چک‌لیست ارزیابی یک ابزار AI پیش از معرفی به مراجع

⏱ زمان مطالعه: ۹ تا ۱۰ دقیقه

در طول این مجموعه، ابزارهای زیادی را نقد کردیم. حالا وقت آن است که آن معیارها را از دل مقالات بیرون بکشیم و به یک ابزار کاری تبدیل کنیم؛ چیزی که بتوانید ذخیره کنید و هر بار که با ابزار جدیدی روبه‌رو شدید، به آن برگردید.

این چک‌لیست برای موقعیتی طراحی شده که هر متخصصی دیر یا زود با آن روبه‌رو می‌شود: مراجع می‌پرسد «نظرتان درباره‌ی فلان اپ چیست؟» یا خودتان به فکر معرفی یک ابزار پشتیبان بین جلسات می‌افتید. توصیه‌نامه‌ی APA صریحاً از بالینگران می‌خواهد در این باره فعال باشند^۱؛ اما فعال بودن بدون معیار، خطرناک‌تر از منفعل بودن است.

هفت معیار

معیار یک: شواهد مستقل، نه شواهد سازنده.
بپرسید: آیا مطالعه‌ای درباره‌ی این ابزار وجود دارد که بدون حمایت مالی یا مشارکت کارکنان سازنده انجام شده باشد؟ درس پرونده‌ی Wysa را به یاد بیاورید: بیشتر پژوهش‌های تأییدکننده‌اش توسط خود شرکت انجام یا حمایت شده بود و تنها یک مطالعه‌ی کاملاً مستقل وجود داشت. مطالعه‌ی سازنده بی‌ارزش نیست، اما یک سیگنال است، نه اثبات. منابع ارزیابی مستقل مانند C4TBH دارتموث نقطه‌ی شروع خوبی هستند^۲.

معیار دو: نوع مطالعه و اندازه‌ی اثر.
«اثربخشی اثبات‌شده» یعنی چه؟ یک نظرسنجی رضایت کاربر، یک مطالعه‌ی مقطعی، و یک کارآزمایی تصادفی کنترل‌شده وزن یکسانی ندارند. و حتی در RCTها، به اندازه‌ی اثر نگاه کنید: متاآنالیزهای این حوزه اثرهایی در محدوده‌ی کوچک تا متوسط (g بین ۰٫۲۸ تا ۰٫۶۴) نشان می‌دهند و پایداری اثر پس از سه ماه اثبات نشده است^۳. ابزاری که ادعایی فراتر از این محدوده دارد، باید شواهدی فراتر از این محدوده نشان دهد.

معیار سه: رفتار در موقعیت بحران.
این مهم‌ترین معیار ایمنی است. بپرسید: اگر کاربر نشانه‌های افکار خودکشی بروز دهد، ابزار دقیقاً چه می‌کند؟ آیا پروتکل مشخص و مستندی دارد (ارجاع به خطوط بحران، توقف گفت‌وگو، اطلاع‌رسانی)؟ پژوهش استنفورد نشان داد چت‌بات‌های عمومی در این موقعیت‌ها می‌توانند پاسخ‌های نامناسب بدهند^۴. ابزاری که پاسخ روشنی برای این پرسش ندارد، برای معرفی به مراجع مناسب نیست؛ فارغ از اینکه بقیه‌ی معیارها چقدر خوب باشند.

معیار چهار: سرنوشت داده.
گفت‌وگوی مراجع با ابزار، حاوی خصوصی‌ترین اطلاعات ممکن است. بپرسید: داده کجا ذخیره می‌شود؟ آیا برای آموزش مدل استفاده می‌شود؟ آیا به اشخاص ثالث فروخته می‌شود؟ آیا کاربر می‌تواند حذفش کند؟ APA هشدار می‌دهد که ناتوانی بالینگر در توضیح این موارد، اخذ رضایت آگاهانه‌ی معنادار را غیرممکن می‌کند^۱. برای کاربر ایرانی، لایه‌ی اضافه‌ای هم وجود دارد: بسیاری از دسترسی‌ها از طریق واسطه‌هایی است که سیاست داده‌ی شفافی ندارند.

