AI як новий співрозмовник у добу вигорання:
психологічні механізми, ризики та можливості для медицини

У цифрову добу одним із найвиразніших патернів медіаспоживання є doomscrolling, тобто звичка до неконтрольованого перегляду переважно негативних новин, що асоціюється з вищими рівнями тривожності, депресивної симптоматики та зниженням благополуччя. Масштабні обсерваційні дані з Німеччини показали, що частота і тривалість медіаекспозиції (особ­ливо в соцмережах) пов’язані з виразнішою тривогою та депресією у населення під час пандемії COVID-19, причому ідентифіковано «критичні пороги» інтенсивності споживання новинного контенту [1]. Паралельно дослідниками розроблено та валідовано психо­метричні інструменти для вимірювання doomscrolling, які демонструють його зв’язки з рисами особистості, адиктивними патернами в соцмережах та показниками психологічного дистресу [2]. Додаткові дані вказують, що doomscrolling у робочому середовищі підриває залученість до праці, фіксуючи перехід від індивідуальної звички до організаційної проблеми [3]. На цьому тлі виникає нова практика: інтенсивна взаємодія із генеративними мовними моделями (Large Language Model, LLM) у форматі активного діалогу, коли користувач сприймає AI як когнітивного партнера для аналізу, планування та саморефлексії.

Зростаюча довіра до алгоритмічних систем пояснюється феноменом algorithmic authority — сприйняттям алгоритмів як авторитетних посередників знання у сучасних медіатехнологіях [4]. Механізм cognitive offloading (делегування частини когнітивних операцій зовнішнім носіям) описує, як користувачі стратегічно переносять пам’ять, обчислення та прийняття рішень на технічні системи, що потенційно змінює структуру повсякденного мислення [5]. Дослі­дження антропоморфізації технологій показують, що надання системам людських рис підвищують довіру та готовність покладатися на їхні рішення, — ефект, безпосередньо релевантний для взаємодії з діалоговими AI [6]. У філософії пізнання ці явища корелюють із тезою extended mind: когнітивні процеси можуть «розширюватися» у середовище через інструменти, що стабільно інтегровані у діяльність суб’єкта [7].

Зараз спостерігається зсув від пасивного споживання інформації до активного AI-companionship — взаємодії з алгоритмічним агентом як із новим типом «цифрового співрозмовника». Це відкриває як можливості (персоналізоване навчання, прискорений аналіз, підтримка саморефлексії), так і ризики (наддовіра до алгоритмічних висновків, заміщення живої комунікації, потенційна залежність). У статті теоретично висвітлено феномен AI-companionship, зіставлено його із doomscrolling і окреслено межі для подальших емпіричних дослі­джень та практичних рекомендацій.

Мета дослі­дження

вгору

Метою статті є теоретичне окреслення та попередній аналіз феномена AI-companionship — інтенсивної взаємодії користувача із генеративними мовними моделями як нової форми когнітивного та соціального партнерства.

Завдання дослі­дження полягають у тому, щоб окреслити паралелі та відмінності між феноменом doomscrolling як пасивною практикою цифрового споживання та активним діалогом із штучним інтелектом, розкрити психологічні механізми довіри до алгоритмічних систем і перенесення на них частини когнітивних функцій (algorithmic authority, cognitive outsourcing, digital companionship), проаналізувати приклади використання AI як психотерапевтичного інструменту й консультанта в особистому та професійному вимірах, визначити соціальні ризики і водночас потенційні позитивні наслідки поширення цього явища для психічного здоров’я й освітньо-професійних практик, інтегрувати тему емоційного вигорання серед медичних працівників і дослідити можливості AI як додаткового ресурсу профілактики вигорання через психоедукацію, когнітивне розвантаження та цифрове партнерство, а також сформулювати теоретичні межі й можливі напрями подальших емпіричних дослі­джень, зокрема оцінювання ефективності LLM у сфері підтримки психічного здоров’я та зменшення вигорання у медичному середовищі.

Історичний контекст: людина і штучний співрозмовник

вгору

Ще до появи цифрових технологій люди прагнули отримувати відповіді на складні життєві питання у формі «штучного співрозмовника». У XVIII–XIX ст. листування із філософами, богословами чи вченими виконувало функцію своєрідного дистанційного консультування.

