如何判断AI心理产品的研究证据与商业价值

“AI心理产品有效”不是一个可检验的结论。治疗工具可能主张减轻症状；转介入口可能主张让更多人进入服务；陪伴产品可能主张缓解当下孤独；安全机制则主张降低特定风险。购买前先写下目标人群、使用情境、产品与模型版本、对照方式、主要结果和观察时长。若这六项无法对应到一篇研究，‘有论文’仍不足以证明当前售卖版本的当前主张。

证据强度取决于问题而非论文标签：随机试验更适合检验指定干预下的效果，运营观察更贴近真实流程却易受同时发生的服务变化影响，模拟审计能系统寻找失败模式而不能估计现实伤害发生率。四类研究不可用一个百分比排高低。

2025年发表的Therabot随机试验纳入210名有显著抑郁、焦虑症状或进食障碍高风险的成年人，分配至四周聊天机器人干预或候诊名单对照。它直接测试特定研究系统在特定人群和时间窗内的症状变化，比单臂用户满意度更能支撑治疗效果讨论。

但候诊对照不是面对面治疗、其他数字干预或等时长普通聊天。研究样本、纳入排除条件、专业监督、依从性及后续随访共同限定外推范围。采购者应要求主要结局的组间差异、失访与不良事件定义、预注册方案及已售版本与试验版本的对应表；不能从这项试验推断所有生成式聊天产品都可替代治疗师。

2024年Nature Medicine的英国NHS多站点观察研究评估AI自转介聊天工具，涉及129,400名患者。实施服务的转介量较基线增长15%，匹配对照服务增长6%。这提示数字入口可能改变求助可及性；它测的是服务流程，不是使用者症状改善，更不是算法独立贡献的随机试验估计。

采购价值要沿完整漏斗核算：合格转介、完成评估、进入适宜治疗、等待时间、人工复核负担、退出者及不同群体的可及性。NICE于2025年允许Limbic Access和Wysa Digital Referral Assistant在英国NHS特定条件下边生成证据边使用，同时明确仍需补齐临床决策、行政负担、时间和成本证据；这不是无条件常规采用，也不自动适用于其他国家。

2026年SIM-VAIL论文用30种模拟用户画像、9个目标聊天机器人进行810段多轮对话审计。研究观察到令人担忧的回应会随脆弱性、意图和对话轮次变化；一次得体回复不能保证随后仍安全。它给采购者的实用启发是要求版本固定、覆盖不同语言与场景的多轮测试，记录升级人工和事后纠偏是否有效。

这些对话由模型模拟并由自动评分器评价，虽有临床人员参与验证，仍不是现实用户不良事件率。论文还说明审计的是通过API访问的目标模型，不等同部署后带系统提示、界面和安全中间件的成品。因此要把模拟审计与真实事件报告、人工复核及更新后回归测试并列，不能拿审计分数宣布产品‘零风险’。

2026年Psychological Science的四国成年人12个月纵向研究发现，更多社交聊天机器人使用可预测之后更高的单题情绪隔离感；较低社会连接感也可预测之后更多使用。作者强调分析具有探索性，不能据此断言使用造成孤独。其测量对象和结局也不同于治疗试验中的临床症状。

陪伴产品若强调价值，应分别呈现即时体验、持续使用、现实人际连接和长期福祉。高留存既可能表示得到帮助，也可能表示难以离开；需要预先约定何种结果算受益，何种依赖或社交替代信号触发复核。观察关联不能被改写成‘AI陪伴必然有害’，用户好评也不能替代长期追踪。

公司官网、销售材料或研究目录可以说明产品自称的用途、客户和功能，却不自动构成独立疗效证据。逐条建立‘原话—证据—产品版本—适用人群—利益关系’对应表；研究若由开发方参与或资助，应披露，不因此一概否定，也不把公司估算冒充独立测量。美国FTC的健康产品营销指导强调客观健康主张须有与主张相称的科学依据；它是美国营销指导，不是全球统一认证。

商业价值同样要指定买方与替代方案：机构可能为完成更多适宜评估、减少重复录入或提高服务可及性付费；消费者可能为便利和主观支持付费。合同金额、毛利、续约、转介转化与临床获益是不同指标。公开论文不能证明某公司当前收入或单位经济性；缺少可审计合同和成本数据时，只能提出待验证的采购假设。所谓‘节省时间’也要说明节省的是哪一岗位、哪一环节，是否把工作转移给其他人员。

先按产品主张选择证据门槛，再看证据是否覆盖真实部署。治疗主张需要合适对照、预先指定的临床结局与更长随访；转介主张需要服务层面的匹配比较和后续治疗路径；安全主张需要模拟压力测试加真实世界事件机制；陪伴主张需要长期、多维福祉指标。WHO关于健康领域大模型的指导还提醒关注隐私、自主性、偏差和部署后审计。

会改变判断的证据包括：独立复现方向相反；产品升级后旧研究无法映射；获益只出现在高度筛选人群；失访者或弱势群体结果更差；真实部署的人工负担、风险事件或总成本超出预期。相反，预注册的多点复制、明确的版本对应、公开负面结果及可审计的成本与续约数据，会提高可信度。以下清单应在购买或发布健康主张之前索取，而不是事后补写。建议在试点前写明停止条件和复核负责人：出现预定义风险、关键群体掉队或成本超过上限时，暂停扩张并审查记录。续约时重新核对模型版本与用途，不把首年试点报告自动沿用为长期证明。