| موضوع | نکتهی کلیدی |
|---|---|
| ماهیت واقعی | یک «کارگزار رابطهای» (Relational Agent)، نه یک چتبات ساده. |
| طراحی | شکلدادن نوعی رابطه با کاربر از طریق بازسازی عناصری از روابط انسانی. |
| سرنوشت | اپلیکیشن عمومی در ژوئن ۲۰۲۵ بسته شد، اما ایدهاش زنده ماند. |
| میراث | منطق درمانی و معماری گفتوگویش، مادهی خام نسل بعدی ابزارهای بالینی AI شد. |
⏱ زمان مطالعه: ۸ تا ۹ دقیقه
در بخش قبلی، پروندهی Woebot را از بیرون دیدیم: از آزمایشگاه استنفورد آمد، پیش از عرضه در JMIR اثربخشیاش را نشان داد، مسیر FDA را انتخاب کرد، و در ژوئن ۲۰۲۵ اپلیکیشن عمومیاش را بست.
اما تعطیلی یک محصول لزوماً به معنی شکست یک ایده نیست. آنچه در داخل Woebot طراحی شده بود — منطق درمانی، معماری گفتوگو، سازوکار «پیوند» با کاربر — امروز به مواد اولیهای برای فکر کردن به نسل بعدی ابزارهای بالینی AI تبدیل شده است. این نوشته سراغ همان داخل میرود.
Relational Agent یعنی چه؟
Woebot از نظر توسعهدهندگانش یک «چتبات» ساده نبود، بلکه یک کارگزار رابطهای (Relational Agent) بهشمار میآمد — سامانهای طراحیشده برای شکلدادن نوعی رابطه با کاربر، نه فقط پاسخگویی به پرسش. Woebot Health در گزارش رسمی خود این ابزار را چنین توصیف میکند: فناوریای که «راهنمایی را از طریق بازسازی برخی عناصر روابط انسانی ممکن میسازد» ۱.
نکتهای که برای متخصص جالب میشود این است که برخلاف تصور رایج از «چتبات هوش مصنوعی»، Woebot در بیشتر مسیر گفتوگو یک سامانهی قاعدهمحور و اسکریپتشده بود، نه یک مدل زبانی مولد شبیه ChatGPT. طبق گزارش STAT News، در طول عمر ابزار حدود ۱.۵ میلیون نفر با آن تعامل داشتند و اگرچه ظاهر تعامل بسیار شبیه یک چتبات مولد بود، پاسخها از پیش نوشتهشده و مسیرها ازپیش طراحی شده بودند ۲.
این یک انتخاب فنی صرف نبود، بلکه یک تصمیم بالینی بود: کنترل کامل بر آنچه ابزار به کاربر میگوید، بهویژه در لحظات آسیبپذیر. تیم بالینی Woebot، نه یک الگوریتم مولد، تعیین میکرد که در پاسخ به هر مسیرِ محتمل احساسی چه گفته شود.
درخت تصمیم بالینی و ساختار روزانه
Woebot در عمل از سه ستون تشکیل شده بود:
اول، چک-این روزانه. ابزار در ساعت توافقشده با کاربر تماس اولیه میگرفت، از او دربارهی خلقش میپرسید و ورودی را در نمودار مسیر خلق کاربر ثبت میکرد.
دوم، آموزش مفاهیم CBT در قالب مکالمههای کوتاه. بهجای ارائهی درس یا محتوای متنی طولانی، Woebot مفاهیمی مانند بازسازی شناختی، فعالسازی رفتاری، ذهنآگاهی و تحمل استیصال را در قالب «سِشن»های کوتاه ۵ تا ۱۰ دقیقهای منتقل میکرد.
سوم، حافظهی بالینی و شخصیسازی. طبق گزارش The Center for Technology and Behavioral Health (C4TBH) — یکی از منابع مستقل ارزیابی برنامههای سلامت روان دیجیتال — Woebot «حافظهی بالینی» داشت و متوجه میشد کاربر چه موضوعاتی را تکرار میکند یا کجا ناگهانی تغییر مسیر میدهد ۳.
