為什麼在心理衡鑑中,ChatGPT 取代不了臨床工作者的洞察
當個案帶著 AI 自我診斷走進診間,我們的角色是什麼?那份沒有任何演算法能複製的臨床洞察、脈絡判斷與治療同盟。

重點摘要
生成式 AI 正在改變診間:個案愈來愈常把症狀輸入聊天機器人,帶著自我診斷前來。AI 能快速處理海量資料中的模式,卻無法讀懂非語言線索、移情與反移情,或個案的生命脈絡。整合性的個案概念化、對矛盾測驗資料的詮釋、文化上的細微之處,以及治療同盟,仍屬臨床工作者的領域——那是任何科技都無法取代的工作。明智之道,是把重複的行政任務交給 AI,並把奪回的時間重新投注於磨利臨床直覺。
「我的 AI 說我有 ADHD」:協助帶著診斷前來的個案 🧠
如果你近來執業已有一段時間,這個場景或許會讓你感到熟悉。一位個案坐進椅子,開口便是:「我把症狀描述給 ChatGPT 聽,它告訴我我大概沒有憂鬱症——我很可能是成人 ADHD。」生成式 AI 讓自我診斷變得毫不費力。任何人都能搜尋自己的症狀,帶著一個聽起來信心十足的標籤離開。於是對我們這個領域而言,問題很尖銳:這是對臨床工作者的威脅,還是一個契機?
許多同行擔心 AI 正越過測驗計分與診斷分類,悄悄踏入一向屬於我們的領域。確實如此——大型語言模型處理資訊的速度,是任何人都無法企及的。但這裡有個真正關鍵的問題:AI 能讀懂個案聲音背後的顫抖、那個與話語相矛盾的非語言訊號,或者藏在兩個測驗分數之間那獨一無二的生命脈絡嗎?
本文要談的,是那份無法被自動化的洞察——心理衡鑑中屬於人類專家的部分。目的不是拒斥科技,而是為唯有臨床工作者能做的事,劃出一條清楚的界線,並藉這份清晰來深化我們的治療工作。AI 能產出一個答案;詮釋那個答案在一個人生命中意味著什麼、並協助他療癒,仍然是我們的事。
1. 資料讀的是模式;臨床工作者讀的是脈絡
大型語言模型擅長以文字為基礎的處理。輸入 MMPI-2 或 TCI 的分數,幾秒內你就能得到教科書式的解釋。但心理衡鑑的精髓,從來不是把上升的量尺背誦一遍。專家的工作在於讀懂留白——數字之間、句子之間的空白。
現象學的理解與非語言整合
AI 大概會把打出來的「我沒事」處理成一個正向訊號。一位資深臨床工作者卻會在同一刻注意到:迴避的目光、指尖隱約的顫抖、那半秒的沉默。這些非語言線索——以及在診間裡流動的移情與反移情——正是 AI 永遠無法化約為資料的東西。衡鑑不是一份分數報告;它是一個整體的行動,包含受測行為與整段會談的弧線。
防衛機轉與人格的結構
AI 緊盯表面症狀,提出一個標籤。專家卻認得,那症狀可能是某個保護個案自我的防衛機轉的產物。試想一個有攻擊行為的孩子:演算法或許會浮現「行為規範障礙症」,而臨床工作者讀到的,是底下的憂鬱與被遺棄焦慮,並據此擬出一份截然不同的治療計畫。那就是機械式分類與臨床洞察之間的落差。
下表對比 AI 的資料處理能力與臨床工作者的專業判斷,好讓我們看清該把技藝投注於何處。
| 面向 | 生成式 AI(如 ChatGPT) | 臨床專家(人類) |
|---|---|---|
| 核心功能 | 在海量資料中進行模式比對與摘要 | 整合性詮釋個案所經歷的、帶情緒的脈絡 |
| 蒐集的資訊 | 侷限於輸入的文字與數值資料 | 包含非語言線索(表情、語氣)、受測行為、行為觀察 |
| 診斷立場 | 將症狀比對 DSM-5 準則(扁平) | 涵蓋發展史、創傷、防衛的個案概念化(向度式) |
| 倫理判斷 | 演算法式、罐頭警語 | 對自殺/傷害風險做出即時、可究責的介入 |
| 治療關係 | 資訊提供者(單向) | 治療同盟與情緒調頻 |
表 1. 在心理衡鑑中,AI 與臨床專家的對比。
2. 個案概念化:一張唯有人類能繪製的心智地圖
衡鑑的核心不是給出一個診斷——而是整合性的個案概念化。這是一項艱鉅的智性與情緒工作:把個案的過去(發展史、創傷)、現在(誘發因子、症狀)與未來(預後、治療計畫)編織成一則連貫的故事。AI 能把散落的拼圖鋪開;唯有專家能把它們拼成一幅單一、可辨識的、關於一個人的圖像。
整合並詮釋矛盾的資料
衡鑑結果常彼此矛盾。一份自陳量表(MMPI-2)可能落在正常範圍內,而一份投射測驗(Rorschach)卻揭露現實檢驗的嚴重退化。AI 傾向把這種不一致打發為「資料錯誤」或「複雜的側面圖」。專家卻把這份落差本身視為被掩蓋的痛苦——並詮釋個案多麼努力地在維持社會期許性。詮釋這份矛盾,正是 AI 無法供給的洞察。
