтверждается данными A/B-тестирования. При сравнении статического интерфейса и интерфейса с адаптацией в реальном времени среднее время выполнения сценария сократилось на 23,1 %, уровень удовлетворённости (SUS) вырос на 22,6 %, завершённость задач — на 38,8 %, возвратность — на 27,1 %, а среднее число ошибок снизилось на 60,9 % [8, с. 20].

Наряду с когнитивными нагрузками важную роль играет эмоциональный компонент взаимодействия. Гибридная модель коммуникации «человек — ИИ» включает не только утилитарное уточнение запросов, но и ролевое программирование, имитацию вежливости и игровое экспериментирование [10]. Пользователи выстраивают рефлексивные стратегии общения с алгоритмом, приближающиеся по форме к межличностному взаимодействию, что отражает потребность в контроле и предсказуемости цифрового собеседника.

Таким образом, психологическая эффективность взаимодействия с ИИ-интерфейсами определяется балансом между снижением когнитивных затрат и сохранением обоснованности решений, а также учётом индивидуальных когнитивных особенностей пользователя.

3. Психологические эффекты цифровой трансформации

3.1 Профессиональная адаптация и идентичность специалиста в условиях внедрения ИИ

Цифровизация профессиональной среды изменяет структуру деятельности специалистов и усиливает необходимость интеграции ИИ в практику. Применительно к психологии это проявляется в том, что алгоритмические системы расширяют возможности анализа данных, повышают эффективность обработки больших массивов информации и позволяют оптимизировать отдельные этапы работы [5].

Процесс восприятия ИИ специалистом включает несколько уровней психологической регуляции. Эмоционально-регуляторный уровень охватывает эмоциональные реакции на технологию: использование ИИ может как снижать нагрузку за счёт автоматизации рутинных операций, так и повышать напряжение, связанное с неопределённостью и возможностью ошибок алгоритмов. Понимание принципов работы цифровой системы и наличие навыков критической оценки данных уменьшают эмоциональную напряжённость, тогда как недостаток ясности в механизмах работы ИИ, напротив, усиливает тревожность и может снижать качество профессиональных решений [5].

Мотивационно-ценностный уровень определяет установки специалиста к технологическим изменениям. Позитивная ориентация на развитие и обучение способствует более активному освоению ИИ и повышает готовность включать алгоритмические инструменты в профессиональные процессы. Если специалист воспринимает ИИ как дополнительный ресурс, расширяющий возможности консультирования, это усиливает внутреннюю мотивацию к его применению; если же технологии рассматриваются как угроза профессиональной автономии, возникает сопротивление и стремление опираться исключительно на традиционные методы [5].

Социально-профессиональный уровень отражает влияние среды, в которой происходит освоение технологий. Поддержка коллег, обмен опытом и наличие позитивных практик внедрения ИИ способствуют развитию доверия к алгоритмическим решениям. В организациях, где цифровизация реализуется постепенно и сопровождается обучением, специалисты демонстрируют более высокий уровень принятия инноваций; отсутствие структурированной поддержки, напротив, усиливает напряжение и может приводить к ошибкам, связанным с неуверенностью при использовании ИИ [5].

Индивидуальные различия в адаптации к ИИ определяются сочетанием личностных характеристик, опыта взаимодействия с цифровыми системами, уровня цифровой компетентности и особенностей когнитивных установок. Одним из ключевых механизмов выступает субъективный контроль: специалисты, воспринимающие цифровую среду как предсказуемую и управляемую, легче осваивают технологии и демонстрируют позитивное отношение к их применению. Недостаток контроля усиливает тревожность и может приводить к избеганию ИИ. Важную роль играет также предшествующий опыт: наличие успешного опыта повышает уверенность и снижает сопротивление изменениям, тогда как негативный опыт усиливает техностресс и снижает доверие к алгоритмам [5].

Личностные особенности определяют характер адаптации: гибкость мышления, открытость новому и способность к саморегуляции связаны с более высокой готовностью осваивать цифровые инструменты. Развитость рефлексивных навыков позволяет специалисту анализировать собственные реакции и сохранять критичность при принятии решений, защищая от необоснованного доверия к алгоритмам [5].