نکتهی بالینی مهم این است که تمام مسیرهای گفتوگو، عبارات همدلانه، و لحظات مداخله را یک تیم بالینی طراحی و بازبینی کرده بود. یعنی از منظر یک درمانگر، Woebot بهجای یک «هوش مصنوعی که یاد گرفته چه بگوید»، بیشتر شبیه یک کتاب کار CBT خودکار و گفتوگومحور بود که در آن بالینگرها منطق کار را نوشته بودند.
شاهدی که همه را غافلگیر کرد؛ پیوند درمانی با یک ماشین
اما نکتهای که Woebot را در ادبیات علمی متمایز کرد، طراحی داخلیاش نبود — بلکه یافتهای بود که در سال ۲۰۲۱ منتشر شد.
Darcy و همکاران در مطالعهای مقطعی-گذشتهنگر که در JMIR Formative Research منتشر شد، دادههای ۳۶,۰۷۰ کاربر بزرگسال Woebot را تحلیل کردند و نمرات «اتحاد کاری» را با شاخص استاندارد Working Alliance Inventory-Short Revised (WAI-SR) اندازهگیری کردند. یافتهی کلیدی: در طی ۵ روز اول استفاده از اپ، میانگین نمرهی WAI-SR به ۳.۳۶ (SD 0.8) رسید، با میانگین نمرهی زیرمقیاس Bond برابر ۳.۸ (SD 1.0) — مقایسهپذیر با نمرات گزارششده در مطالعات درمان چهره-به-چهرهی CBT ۴.
چرا این یافته برای مخاطب متخصص مهم است؟ چون در ادبیات پژوهشی رواندرمانی، «اتحاد درمانی» یکی از قویترین پیشبینهای نتیجهی درمان به شمار میرود — سازهای که در بسیاری از رویکردهای نظری، اساساً منحصر به رابطهی انسان-با-انسان تعریف میشود. نویسندگان خود در مقاله تصریح میکنند که هدفشان بررسی این پرسش بوده که آیا کاربران یک عامل مکالمهای مبتنی بر CBT، سطح پیوند درمانی مشابه با آنچه در ادبیات درمان چهره-به-چهره، CBT گروهی، و سایر مداخلات دیجیتال بدون عامل مکالمهای گزارش شده گزارش میکنند یا نه — و پاسخ دادهها مثبت بود ۴.
طبیعی است این یافته منتقدانی هم دارد. مطالعهی سازندهی ابزار انجام شده، طراحی مقطعی است نه طولی، و اعتبار «Bond» گزارششده در تعامل با ماشین از منظر نظری هنوز موضوع بحث است. اما حتی با این هشدارها، این یافته یک واقعیت را نشان داد: کاربران به یک عامل ماشینی بهگونهای پاسخ میدهند که در مدلهای سنتی رابطهی درمانی پیشبینی نمیشد. این خودش یک دادهی نظری قابل تأمل است.
WB001 و آنچه یک «Empathy Engine» نامیده میشد
خط تکاملی طراحی داخلی Woebot در محصولی به نام WB001 به اوج خود رسید — نسخهای اختصاصی برای افسردگی پس از زایمان (PPD) که در سال ۲۰۲۱ از FDA برچسب Breakthrough Device Designation دریافت کرد.
طبق مقالهی «Anatomy of a Woebot» که در نسخهی اصلاحشده و بازانتشار آن در Expert Review of Medical Devices (2023) منتشر شده، WB001 بهعنوان یک «نرمافزار بهمثابهی دستگاه پزشکی» (Software as a Medical Device — SaMD) طراحی شد که در آن CBT، عناصر رواندرمانی بینفردی (IPT)، طراحی انسانمحور، و تکنیکهای یادگیری ماشین با هم ترکیب شدند ۱. برنامهی WB001 برای PPD یک دورهی ۸ هفتهای بود که در آن Woebot به کاربر با نامش سلام میکرد، تولد فرزندش را تبریک میگفت، سختی مادر شدن را به رسمیت میشناخت، و سپس روی حوزهی مسئلهای که مادر انتخاب کرده بود (مثلاً «پیوند با نوزاد») کار میکرد.
