AI w nauce psychologii: jak korzystać z czatów i symulacji, a gdzie postawić granicę

Czaty i symulacje oparte na dużych modelach językowych są dziś w telefonie każdego studenta, a AI w nauce psychologii budzi dwie skrajne reakcje: „to ściąga" albo „to zastąpi wykładowcę". Obie są nietrafne. Ten wpis jest o tym, do czego sztuczna inteligencja naprawdę nadaje się w nauce diagnozy i rozmowy klinicznej, gdzie zawodzi, czego wymagają uczelnie i jakie granice wyznaczają prawo oraz etyka zawodowa, zwłaszcza w sprawie danych pacjentów.

Do czego AI nadaje się w nauce psychologii

Powtórki i sprawdzanie rozumienia. Czat dobrze działa jako partner do odpytywania: poproś o dziesięć pytań o cechy epizodu depresyjnego, a potem sam oceń odpowiedzi z klasyfikacją w ręku. Działa też tłumaczenie pojęć „jak dla pierwszego roku" i prośba o kontrprzykład. Warunek: weryfikujesz z podręcznikiem, nie na odwrót.

Symulacje rozmów. To najbardziej obiecujące zastosowanie. Wirtualni pacjenci są w kształceniu medycznym badani od dawna: metaanaliza 51 badań z randomizacją (4696 uczestników) wykazała, że w porównaniu z tradycyjnymi zajęciami dawali podobny przyrost wiedzy, ale wyraźnie większy przyrost umiejętności, w tym rozumowania klinicznego; jakość dowodów oceniono jako niską do umiarkowanej (Kononowicz i in., 2019). Nowsze prace dotyczą pacjentów opartych na modelach językowych. System PATIENT-Ψ w badaniu z udziałem 13 osób w szkoleniu i 20 ekspertów podniósł odczuwane umiejętności i pewność siebie bardziej niż podręczniki, filmy czy scenki, ale autorzy podkreślają, że mierzyli odczucia, nie obiektywny przyrost kompetencji (Wang i in., 2024). W badaniu platformy Client101 16 specjalistów prowadziło sesje z chatbotami odgrywającymi osobę z depresją i z lękiem; około 93 proc. uznało narrację chatbota lękowego za spójną i przekonującą, choć analiza psycholingwistyczna pokazała różnice względem prawdziwych pacjentów (Cabrera Lozoya i in., 2025).

Przegląd literatury, ale z weryfikacją. Czat może zaproponować hasła do wyszukiwania i streścić artykuł, który sam wkleisz. Nie może być źródłem bibliografii, o czym niżej.

Gdzie AI zawodzi: halucynacje i fałszywa pewność

Największe ryzyko w nauce to zmyślone źródła. W badaniu 84 przeglądów literatury wygenerowanych przez ChatGPT (636 cytowań) 55 proc. odwołań z GPT-3.5 i 18 proc. z GPT-4 w ogóle nie istniało, a wśród istniejących odpowiednio 43 i 24 proc. miało błędy w tomie, numerze lub stronach (Walters i Wilder, 2023). Modele się poprawiają, ale zasada zostaje: każde źródło z czatu otwierasz i czytasz sam, zanim je zacytujesz.

Drugie ryzyko: model odpowiada pewnym tonem niezależnie od tego, czy ma rację. W diagnozie to szczególnie niebezpieczne, bo utwierdza w pierwszej hipotezie. Jeśli opiszesz objawy i zapytasz „czy to depresja", dostaniesz uporządkowane „tak, ponieważ". Lepsze pytanie: „jakie trzy inne wyjaśnienia powinienem wykluczyć i o co zapytać, żeby je rozróżnić". Traktuj odpowiedź jak głos kolegi z roku, nie wykładowcy.