Епістолярна культура дозволяла адресантові структурувати власні сумніви, а сам акт письма часто виконував терапевтичну функцію [8]. Це нагадує сучасні практики взаємодії з AI, де формулювання питання вже стає частиною саморефлексії. Історики підкреслюють, що епістолярна комунікація не лише передавала інформацію, а й формувала нові форми інтелектуального партнерства. З поширенням інтернету в 1990-х рр. виникли перші форумні платформи та чати (Usenet, ранні веб-­форуми), які стали середовищем колективного обговорення та отримання порад. Онлайн-спільноти забезпечували ефект «мережевого співрозмовника»: користувачі часто зверталися до анонімної маси учасників, отримуючи натомість відгуки, інтерпретації та соціальну підтримку. Дослі­дження показали, що такі спільноти могли сприяти як поширенню знань, так і формуванню хибних переконань, закладаючи підґрунтя для подальшої «алгоритмізації» спілкування [9]. Першою ж знаковою спробою створити «штучного співрозмовника» була програма ELIZA, розроблена Джозефом Вайценбаумом у Массачусетському технологічному інституті ще у 1966 р. ELIZA імітувала психотерапевта у стилі ро­джеріанського підходу, використовуючи прості патерни розпізнавання й віддзеркалення висловлювань користувача. Попри технічну примітивність, багато користувачів приписували системі «розуміння» та відчували емоційний зв’язок [10].

Подальший розвиток охоплював прості rule-based чат-боти 1980-2000-хх, які використовувалися переважно для довідкових систем чи розваг. Прорив стався із впрова­дженням генеративних моделей на основі нейронних мереж. Моделі GPT-3 (2020), GPT-4 (2023) і GPT-5 (2025) вийшли за межі імітації — вони здатні підтримувати діалог на довгі дистанції, генерувати аналітичні тексти, консультувати та навіть формувати нові знання. Тобто сучасні LLM стали спадкоємцями довгої традиції пошуку «штучного співрозмовника» — від листів і форумів до діалогу з алгоритмічним агентом.

Психологічні механізми довіри до AI

вгору

Одним із центральних питань у дослі­дженні взаємодії людини з сучасними алгоритмічними системами є пояснення того, чому користувачі схильні приписувати машині авторитет і довіряти її рекомендаціям навіть більше, ніж думці живих експертів. Для розуміння цього явища можна виокремити три взаємопов’язані механізми: algorithmic authority, cognitive outsourcing та digital companionship.

Поняття algorithmic authority було введене Тарлтоном Гіллеспі для опису соціальної динаміки, за якої алгоритми набувають статусу «об’єктивних» і «нейтральних» посередників знання. На відміну від експертів-людей, яких користувач може підозрювати в упере­дженості чи помилках, алгоритм часто сприймається як «чиста» математична система, позбавлена суб’єктивності. Це створює ілюзію абсолютної надійності та підвищує готовність покладатися на алгоритмічні висновки. Дослі­дження показують, що довіра до алгоритмічних систем виникає навіть у випадках, коли їхні помилки очевидні. B.J. Dietvorst (2015) описав феномен algorithm aversion: люди схильні відмовлятися від алгоритмів після помилок, проте у певних умовах (особливо коли алгоритм виглядає «професійно» і дає статистично обґрунтовані рекомендації) рівень довіри знову зростає [11]. Це пояснює, чому користувачі схильні приписувати ChatGPT експертний статус навіть тоді, коли вони знають про можливість «галюцинацій» моделі.

Отже, algorithmic authority ґрунтується на трьох чинниках, як-от:

• перцептивна об’єктивність (алгоритм подається як позбавлений емоцій);
• інституційна легітимність (алгоритми часто пов’язані з авторитетними технологічними компаніями);
• прагматична ефективність (відповіді приходять швидко, структуровано і зрозуміло).