Таким образом, профессиональная адаптация специалиста в условиях внедрения ИИ связана с сочетанием когнитивных, личностных и эмоциональных факторов, которые определяют, станет ли цифровая трансформация источником профессионального развития или фактором напряжения.

3.2 Риски, ограничения и этические аспекты использования ИИ

Использование технологий искусственного интеллекта сопровождается рядом ограничений, которые необходимо учитывать для безопасной и ответственной работы. Эти ограничения связаны как с особенностями функционирования алгоритмов, так и с профессиональными и этическими требованиями деятельности.

Одним из ключевых рисков выступает возможная неточность алгоритмических рекомендаций: модели могут ошибаться при анализе состояний или классификации запросов, если обучающие данные нерепрезентативны или содержат искажения [5]. Связанная с этим проблема «галлюцинаций» — генерации убедительных, но фактически неверных результатов — ограничивает применение технологии в сферах с высокой ответственностью [4, с. 170].

Серьёзным ограничением является непрозрачность алгоритмов, описываемая как эффект «чёрного ящика»: невозможность понять, каким образом был получен результат, затрудняет для специалиста выявление источника ошибки и снижает доверие к системе [6]. Значимым риском выступают вопросы безопасности и конфиденциальности данных, поскольку цифровые системы обрабатывают чувствительные сведения о личной истории и эмоциональном состоянии клиента. Нарушения конфиденциальности могут привести к негативным последствиям как для клиента, так и для специалиста [5].

Отдельного внимания заслуживает проблема чрезмерного доверия алгоритмам. При высокой уверенности в цифровой системе специалист может снизить уровень критического анализа и рефлексии, что увеличивает вероятность ошибки в интерпретации данных. В исследованиях по когнитивной психологии отмечается, что автоматизированные решения нередко воспринимаются как более точные, чем они являются на самом деле [5]. Не менее опасно и противоположное явление — недостаточное доверие, из-за которого пользователь отказывается от потенциально полезного инструмента.

Принципиальным является вопрос о границах автоматизации. Алгоритмы не способны учитывать индивидуальный жизненный контекст, глубину переживаний и субъективную значимость событий, поэтому ИИ может служить поддерживающим инструментом, но не заменять профессиональную интерпретацию и личное взаимодействие. Показательно, что большинство респондентов в качественных исследованиях воспринимают цифрового собеседника как неживое устройство, лишённое собственного мнения и уникальной личности [2, с. 160]. Дополнительным этическим ограничением выступает изменение представления об авторстве: аудитория оценивает контент не только по качеству, но и по наличию человеческого участия, что формирует запрос на обязательную маркировку материалов, созданных с помощью ИИ [4, с. 174].

В числе этических рисков отмечаются также предвзятость алгоритмов, недостаточная прозрачность решений и отсутствие ответственности за последствия автоматизированных рекомендаций. В российских и международных нормативно-этических документах подчёркивается необходимость ответственного, прозрачного и человекоцентричного развития ИИ [6]. Согласно Б. А. Кобринскому, доверие к технологиям ИИ должно подкрепляться процедурами валидации и верификации систем, обеспечением объяснимости решений и учётом этических, юридических и организационных аспектов применения [3].

Таким образом, риски использования ИИ связаны с техническими, профессиональными и этическими факторами, а их осознание выступает условием сохранения качества профессиональной помощи и безопасности её субъектов.

Заключение

В результате проведённой работы была достигнута поставленная цель — систематизированы и проанализированы психологические аспекты взаимодействия человека с искусственным интеллектом.

В ходе решения первой задачи установлено, что понятие искусственного интеллекта является междисциплинарным, а его психологическое изучение реализуется в четырёх основных направлениях: применение ИИ как инструмента профессиональной деятельности, рассмотрение ИИ как объекта социального восприятия, использование ИИ как модели познания и исследование взаимодействия «человек — ИИ». Психологически значимым является не алгоритм сам по себе, а его репрезентация в сознании пользователя.