文化的細微之處與存在性的理解
形塑痛苦的那些建構,深深植根於文化,而一個主要在彙整式、西方文本上訓練出來的模型,難以掌握其中的特殊性。想想那種「靠自己撐起來」的精神所養成的完美主義式自立;移民家庭橫跨兩套價值體系時內部的忠誠衝突;在嚴格宗教社群中長大的個案所背負的羞恥;那套「要堅強、別抱怨」的準則,讓許多男性直到危機才願就醫;或者由種族化、邊緣化身分所塑成的長期警覺。個案的社會文化世界與存在性關切,承載著超越文字的細微之處。臨床工作者理解的,不只是個案的話語,更是那些話語所來自的世界——並由此指向真正的同理與療癒。
關係本身的療癒力量
最重要的,是治療同盟。讓個案痊癒的,與其說是一份無懈可擊的分析,不如說是被一個願意陪他停留在痛苦裡的人真正理解與承接。無論 AI 的安慰話語多麼動人,它們終究是演算法的輸出。眼神接觸、同理傾聽、以及作為一個安全堡壘,都是不可化約的人性。
3. 與 AI 合作:別競爭——派它上場
那麼我們該如何迎接這波浪潮?結論很清楚。在診斷記憶力上與 AI 競爭毫無意義。相反地,把它聘為一位能幹的助手,讓你的專業更加耀眼。把重複而耗竭的任務交出去,專注於唯有人類能做的高階臨床工作。
精簡文件與紀錄
少有什麼比撰寫會談逐字稿與進展紀錄更快地耗竭一位臨床工作者。把五十分鐘的會談重構並打成文字,可能要花上好幾倍的時間,而它所消耗的精力,正是從個案分析與個案關係中被奪走的精力。這正是 AI 提供最大實際幫助之處。
一個資料導向假設檢驗的工具
當你正為一個複雜的臨床表現形成初步假設時,AI 能浮現相關文獻或提出鑑別清單。最終判斷永遠是你的——但若用作一份檢核表,用來捕捉你可能漏掉的可能性,AI 能磨利診斷的準確度。
強化臨床直覺
當 AI 處理基本的資訊處理時,把奪回的時間與心智頻寬,重新投注於磨利臨床直覺。更仔細地觀察個案的臉。運用督導檢視你的反移情。研讀最新的治療方法。科技愈是進步,人的溫度與深刻的洞察就愈稀缺——也愈珍貴。
結語:冷的工具,暖的心
在生成式 AI 的時代,臨床工作者的角色並未萎縮——而是正在被重新定義。我們曾耗費大量時間擔任資訊蒐集與抄寫的紀錄者,如今則得以自由地專注於最要緊的事:整合資料、照看那個人——作為照護的療癒者與設計者。
從耗竭人的文件工作中抽身,想一想如何把你的臨床洞察發揮到極致。為臨床工作者打造的安全優先 AI 夥伴——負責準確的逐字稿、支援個案概念化、減輕文件負擔——能幫你全然臨在於個案,而非鍵盤。Modalia AI 正是為此而設計:把行政負擔交給機器,好讓你的注意力能停留在唯有你能在的地方。
AI 不是我們的競爭者。讓它扛起紀錄與資料整理。你帶來的,是任何演算法都無法複製的溫暖關注與犀利洞察——而那,正是這個時代真正需要的臨床工作者。
參考資料
- 1.
- 2.
常見問題
在心理衡鑑中,AI 能取代臨床工作者嗎?
不能。AI 擅長模式比對與資料摘要,但它無法讀懂非語言線索、處理移情與反移情、詮釋矛盾的測驗結果,或建立治療同盟。這些仍屬臨床工作者的領域。AI 最好用作助手,而非替代品。
當個案帶著 AI 自我診斷前來時,我該如何回應?
把它當作臨床素材,而非威脅。先肯認個案試圖理解自己的努力,再探索那個標籤對他意味著什麼、為何引起共鳴。運用你完整的衡鑑——病史、觀察與關係——發展出一份演算法無法產出的整合性概念化。
把 AI 納入臨床工作,有哪些安全又有用的方式?
把重複的行政任務交出去:草擬會談逐字稿與進展紀錄、浮現相關文獻、生成鑑別檢核表以捕捉被漏掉的可能性。所有臨床判斷保持由人掌握,選擇能保護個案資料的安全優先工具,並把奪回的時間重新投注於督導與臨床直覺。
為什麼 AI 在衡鑑的文化細微之處上會力有未逮?
主要在彙整式、且常為西方文本上訓練的模型,會錯過痛苦的生命特殊性——完美主義式自立、移民家庭的忠誠衝突、宗教羞恥、男性堅忍規範,或由邊緣化身分所塑成的警覺。臨床工作者在脈絡中詮釋這些建構,而這對準確的概念化與真正的同理至關重要。
本文依據 Modalia AI 臨床指引撰寫與審閱,並在發布前經過專業人員的人工審核。