Другим механізмом є cognitive outsourcing, або cognitive offloading — перенесення частини когнітивних функцій на зовнішні інструменти. E. F. Risko та S. J. Gilbert (2016) описали цей феномен у контексті використання смартфонів і пошукових систем: людина не зберігає в пам’яті всю інформацію, а делегує її зберігання й обробку пристроям. У випадку з AI ми бачимо радикалізацію цього процесу: користувачі перекладають не лише пам’ять чи арифметичні операції, але й аналітичне мислення, синтез знань і навіть прийняття рішень. Наприклад, психотерапевт може попросити ChatGPT підібрати інтервенції для клієнта, студент — згенерувати конспект складної теорії, пересічна людина — скласти фінансовий план.

Важливо, що cognitive outsourcing має як переваги, так і ризики: з одного боку — розвантаження когнітивних ресурсів, можливість зосередитися на креативних чи емпатичних завданнях, економія часу, а з іншого — потенційна втрата критичного мислення, зниження навичок перевірки інформації, формування залежності від зовнішнього агента. Тобто довіра до AI зумовлена не лише вірою в його «авторитет», але й функціональною зручністю — людина починає відчувати, що без алгоритмічної підтримки її власні когнітивні можливості обмежені.

Третій механізм — digital companionship. У психології це поняття описує ситуації, коли технологічні системи починають виконувати функції соціальних партнерів. A. Waytz, J. Heafner та N. Epley (2014) показали, що антропоморфізація технологій (приписування їм людських рис) значно підвищує рівень довіри й емоційної залуче­ності користувачів. З появою генеративних AI ця тенденція набуває нового виміру. Користувачі описують ChatGPT як «співрозмовника», «ментального тренера» чи навіть «психотерапевта», що свідчить про формування квазісоціальних відносин.

S. Turkle (2011) у своїй концепції «Alone Together» зау­важувала, що люди все частіше шукають емоційної підтримки у технологій, навіть якщо усвідомлюють їхню неживість [12]. Отже, у сучасних дослі­дженнях феномен digital companionship з AI описується як багатовимірний процес, що поєднує емоційну, когнітивну та соціальну складові. Насамперед він забезпечує емоційну підтримку, створюючи у користувача відчуття почутості та розуміння. Водночас діалог з алгоритмічним співрозмовником виконує функцію соціального дзеркала, оскільки дозволяє репрезентувати власні думки й сумніви у впорядкованій та структурованій формі [13]. Іншою важливою функцією є розвиток когнітивних і комунікативних навичок, зокрема мовлення, критичного мислення та планування.

Разом із тим науковий дискурс акцентує і на потенційних ризиках, як-от поступове витіснення живої комунікації, формування залежності від штучного співрозмовника й ослаблення ролі традиційних соціальних інститутів, таких як психотерапія, консультування та освітні практики. Довіра до AI у цьому контексті розглядається як результат взаємодії кількох механізмів: algorithmic authority формує уявлення про об’єктивність отриманих відповідей, cognitive outsourcing знижує когнітивне навантаження, а digital companionship сприяє формуванню емоційного зв’язку. Синергія цих механізмів і пояснює нам, чому сучасні користувачі інтегрують AI не лише як інструмент, але й як складову власного когнітивного та соціального життя.

Феномен «AI як психотерапевт»

вгору

Зростання доступності генеративних моделей привело до того, що користувачі почали застосовувати їх у ролі «цифрових психотерапевтів». Хоча моделі не мають свідомості та не розуміють емоцій у людському сенсі, їхня здатність підтримувати довгі діалоги, ставити уточнювальні запитання та віддзеркалювати думки користувача створює ефект псевдоемпатії. Це відображає вже відомий психологічний механізм: сам акт формулювання власних проблем у словесній формі сприяє рефлексії та може знижувати рівень тривожності [14]. AI виступає своєрідним «дзеркалом», в якому користувач бачить власні думки у структурованому вигляді.

Емпіричні дослі­дження підтвер­джують, що навіть прості чат-боти можуть зменшувати симптоми депресії та тривожності. Наприклад, Woebot — когнітивно-поведінковий чат-бот, розроблений у США, у рандомізованому контрольованому дослі­дженні показав зниження рівня депресивних симптомів у студентів протягом двох тижнів використання [15]. Подібні результати отримано й для інших цифрових інтервенцій (Wysa) у сфері психічного здоров’я [16].

