ChatGPT — удобный инструмент, и я сама часто им пользуюсь: черновики писем, идеи упражнений, переформулировки. Но есть пять моментов в работе психолога, когда я к нему не подойду с клиентскими данными. Это не «не доверяю технологиям» — это про то, как устроена обработка персональных данных и где общий LLM в принципе не предназначен помогать.
1. Когда в тексте есть имя клиента или узнаваемая деталь
Любой кусок биографии — имя, профессия, город, диагноз, имя ребёнка, должность супруга — это персональные данные. Конфиденциальность — ядро терапевтического контракта; кладя такой кусок в публичный сервис, я фактически передаю данные клиента третьей стороне без его согласия. Даже если в политике сервиса написано, что данные не используются для обучения моделей, у меня нет инструмента это проверить, а у клиента — права согласиться или отказаться.
И это не паранойя. Однажды я хотела «причесать» формулировку домашнего задания и почти вставила в чат абзац с описанием клиентского эпизода — узнаваемого настолько, что близкий круг мог бы вычислить человека. Перехватила себя на полуслове. С тех пор у меня внутреннее правило: всё, что отправляется в общий чат, обезличено до неузнаваемости — или не отправляется вовсе.
2. Когда нужно расшифровать аудиозапись сессии
Сессия — это часовой разговор, в котором есть всё: имена, рабочий контекст, истории отношений, иногда диагнозы и упоминания третьих лиц. Расшифровка такой записи через общий облачный сервис означает, что часовая исповедь клиента — на серверах третьей стороны, и я не могу однозначно сказать клиенту, как именно его данные обрабатываются. Я этого не делаю, даже когда очень хочется сэкономить время.
Граница тут жёсткая: либо специализированный инструмент с явным договором обработки персональных данных, либо ручная расшифровка по заметкам. Промежуточных вариантов в моей практике нет.
3. Когда «прогоняю» супервизионную гипотезу с цитатами
На супервизию я приношу гипотезу и проверяю её с коллегой. Соблазн «обсудить» гипотезу с ChatGPT понятен: он быстрый, доступный и не возражает. Но во-первых, я снова утекаю клиентский контекст — гипотеза в отрыве от деталей бесполезна, а с деталями она почти неизбежно становится узнаваемой. Во-вторых, ответ модели — это правдоподобный текст, не клиническое суждение. Он может звучать убедительно и быть мимо: ChatGPT не видит контекст работы, не знает теорий, на которые я опираюсь, и не несёт ответственности за рекомендацию.
Супервизия, интервизия и коллеги — рабочие места для обсуждения гипотез. ChatGPT — нет.
4. Когда нужен текст согласия или раздел договора
Парадокс: ChatGPT хорошо умеет в формулировки, но там, где речь о юридически значимых документах для моей практики, цена ошибки высока. Я могу попросить переписать обезличенный абзац — стилистически или грамматически. Но не доверяю модели формулировать обязательства, которые потом будут регулировать наши отношения с клиентом: пределы конфиденциальности, основания для прерывания терапии, обработка данных. Финальный текст — мой, согласованный с юристом и/или ассоциацией, на которую я опираюсь, — а не сгенерированный шаблон.
5. Когда я устала и хочу «быстрый ответ» по острому случаю
Самый коварный из пяти моментов. Конец рабочего дня, в голове крутится клиентка с тревожным состоянием, и есть соблазн «спросить ChatGPT, что делать». Я научилась распознавать этот импульс как сигнал к перерыву или к супервизии, а не к чату. ChatGPT не знает клиента, не работает в моей парадигме, и его «быстрый ответ» в усталом состоянии слишком легко принять за решение. Острые случаи — на коллегу-супервизора и/или экстренные службы, если нужно. Не на чат.
Что я делаю вместо
Я не против ИИ в работе психолога — я против ИИ, который не был сделан под работу с клиентскими данными. У специализированных инструментов другие исходные: договор обработки данных, обезличивание входа, понятная политика хранения, отказ отвечать на «острые» клинические запросы. Для расшифровки аудио и составления DAP-заметки в моей практике я использую Provizor AI: он сделан под этот сценарий, и данные сессии не утекают в общую языковую модель. Заполненный пример такой заметки на трёх сессиях я разбираю в статье «Шаблон DAP-заметки: пример заполнения».
Общая логика простая: для работы с клиентскими данными — специализированный инструмент; для «причесать обезличенный текст» — можно общий LLM, но осторожно и с проверкой каждой фразы на узнаваемость.