⏱ زمان مطالعه: ۷ تا ۸ دقیقه
سه سناریو را دیدیم و به این نتیجه رسیدیم که متغیر تعیینکننده، خودِ متخصص است. حالا پرسش عملیتر: در هر سناریویی که رقم بخورد، نقش ما دقیقاً چه میشود؟
پاسخ در سه بخش میآید: چه چیزی از دوش ما برداشته میشود، چه چیزی میماند، و چه چیزی اضافه میشود. و همان بخش سوم است که غافلگیرکننده است.
چه چیزی به AI میرود؟
بگذارید با چیزی شروع کنیم که شواهد محکم دارد: بار مستندسازی.
پژوهشهای سال ۲۰۲۵ روی «کاتبهای محیطی AI» (Ambient AI Scribes)، یعنی ابزارهایی که گفتوگوی بالینی را ضبط و بهطور خودکار به یادداشت پرونده تبدیل میکنند، نتایج قابل توجهی نشان دادند. یک کارآزمایی تصادفیسازیشده در دانشگاه UCLA روی ۲۳۸ پزشک و ۷۲ هزار مواجههی بالینی که در NEJM AI منتشر شد، نشان داد کاربران یکی از این ابزارها زمان مستندسازی خود را نزدیک به ۱۰ درصد کاهش دادند۱. کارآزمایی دیگری در UW Health، کاهش ۳۰ دقیقهای زمان مستندسازی روزانه به ازای هر ارائهدهنده و کاهش معنادار نمرات فرسودگی شغلی را گزارش کرد۲.
نکتهی مهم برای درک درست این ارقام: پزشکان بهطور متوسط به ازای هر ساعت مراقبت مستقیم، حدود دو ساعت صرف کاغذبازی میکنند۱. یعنی این صرفهجویی، هرچند بهظاهر متوسط، از دل حجم عظیمی از کار اداری بیرون میآید.
فراتر از مستندسازی، وظایف دیگری هم قابل واگذاریاند: غربالگری اولیه، پیگیری تکالیف درمانی بین جلسات، ردیابی خلق، و دسترسیپذیری ساعت سه بامداد. اشتراک این وظایف چیست؟ همگی مقیاسپذیر، تکرارشونده و مبتنی بر قاعده هستند.
اما یک هشدار: مطالعهی Yale/JAMA (اکتبر ۲۰۲۵) که بهبود فرسودگی را نشان داد، خودش یک تضاد منافع مهم داشت؛ یکی از نویسندگان، مدیر ارشد بالینی همان شرکت سازندهی ابزار بود۳. این دقیقاً همان دقتی است که از متخصص انتظار میرود.
چه چیزی پیش ما میماند؟
حالا سمت دیگر معادله. سه حوزه هست که شواهد موجود، جایگزینی آنها را پشتیبانی نمیکنند.
قضاوت بالینی در موقعیت مبهم. AI الگو تشخیص میدهد؛ اما تصمیمگیری در شرایطی که داده ناقص است، مراجع متناقض حرف میزند، و باید بین دو گزینهی بد انتخاب کرد، چیزی است که وایزنبام شصت سال پیش نامش را گذاشت: قضاوت، نه محاسبه.
مدیریت بحران. پژوهش استنفورد نشان داد چتباتهای عمومی در موقعیتهای پرخطر، از جمله نشانههای افکار خودکشی، میتوانند پاسخهای نامناسب بدهند، چون زیرمتن را مثل یک درمانگر انسانی تشخیص نمیدهند. APA نیز صریحاً هشدار داد که توانایی این ابزارها برای هدایت ایمن فرد در بحران، محدود و غیرقابل اتکاست۴.
مسئولیتپذیری. و این شاید بنیادیترین تفاوت باشد. وقتی یک درمانگر تصمیم اشتباهی میگیرد، پاسخگو است: از نظر حرفهای، اخلاقی و قانونی. الگوریتم پاسخگو نیست. در نظامهای مراقبت سلامت، «کسی که مسئولیت را بر عهده میگیرد» یک نقش ساختاری است، نه یک ویژگی اضافی.