Попри обмеження, AI демонструє певні функціональні переваги:

• чат-боти доступні 24/7, без географічних чи фінансових бар’єрів;
• взаємодія з алгоритмом може зменшувати соціальну тривогу, пов’язану із пошуком психотерапевтичної допомоги;
• AI швидко генерує когнітивно-поведінкові техніки, вправи з майндфулнес чи планування.

Проте живий психотерапевт має незамінні якості, як-то емоційний резонанс, невербальні сигнали, інтерсуб’єктивність, здатність розпізнати кризові стани, суїцидальний ризик, коморбідність. Психотерапевт також підзвітний професійним стандартам, тоді як AI не має суб’єктності. Тому AI радше доповнює, ніж замінює психо­терапію. Він може виконувати функції психоедукації, первинної підтримки та самодопомоги, але не здатний повністю відтворити терапевтичний альянс.

Одним із ключових викликів також є проблема автентичності взаємодії. S. Turkle зазначає, що люди схильні приписувати машинам риси емпатії, навіть коли усвідомлюють, що це симуляція. Така «емпатія без емпатії» може бути корисною для короткочасної підтримки, але ставить під сумнів глибину терапевтичного ефекту. Питання також полягає у формуванні залежності від штучного співрозмовника. Якщо користувач починає покладатися на AI як на єдине ­джерело психологічної підтримки, це може призвести до уникання реальних між­особистісних контактів і поглиблення соціальної ізоляції. З іншого боку, правильно інтегровані системи AI здатні виступати «мостом» між людиною і традиційною психотерапією, допомагаючи подолати стигму, підготуватися до першої сесії чи підтримувати клієнта між зустрічами.

AI як «сімейний офіс» і консультант

вгору

У глобалізованому світі зростає потреба у швидкому доступі до інформації про правові, соціальні та бюрократичні аспекти інтеграції. Традиційно ці функції виконували юристи, міграційні консультанти чи «сімейні офіси», які акумулюють знання для заможних клієнтів. Сучасні генеративні AI здатні імітувати цю роль: вони оперативно систематизують нормативні акти, надають структуровані інструкції щодо подачі документів, пропонують освітні та культурні ресурси для інтеграції.

Дослі­дження вказують, що користувачі часто надають перевагу алгоритмам у пошуку інформації, оскільки вони сприймаються як більш «нейтральні» та менш схильні до корупційних чи фінансових впливів [17]. У випадку з міграційними процесами це означає, що AI може частково знижувати бар’єри доступу до якісної інформації, які зазвичай виникають через нерівність у фінансових або соціальних ресурсах. AI також виконує функції консультанта у сфері кар’єри: від складання резюме до стратегічного планування академічного чи професійного розвитку. Експерименти показують, що алгоритмічні рекомендації при виборі роботи чи освітніх траєкторій можуть бути сприйняті як надійніші, ніж поради людей, особливо коли вони спираються на великі масиви даних [18].

Це явище отримало назву advice-taking from algorithms. Прикладом може слугувати ситуація молодого спеціаліста чи науковця: замість дорогих кар’єрних тренерів він використовує ChatGPT як «ментального радника», який допомагає скласти план публікацій, знайти конференції, визначити можливості стажування. Тобто AI фактично виконує функцію персонального «кар’єрного офісу».

Генеративні моделі дедалі частіше застосовуються для щоденного планування — від особистих фінансів до сімейних справ. Користувач може доручити AI створити бю­джет, запропонувати стратегії інвестування, скласти план навчання дітей чи навіть підібрати спортивні програми. Як вже зазначалося раніше, науковцями описано феномен «algorithmic advice» у фінансовій сфері: люди схильні довіряти алгоритмічним підказкам навіть більше, ніж експертам-людям, особливо коли йдеться про складні та абстрактні сфери. Це пояснюється тим, що алгоритм створює відчуття точності, системності та доступності, тоді як живий консультант може асоціюватися із людською помилковістю чи комерційною зацікавленістю.