نویسندگان این معماری را یک «Empathy Engine» (موتور همدلی) نامیدند — سازوکاری برای بازتاب دادن حال کاربر و ارائهی «محتوای درست، به فرد درست، در زمان درست» ۱.
نکتهی بالینی مهم برای فهم WB001 این است: این ابزار طراحی شده بود تا مکمل مراقبت درمانگر انسانی باشد، نه جایگزین آن — به گفتهی نویسندگان، برای پشتیبانی از بیماران در فهرستهای انتظار، بین جلسات بالینی، و تسهیل مراقبت مبتنی بر اندازهگیری (Measurement-based Care) ۱.
چه چیزی از داخل Woebot باقی میماند؟
اپلیکیشن Woebot تعطیل شده. اما درس طراحی داخلیاش برای هر متخصصی که میخواهد به آیندهی ابزارهای دیجیتال رواندرمانی فکر کند، دستکم سه چیز روی میز میگذارد.
کنترل بالینی بر لحظهی مداخله. Woebot نشان داد که در ابزارهای سلامت روان، «کنترل درمانگر بر متن» میتواند از «انعطاف مدل مولد» ارزشمندتر باشد. اکنون که مدلهای مولد بهسرعت وارد این حوزه میشوند، این درس ممکن است دوباره جدی گرفته شود.
پیوند درمانی بهعنوان یک قابلیت طراحی. اینکه یک سازهی بهظاهر انحصاراً انسانی مثل Working Alliance به سطح قابل مقایسه با درمانگر انسانی میرسد، یک پرسش نظری اساسی برای رشته باقی میگذارد.
معماری مکمل، نه جایگزین. WB001 صراحتاً برای «افزودن به» مراقبت بالینی طراحی شد، نه جایگزینی آن. این الگوی طراحی، احتمالاً پایدارترین میراث Woebot برای نسل بعدی ابزارهاست.
پرسش پایانی: اگر بخواهید یک ابزار دیجیتال برای پشتیبانی از مراجعان خود بین جلسات درمانی طراحی کنید، از سه ویژگی داخلی Woebot — قاعدهمحوری و کنترل بالینی بر گفتوگو، درخت تصمیم بالینی از پیش طراحیشده، و طراحی هدفمند برای شکلگیری پیوند — کدام یک را برای شما ضروری و کدام را قابلجایگزینی میدانید؟
منابع
- Darcy A, Beaudette A, Chiauzzi E, Daniels J, Goodwin K, Mariano TY, Wicks P, Robinson A. Anatomy of a Woebot® (WB001): agent guided CBT for women with postpartum depression (Corrected & Republished). Expert Review of Medical Devices. 2023;20(12):1035-1049. DOI: 10.1080/17434440.2023.2280686. لینک
- Aguilar M. Why Woebot, a pioneering therapy chatbot, shut down. STAT News. 2 July 2025. لینک
- The Center for Technology and Behavioral Health (C4TBH). Woebot® WB001 — Program Review. Dartmouth College. لینک
- Darcy A, Daniels J, Salinger D, Wicks P, Robinson A. Evidence of Human-Level Bonds Established With a Digital Conversational Agent: Cross-sectional, Retrospective Observational Study. JMIR Formative Research. 2021;5(5):e27868. DOI: 10.2196/27868. لینک (دسترسی آزاد)
این مقاله بخشی از مجموعه یادداشتهای تخصصی روانای در تقاطع روانشناسی و هوش مصنوعی است و جایگزین مشاوره یا ارزیابی حرفهای نیست.