При решении второй задачи показано, что восприятие ИИ опирается на универсальные когнитивные механизмы: антропоморфизм, эффект «зловещей долины» и формирование доверия к алгоритму. Экспериментальные данные свидетельствуют о многомерности антропоморфизма и частичной диссоциации человекоподобия, одушевлённости и воспринимаемой разумности, а также о двойственности реакций на чрезмерную антропоморфизацию цифровых систем.

В рамках третьей задачи раскрыто, что доверие к ИИ не сводится к оценке технической точности, а формируется на пересечении когнитивных, ценностных и моральных оснований. Ценностная конгруэнтность и соответствие моральным основаниям личности способны модифицировать эффекты когнитивной оценки, а информация о машинном авторстве контента снижает восприятие его искренности и экспертности.

При решении четвёртой задачи установлено, что эффективность взаимодействия с ИИ-интерфейсами определяется балансом между снижением когнитивных затрат и сохранением обоснованности решений с учётом индивидуальных когнитивных особенностей пользователя, прежде всего потребности в познании. Динамическая адаптация интерфейса повышает удовлетворённость и лояльность пользователей.

В ходе решения пятой задачи показано, что профессиональная адаптация специалиста в условиях внедрения ИИ опосредуется эмоционально-регуляторным, мотивационно-ценностным и социально-профессиональным уровнями регуляции, а также индивидуальными различиями в субъективном контроле, опыте и рефлексивности.

При решении шестой задачи систематизированы риски использования ИИ: неточность и галлюцинации алгоритмов, непрозрачность, угрозы конфиденциальности, чрезмерное и недостаточное доверие, а также этические ограничения, связанные с авторством и ответственностью. Осознание этих ограничений выступает условием безопасного применения технологий.

Подводя итог, следует отметить, что психология взаимодействия человека с искусственным интеллектом представляет собой динамично развивающуюся область, в которой технические и психологические факторы неразрывно связаны. Дальнейшие исследования целесообразно направить на разработку системной модели доверия к ИИ, способной учитывать ценностные, моральные и когнитивные особенности пользователей в изменяющемся цифровом контексте.

Литература:

1. Доверие к алгоритму: эмпирическое исследование взаимодействия человека и искусственного интеллекта при решении вероятностных задач с N исходами [Электронный ресурс] // Юный учёный. — 2025.
2. Игнатьев, В. И. Человек в коммуникации с эмоциональным искусственным интеллектом: амбивалентность восприятия в асимметрии статусно-ролевых позиций / В. И. Игнатьев, А. С. Удовыдченко. — 2026. — С. 153–172.
3. Кобринский, Б. А. Доверие к технологиям искусственного интеллекта / Б. А. Кобринский // Искусственный интеллект и принятие решений. — 2024. — № 3. — С. 3–17.
4. Леонтьева, В. А. Психологические барьеры восприятия контента, созданного с использованием генеративного искусственного интеллекта / В. А. Леонтьева, М. В. Волкова. — 2026. — С. 169–175.
5. Психологические аспекты применения искусственного интеллекта в профессиональной деятельности психологов [Электронный ресурс] // Молодой учёный. — 2025.
6. Психологические факторы в проектировании цифровых продуктов с использованием искусственного интеллекта [Электронный ресурс] // Молодой учёный. — 2025.
7. Самойлов, О. М. Социально-психологические факторы доверия искусственному интеллекту: состояние исследований / О. М. Самойлов, А. Н. Татарко // Вопросы теоретической экономики. — 2026. — № 2. — С. 209–228.
8. Синица, С. А. Оценка качества взаимодействия пользователя с ИИ-интерфейсами: когнитивные нагрузки, UX-метрики и пользовательская лояльность / С. А. Синица. — 2025. — С. 18–22.
9. Филатова, А. А. Восприятие студентами антропоморфизма LLM чат-ботов в контексте теории вежливости / А. А. Филатова, А. А. Ли // Научный альманах стран Причерноморья. — 2025. — Т. 11, № 4. — С. 19–28.
10. Шилова, В. А. Человек и системы искусственного интеллекта: формирование гибридной модели коммуникации / В. А. Шилова, М. А. Плетнева // Гуманитарные науки. Вестник Финансового университета. — 2025. — Т. 15, № 5. — С. 6–16.