Причини, чому AI може перевершувати людських експертів у певних консультаційних завданнях, зводяться до таких ключових аспектів, як:

• масштаб даних, а­дже алгоритм здатен одночасно обробляти тисячі ­джерел, тоді як експерт спирається лише на власний обмежений досвід;
• швидкість, оскільки відповіді надаються миттєво, що особливо важливо у кризових чи бюрократичних ситуаціях;
• доступність, а­дже AI не потребує гонорарів і є відкритим для кожного користувача із доступом до мережі.

Разом із тим залишається проблема відповідальності та критичного мислення: на відміну від експерта-людини, AI не несе юридичної чи етичної відповідальності за свої поради. Це означає, що оптимальною моделлю є симбіоз: AI як перший рівень консультації та організації, а людина-експерт — як контрольний і верифікаційний рівень.

Соціальні ризики та виклики

вгору

Одним із найбільш обговорюваних ризиків є схильність користувачів сприймати відповіді AI як об’єктивну істину. Це пояснюється феноменом automation bias — тенденцією надмірно покладатися на алгоритмічні підказки, навіть коли вони суперечать здоровому глузду чи власним знанням [19]. Дослі­дження показують, що в умовах інформаційної невизначеності люди частіше вірять у «правильність» алгоритму, ніж у су­дження людини [20]. У випадку LLM це створює особливу небезпеку, оскільки моделі можуть генерувати переконливі, але помилкові твер­дження («галюцинації»).

Ще один виклик — ризик поступового витіснення людських стосунків штучними. Вже згадана вище S. Turkle у концепції «Alone Together» описала ситуацію, коли люди шукають емоційної підтримки у технологій, уникаючи складності реальних міжособистісних контактів. Подібний ефект спостерігається і при взаємодії з чат-ботами: користувачі можуть віддавати перевагу розмові з AI, оскільки він позбавлений соціальної тривоги, осуду чи неоднозначності. Однак довгостроково це може призводити до зниження якості реальних соціальних зв’язків, ерозії навичок емпатії та зростання самотності. Інтенсивна взаємодія з алгоритмічними співрозмовниками може формувати новий тип цифрової адикції. Якщо doomscrolling пов’язаний із компульсивним споживанням негативних новин, то у випадку AI-companionship ризик полягає у створенні надмірної прив’язаності до штучного співрозмовника. Дослі­дження залежності від смартфонів та соціальних мереж демонструють, що доступність 24/7 і швидке задоволення потреби в інформації та підтримці сприяють формуванню адиктивних патернів [21]. LLM, які завжди готові вислухати, можуть підсилювати ці тенденції.

Зазначені ризики не означають, що AI слід уникати. Навпаки, вони вказують на необхідність вироблення етичних стандартів, навчання користувачів критичному мисленню та розвитку гібридних моделей, де AI виступає як допоміжний інструмент, але не замінює соціальні інститути (психотерапію, освіту, експертні системи). Важливим напрямом стає формування digital literacy — навичок критичного використання AI, що включають перевірку ­джерел, усвідомлення меж технології та розуміння психологічних ефектів взаємодії.

Позитивний потенціал

вгору

Однією із найбільших переваг використання AI у форматі «цифрового співрозмовника» є радикальна демократизація доступу до знань. Якщо раніше якісна консультація (юридична, медична, психотерапевтична) була доступна лише привілейованим групам через фінансові чи географічні бар’єри, то генеративні моделі створюють можливість отримати «перший рівень» підтримки для будь-кого із доступом до інтернету. Дослі­дження з освітніх технологій показують, що алгоритмічні системи значно знижують бар’єри доступу до навчання, надаючи індивідуалізовану підтримку в масштабі, неможливому для традиційних освітніх інституцій [22]. Завдяки цьому LLM можуть виступати «масовим приватним тьютором», забезпечуючи мільйони користувачів базовими навичками критичного аналізу, мовної практики та професійної орієнтації.

Попри ризики надмірної довіри, AI можна застосовувати як інструмент тренування критичного мислення. Користувач може запитувати модель про альтернативні точки зору, просити її грати роль «адвоката диявола» чи оцінювати сильні й слабкі сторони певної позиції. Подібна практика відповідає сучасним підходам у когнітивній психології та педагогіці, що підкреслюють значення діалогу як методу розвитку рефлексії [23].