معیار پنج: معماری؛ قاعده‌محور یا مولد؟
این تمایز فنی، پیامد بالینی مستقیم دارد. سامانه‌ی قاعده‌محور (مانند Woebot سابق) قابل پیش‌بینی است اما انعطاف ندارد؛ سامانه‌ی مولد (مانند Ash یا ChatGPT) منعطف است اما هیچ درمانگری تک‌تک پاسخ‌هایش را از پیش بازبینی نکرده. هیچ‌کدام ذاتاً بهتر نیست، اما شما باید بدانید کدام را معرفی می‌کنید و مراجع‌تان باید بداند با کدام طرف است.

معیار شش: نرخ ریزش و طراحی درگیرسازی.
حتی ابزار اثربخش، اگر رها شود بی‌فایده است. میانگین ریزش در ابزارهای مکالمه‌ای حدود ۲۲ تا ۲۷ درصد است^۵. بپرسید: آیا ابزار داده‌ای درباره‌ی ماندگاری کاربرانش منتشر کرده؟ و از زاویه‌ی مقابل: آیا درگیرسازی‌اش سالم است یا اعتیادآور؟ ابزاری که برای «بیشینه‌سازی زمان استفاده» طراحی شده، با ابزاری که برای «توانمندسازی و خروج» طراحی شده، فرق بنیادین دارد.

معیار هفت: تناسب زبانی و فرهنگی.
برای مراجع فارسی‌زبان، این معیار حذف‌ناپذیر است. ترجمه‌ی صرف کافی نیست: مداخلات فقط ترجمه‌شده تا ۵۶ درصد ریزش دارند، در حالی که انطباق عمیق فرهنگی این رقم را به زیر ۱۱ درصد می‌رساند^۶. اگر ابزار هیچ اعتبارسنجی‌ای روی جمعیت فارسی‌زبان ندارد (که تقریباً هیچ‌کدام ندارند)، این را صادقانه به مراجع بگویید.

چطور از این چک‌لیست استفاده کنیم؟

سه نکته‌ی کاربردی:

این یک ابزار رد کردن نیست؛ ابزار شفافیت است. هدف این نیست که هر ابزاری هفت معیار را کامل پاس کند (تقریباً هیچ ابزاری نمی‌کند). هدف این است که شما بدانید کجاها قوی و کجاها ضعیف است و همین را شفاف به مراجع منتقل کنید.

معیار سه قابل مذاکره نیست. روی بقیه می‌شود با احتیاط مصالحه کرد؛ روی ایمنی بحران نه.

پاسخ «نمی‌دانم» خودش داده است. اگر برای سؤالی پاسخ پیدا نکردید (شرکت منتشر نکرده، مستندات وجود ندارد)، این غیبت اطلاعات را به‌عنوان یک یافته‌ی منفی ثبت کنید. شرکتی که داده‌ی ریزش یا پروتکل بحرانش را منتشر نمی‌کند، معمولاً دلیلی دارد.

منابع

1. American Psychological Association. APA Health Advisory on the Use of Generative AI Chatbots and Wellness Applications for Mental Health. November 2025. لینک
2. The Center for Technology and Behavioral Health (C4TBH), Dartmouth College. Program Reviews. لینک
3. Sohn JS, et al. Systematic review and meta analysis of chatbots in the management of depressive and anxiety symptoms. npj Digital Medicine. 2026. لینک / Zhong K, et al. Journal of Affective Disorders. 2024;364:459–467. لینک
4. Moore J, Haber N, et al. / Stanford HAI. Exploring the Dangers of AI in Mental Health Care. 2025. لینک
5. Attrition in Conversational Agent–Delivered Mental Health Interventions: Systematic Review and Meta-Analysis. JMIR. 2024;26:e48168. لینک
6. Retention and Engagement in Culturally Adapted Digital Mental Health Interventions: Systematic Review. JMIR. 2025. لینک (PMC)

این مقاله بخشی از مجموعه یادداشت‌های تخصصی روانای در تقاطع روان‌شناسی و هوش مصنوعی است و جایگزین مشاوره یا ارزیابی حرفه‌ای نیست.