Trzecie ryzyko dotyczy symulacji: pacjent AI jest cierpliwy, nie obraża się, odpowiada na każde pytanie. Prawdziwi ludzie milkną, zmieniają temat, wychodzą. Symulacja jest więc dobra do ćwiczenia struktury i pytań, a słabsza do ćwiczenia kontaktu; ten lepiej trenować w scenkach z kolegą z roku.

Dane pacjentów: granica, której się nie przekracza

Najtwardsza zasada tego wpisu: nigdy nie wklejasz do publicznego czatu danych realnej osoby, z którą miałeś kontakt na praktykach, w poradni czy w badaniu. Ani imienia, ani opisu objawów „bez nazwiska", bo kombinacja wieku, miasta, zawodu i historii pozwala zidentyfikować człowieka.

Podstawy prawne są trzy. RODO: art. 9 ust. 1 zakazuje przetwarzania danych dotyczących zdrowia, a wyjątki (m.in. wyraźna zgoda osoby, cele diagnostyki medycznej na podstawie prawa) nie obejmują wklejania ich do cudzego narzędzia na własny użytek (RODO, art. 9). Tajemnica zawodowa: obowiązująca ustawa z 2001 r. nakazuje zachować w tajemnicy informacje związane z klientem, bez ograniczenia w czasie, z wyjątkiem poważnego zagrożenia zdrowia lub życia albo gdy stanowią tak inne ustawy (ustawa z 2001 r., art. 14); nowa ustawa z 23 stycznia 2026 r., która wejdzie w życie w 2028 r., powtarza ten obowiązek w art. 27 i żaden z jej wyjątków nie dotyczy narzędzi AI (ustawa z 2026 r.). Etyka: Kodeks Etyczny Psychologa PTP uznaje informacje z czynności zawodowych, w tym wyniki testów, za dane wrażliwe i wymaga bezpiecznych procedur ich przetwarzania także elektronicznie (pkt 11.2.c i 11.3.a) (Kodeks PTP, 2018).

Jako student nie jesteś jeszcze psychologiem, ale na praktykach pracujesz pod czyjąś tajemnicą i odpowiedzialnością. Jak rozmawiać z pacjentem o poufności, opisuje wpis o poufności w rozmowie. Reguła na studia: do czatu trafiają tylko przypadki fikcyjne, podręcznikowe albo tak przekształcone, że nie ma w nich prawdziwej osoby.

Co mówią uczelnie: dwa przykłady polityk

Uczelnie nie zakazują AI, ale wymagają jawności. Uniwersytecka Rada ds. Kształcenia UW w uchwale z 8 grudnia 2023 r. ustaliła, że zakres użycia AI w pracy dyplomowej student uzgadnia z opiekunem i opisuje we wstępie lub w rozdziale metodologicznym; w pracach zaliczeniowych zasady określa prowadzący, a podczas egzaminów pisemnych korzystanie z AI jest niedopuszczalne, chyba że polecenie wyraźnie na to pozwala (URK UW, 2023). Zarządzenie nr 115 Rektora UJ z 27 listopada 2025 r. wymaga oznaczania fragmentów pracy wykonanych z pomocą AI (niezgłoszenie może być nieuczciwością akademicką), zostawia prowadzącemu decyzję o zakresie użycia i nakazuje dbać o bezpieczeństwo danych osobowych na zewnętrznych platformach (Zarządzenie nr 115 Rektora UJ, 2025). Sprawdź politykę swojej uczelni i sylabus; w razie wątpliwości zapytaj prowadzącego przed oddaniem pracy, nie po.

Zasady korzystania, które się sprawdzają

1. Pytaj o pytania, nie o odpowiedzi. „Jakie pytania zadałbyś pacjentowi z bezsennością, żeby odróżnić depresję od lęku" uczy więcej niż „co ma ten pacjent".
2. Weryfikuj każdy fakt w klasyfikacji (ICD-11, DSM-5-TR), podręczniku albo artykule, który sam otworzyłeś.
3. Oznaczaj użycie zgodnie z zasadami przedmiotu.
4. Nie wklejaj danych realnych osób. Nigdy.
5. Ćwicz na symulacji strukturę, na ludziach kontakt. Jak łączyć formy ćwiczeń, opisuje wpis o ćwiczeniu wywiadu bez pacjentów.
6. Po każdej symulacji zrób samoocenę własnymi słowami, zanim przeczytasz ocenę narzędzia; schemat daje karta samooceny po rozmowie.