Дослі­дження у сфері освіти демонструють, що інтерактивні алгоритмічні системи можуть підвищувати здатність студентів до метакогнітивного оцінювання — тобто усвідомлення власних когнітивних процесів [24]. У цьому сенсі AI виступає як «дзеркало», яке допомагає користувачеві бачити й аналізувати власне мислення. AI також може відігравати важливу роль у сфері психічного здоров’я, особливо як інструмент самодопомоги та первинної підтримки. Як вже було зазначено, навіть прос­тим чат-ботам під силу знижувати симптоми депресії та тривоги. Генеративні моделі нового покоління мають значно більший потенціал, оскільки здатні адаптуватися до індивідуального стилю користувача, створюючи більш «людиноподібний» досвід взаємодії. Крім того, AI може зменшувати відчуття самотності: дослі­дження у сфері цифрової комунікації підтвер­джують, що навіть симульовані соціальні взаємодії мають позитивний вплив на суб’єктивне благополуччя [25].

Однак важливо, щоб такі інструменти інтегрувалися у систему охорони здоров’я як доповнення до професійної допомоги, а не як її заміна. На особливу увагу заслуговує питання емоційного вигорання серед медичних працівників, яке досягло масштабів глобальної кризи. Саме тут феномен AI-companionship може стати важливим інструментом додаткової підтримки, оскільки поєднує функції психоедукації, когнітивного розвантаження та цифрового партнерства, здатних знизити рівень виснаження й підвищити суб’єктивне благополуччя лікарів.

AI-companionship і синдром емоційного вигорання серед медиків

вгору

Синдром емоційного вигорання (burnout) офіційно визнаний ВООЗ у МКХ-11 як професійний феномен, що виникає внаслідок хронічного стресу на робочому місці. Медичні працівники є однією із найбільш уразливих груп: систематичні огляди показують, що від 40 до 60 % лікарів у ЄС та США мають симптоми вигорання, зокрема емоційне виснаження, деперсоналізацію та зниження професійних досягнень. Вигорання асоційоване із підвищеним ризиком депресії, суїцидальних думок та зниженням якості медичної допомоги. AI-companionship та синдром емоційного вигорання серед медиків взаємопов’язані, а­дже вигорання лікарів та інших працівників охорони здоров’я визнано глобальною проблемою, що різко посилилася під час пандемії COVID-19. Систематичний огляд і метааналіз підтвердили високу поширеність вигорання серед медиків у цей період, а великі метааналізи показали його зв’язок зі зниженням кар’єрної залученості та зростанням ризику професійних помилок [26, 27]. У резидентів вигорання прямо корелює із клінічними похибками [28].

На цьому тлі AI-companionship можна розглядати як потенційний ресурс для зниження вигорання за кількома напрямами, як-от:

1. Цифрова психоедукація і самодопомога — генеративні моделі здатні швидко надавати лікарям рекомендації з релаксації, когнітивної реструктуризації чи майндфулнес, що перегукується з успішними цифровими інтервенціями у сфері психічного здоров’я.
2. Когнітивне розвантаження — AI допомагає структурувати протоколи та клінічні настанови, зменшуючи інформаційне перевантаження, яке є одним із ключових предикторів вигорання.
3. Цифрове партнерство як емоційний буфер — AI може стати «безпечним співрозмовником», з яким медики проговорюють власні переживання, що виконує функцію короткочасної підтримки і знижує ризик деперсоналізації.

Водночас існують ризики: надмірна довіра до алгоритмів створює ілюзію розв’язання проблеми без звернення до живої підтримки, а висока доступність і персоналізація діалогу з AI можуть формувати новий тип залежнос­ті, подібний до такої від смартфонів, що також виявлено серед медичних працівників [29]. Крім того, хоча систематичний огляд підтвердив ефективність AI-чат-ботів у зниженні симптомів депресії та тривоги, ці інтервенції ще потребують клінічної валідації у групі лікарів [30].

Тому AI-companionship доцільно розглядати як допоміжний інструмент у комплексній стратегії профілактики вигорання, яка включає організаційні реформи, психотерапію та розвиток колегіальної підтримки, але не як їх заміну.