چه چیزی اضافه میشود؟
و حالا به بخشی میرسیم که کمتر گفته میشود: AI بخشی از بار را برمیدارد، اما بار جدیدی هم اضافه میکند.
یک مقالهی تحلیلی در ژورنال AI & Society (۲۰۲۶) این پدیده را «پارادوکس شایستگی» نامید: روانشناسان بهسرعت در استفاده از ابزارهای AI مهارت پیدا میکنند، اما در فهم آنها ناتوان میمانند. نویسندگان با ارجاع به یک مطالعهی کیفی، نشان دادند حتی بالینگرانی که نسبت به پذیرش AI گشوده بودند، به مسائل پایهای مانند نرخ خطای مدل، رانش مدل (Model Drift)، اعتبار دادهی آموزشی، و مسئولیت حرفهای اشارهای نداشتند. جملهی کلیدی آنها: رشتهای که از نظر کارکردی در استفاده از AI باسواد است، اما از نظر مفهومی در توضیح آن بیسواد۵.
پیامد این شکاف، صرفاً نظری نیست. نویسندگان تصریح میکنند: وقتی بالینگر نمیتواند توضیح دهد که یک سامانهی AI چگونه دادهی مراجع را پردازش، ذخیره یا به اشتراک میگذارد، اخذ رضایت آگاهانهی معنادار غیرممکن میشود۵. یعنی نقص در سواد فنی، مستقیماً به نقض یک اصل بنیادین اخلاق حرفهای منجر میشود.
اینجاست که پاسخ به پرسش «مهمترین مهارت درمانگر آینده چیست؟» روشن میشود. نه کدنویسی، نه یادگیری ماشین. بلکه چیزی که میتوان نامش را سواد انتقادی AI گذاشت: توانایی ارزیابی یک ابزار، فهم محدودیتهایش، توضیح آن به زبان ساده برای مراجع، و تشخیص اینکه کجا نباید به آن اعتماد کرد.
توصیهنامهی APA همین را میخواهد: نهادهای حرفهای و نظامهای سلامت باید بالینگران را در زمینهی AI، سوگیری الگوریتمی، حریم خصوصی داده و استفادهی مسئولانه آموزش دهند۴. و مروری در JMIR Medical Education (۲۰۲۵) بر ادبیات آموزش روانپزشکی، به همین نتیجه رسید: بالینگران به سواد AI قوی و آشنایی با فناوریای نیاز دارند که بسیاری از بیمارانشان هماکنون به آن دسترسی دارند۶.
پرسش پایانی: کدام بخش از کار بالینی خود را فکر میکنید AI هرگز نمیتواند انجام دهد؟ و صادقانهتر: آیا مطمئنید این باور بر پایهی درک شما از محدودیتهای واقعی این فناوری است، یا بر پایهی چیزی که دوست دارید درست باشد؟
منابع
- Lukac PJ, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025. لینک
- University of Wisconsin School of Medicine and Public Health. Studies find AI technology for clinical documentation aids efficiency and reduces burnout. December 2025. لینک
- Olson KD, et al. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Network Open. 2025. لینک
- American Psychological Association. APA Health Advisory on the Use of Generative AI Chatbots and Wellness Applications for Mental Health. November 2025. لینک — همچنین: Stanford HAI. Exploring the Dangers of AI in Mental Health Care. 2025. لینک
- The competence paradox: when psychologists overestimate their understanding of Artificial Intelligence. AI & Society (Springer). 2026. لینک
- AI in Psychiatric Education and Training From 2016 to 2024: A Review. JMIR Medical Education. 2025;11:e81517. لینک
این مقاله بخشی از مجموعه یادداشتهای تخصصی روانای در تقاطع روانشناسی و هوش مصنوعی است و جایگزین مشاوره یا ارزیابی حرفهای نیست.