Przykład słabej i dobrej prośby na przypadku z podręcznika:

Słabo: „Pacjent, 40 lat, od miesiąca źle śpi i nie ma energii. Jaka diagnoza?" Lepiej: „Wypisz pięć hipotez dla tego opisu, w tym somatyczne i substancyjne, i do każdej jedno pytanie, które ją odróżnia od pozostałych. Nie podawaj diagnozy."

Najczęstsze błędy

• Cytowanie źródła, którego nie otworzyłeś.
• Pytanie czatu o diagnozę zamiast o różnicowanie.
• Wklejenie „zanonimizowanego" opisu realnego pacjenta.
• Traktowanie płynnej odpowiedzi jako poprawnej.
• Ćwiczenie wyłącznie z symulacją i unikanie scenek z ludźmi, bo są bardziej stresujące.
• Pominięcie zasad uczelni, bo „wszyscy tak robią".

Jak przećwiczyć to w MindCase

MindCase jest jednym z przykładów symulacji opisanych wyżej, z podobnymi zaletami i ograniczeniami. Rozmawiasz w przeglądarce z jednym z 60 fikcyjnych pacjentów AI z ukrytym rozpoznaniem, na jednym z 4 poziomów trudności, więc nie ma tu problemu danych realnych osób: wszystkie przypadki są zmyślone. W trakcie rozmowy możesz zlecić kwestionariusz (np. PHQ-9, GAD-7, PHQ-15), a sumę liczysz sam; możesz też zapytać superwizora AI, gdy nie wiesz, jak zadać trudne pytanie.

Po sesji dostajesz raport w 6 wymiarach z listą pominiętych obszarów i oceną trafności hipotezy. Potraktuj go jak opinię kolegi: porównaj z własną samooceną i z tym, co powiedziałby prowadzący. Ograniczenia są takie jak w każdej symulacji: pacjent AI nie zastąpi kontaktu z człowiekiem, a raport nie zastąpi superwizji. Jeśli chcesz zobaczyć taką symulację od środka, załóż konto w MindCase.

To trening, nie diagnoza; rozstrzyga ocena kliniczna.

Źródła

• Kononowicz, A. A. i in. (2019). Virtual Patient Simulations in Health Professions Education: Systematic Review and Meta-Analysis. Journal of Medical Internet Research. link
• Wang, R. i in. (2024). PATIENT-Ψ: Using Large Language Models to Simulate Patients for Training Mental Health Professionals. EMNLP 2024. link
• Cabrera Lozoya, D. i in. (2025). Leveraging Large Language Models for Simulated Psychotherapy Client Interactions: Client101. JMIR Medical Education. link
• Walters, W. H., Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports. link
• Uniwersytecka Rada ds. Kształcenia UW (2023). Wytyczne dotyczące korzystania z narzędzi sztucznej inteligencji w procesie kształcenia. link
• Rektor UJ (2025). Zarządzenie nr 115 w sprawie wykorzystywania w dydaktyce narzędzi opartych na sztucznej inteligencji. link
• Rozporządzenie (UE) 2016/679 (RODO), art. 9. link
• Ustawa z dnia 8 czerwca 2001 r. o zawodzie psychologa i samorządzie zawodowym psychologów (Dz.U. 2019 poz. 1026). link
• Ustawa z dnia 23 stycznia 2026 r. o zawodzie psychologa oraz samorządzie zawodowym psychologów (Dz.U. 2026 poz. 187). link
• Polskie Towarzystwo Psychologiczne (2018). Kodeks Etyczny Psychologa PTP. link