Висновки: AI як нове дзеркало людини

вгору

Феномен AI-companionship демонструє якісно новий етап у взаємодії людини із технологіями: від пасивного споживання інформації (doomscrolling) до активного діалогу з алгоритмічним співрозмовником. Генеративні мовні моделі перетворюються не лише на інструменти пошуку даних, але й на когнітивних та емоційних партнерів, які здатні структурувати думки користувача, сприяти само­рефлексії, формувати навчальні й професійні стратегії. Аналіз історичного контексту показав, що людина завжди прагнула «співрозмовника для роздумів»: від листування із філософами XVIII ст. до онлайн-спільнот початку XXI ст. Сучасні AI лише радикалізують цю традицію, надаючи постійного, швидкого та майже безкоштовного партнера для діалогу.

Психологічні механізми довіри — algorithmic authority, cognitive outsourcing, digital companionship — пояснюють, чому користувачі схильні приписувати AI компетентність і навіть емпатію, попри усвідомлення його неживої природи. Водночас соціальні ризики залишаються вагомими: надмірна довіра до «алгоритмічної істини», заміщення реальних соціальних контактів та потенційна залежність від цифрових співрозмовників. Без формування критичної digital literacy це може призвести до ерозії навичок критичного мислення та посилення самотності. Разом із тим позитивний потенціал є значним: демократизація доступу до знань, розвиток навичок рефлексії, зниження стигми у сфері психічного здоров’я, підтримка інтеграції та професійного розвитку. AI у цьому сенсі постає не як замінник людини, а як дзеркало, що відображає наші власні думки йпочуття у структурованій формі, підсилюючи когнітивні та соціальні процеси. У майбутньому ключовим завданням стане вироблення балансованих моделей співіснування людини й AI, де алгоритмічні співрозмовники виступатимуть доповненням до соціальних інститутів, а не їх витісненням.

Наукове осмислення AI-companionship відкриває нові напрями дослі­джень — від нейропсихології довіри до алгоритмів і до етики цифрових стосунків. Від того, як суспільство інтегрує ці технології, залежить, чи стане AI здоровим партнером у людському розвитку, чи ж спровокує нові форми залежності й ізоляції.

Література

вгору

1. Bendau A., Petzold, M.B. Pyrkosch L. et al. Eur Arch Psychiatry Clin Neurosci. – 2021. – 271 (2). – Р. 283-291; DOI: https://­­doi.org/10.1007/s00406-020-01171-6.

2. Satici S.A., Gocet Tekin E., Deniz M.E., Satici B. Applied Research in Quality of Life. – 2023. – 18 (2). – Р. 833-847; DOI: https://doi.org/10.1007/s11482-022-10110-7.

3. Hughes I.M., Keith M.G., Lee J., Gray C.E. Computers in Human Behavior. – 2024. – 153. – 108130; DOI: https://doi.org/­10.1016/­­j.chb.2023.108130.

4. Gillespie T. The Relevance of Algorithms іn Media Technologies (MIT Press), 2014; DOI: 10.7551/mitpress/9780262525374.003.0009.

5. Risko E.F., Gilbert S.J. Trends in Cognitive Sciences. – 2016. – 20 (9). – Р. 676-688; DOI: https://doi.org/10.1016/j.tics.2016.07.002.

6. Waytz A., Heafner J., Epley N. Journal of Experimental Social Psychology. – 2014. – 52. – Р. 113-117; DOI: https://doi.org/­10.1016/j.jesp.2014.01.005.

7. Clark A., Chalmers D. Analysis. Oxford Academic. – 1998. – 58 (1). – Р. 7-19; DOI: https://doi.org/10.1093/analys/58.1.7.

8. Chartier R. Correspondence: Models of Reading and Writing in the 18th Century, 1997. In: The Cultural Uses of Print in Early Modern France. Princeton University Press. Library edition 2019 Paperback; ISBN: 978-0-691-65565-9.

9. Baym, N. K. The emergence of community in computer-mediated communication. In S. G. Jones (Ed.), CyberSociety: Computer-mediated communication and community, 1995. – Р. 138-163.

10. Weizenbaum J. ELIZA — a computer program for the study of natural language communication between man and machine. Communications of the ACM. – 1966. – 9 (1). – Р. 36-45; DOI: https://­doi.org/10.1145/365153.365168

11. Dietvorst B.J., Simmons J.P., Massey C. Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General. – 2015. – 144 (1). –Р. 114-126; DOI: https://doi.org/10.1037/xge0000033.

12. Turkle S. Alone Together: Why We Expect More from Technology and Less from Each Other. Basic Books, 2011. – 360 pp; ISBN 978-0-465-01021-9.

13. Turkle, S. (2011). Alone Together: Why We Expect More from Technology and Less from Each Other. Basic Books, 2011, 360 pp. ISBN978-0–465-01021–9

14. Ta V et al. A User Experiences of Social Support From Companion Chatbots in Everyday Contexts: Thematic Analysis J Med Internet Res 2020;22(3): e16235 URL: https://www.jmir.org/2020/3/e16235 DOI: 10.2196/16235

15. Pennebaker, J. W. (1997). Writing about emotional experiences as a therapeutic process. Psychological Science, 8(3), 162-166. DOI:10.1111/j.1467-9280.1997.tb00403.x

16. Fitzpatrick, K. K., Darcy, A., & Vierhile, M. (2017). Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR Mental Health, 4(2), e19. DOI: 10.2196/mental.7785

17. Inkster, B., Sarda, S., & Subramanian, V. (2018). An empathy-driven, conversational artificial intelligence agent (Wysa) for digital mental well-being: Real-world data evaluation. JMIR mHealth and uHealth, 6(11), e12106. DOI: doi.org/10.2196/12106

18. Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1), 2053951715622512. DOI: 10.1177/2053951715622512

19. Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90-103. DOI: 10.1016/j.obhdp.2018.12.005

20. Mosier, K. L., & Skitka, L. J. (1996). Human decision makers and automated decision aids: Made for each other? In R. Parasuraman & M. Mouloua (Eds.), Automation and human performance: Theory and applications (pp. 201-220). CRC Press.

21. Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias: A systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121-127. DOI: 10.1136/amiajnl-2011-000089

22. Elhai, J. D., Levine, J. C., Dvorak, R. D., & Hall, B. J. (2017). Fear of missing out, need for touch, anxiety and depression are related to problematic smartphone use. Computers in Human Behavior, 63, 509-516. DOI: 10.1016/j.chb.2016.05.079

23. Luckin, R. Towards artificial intelligence-based assessment systems. Nat Hum Behav 1, 0028 (2017). https://doi.org/10.1038/s41562-016–0028

24. Mercer, N., & Howe, C. (2012). Explaining the dialogic processes of teaching and learning: The value and potential of sociocultural theory. Learning, Culture and Social Interaction, 1(1), 12-21. DOI: 10.1016/j.lcsi.2012.03.001

25. Holmes, W., Bialik, M., & Fadel, C. (2023). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. DOI 10.58863/20.500.12424/4276068

26. Nowland, R., Necka, E. A., & Cacioppo, J. T. (2018). Loneliness and social internet use: Pathways to reconnection in a digital world? Perspectives on Psychological Science, 13(1), 70-87. DOI: https://doi.org/10.1177/1745691617713052

27. Macaron MM, Segun-Omosehin OA, Matar RH, Beran A, Nakanishi H, Than CA, Abulseoud OA. A systematic review and meta analysis on burnout in physicians during the COVID-19 pandemic: A hidden healthcare crisis. Front Psychiatry. 2023 Jan 12;13:1071397. doi: 10.3389/fpsyt.2022.1071397. PMID: 36713915; PMCID: PMC9877514.

28. Hodkinson et al., 2022, BMJ 378: e070442, DOI: https://doi.org/10.1136/bmj-2022-070442

29. McTaggart et al., 2022, DOI:10.1016/j.hsr.2022.100049

30. Karataş et al., 2022, DOI: https://doi.org/10.51847/3Uq2sEahxf

31. (Li et al., 2023, DOI: https://doi.org/10.3389/fpsyg.2024.1382693

32. Психосоматична медицина та загальна практика. — 2025. — Том 10, № 3; DOI:10.26766/pmgp.v10i3.648

Психосоматична медицина та загальна практика. – 2025. – Том 10, № 3; DOI:10.26766/pmgp.v10i3.648