1 Introduzione

Gli agenti di Intelligenza Artificiale (IA) generativa basati su modelli linguistici di grandi dimensioni (LLM), come ChatGPT, Gemini e Deep Seek, sono diventati sempre più popolari, con modalità d’uso che vanno dalla scrittura, revisione, sintesi e traduzione di testi a compiti più complessi di organizzazione, ricerca e intrattenimento (Chatterji et al. 2025; Maslej et al. 2025). Una modalità d’uso emergente (e piuttosto controversa) consiste nel rivolgersi ad agenti di IA per chiedere consigli relazionali e supporto terapeutico per problemi di salute mentale. In un’indagine rappresentativa a livello nazionale negli Stati Uniti, il 13.1% della popolazione giovane (12–21 anni) ha dichiarato di usare l’IA generativa per ottenere consigli sulla salute mentale (McBain et al. 2025). Gli studi su popolazioni cliniche rivelano una prevalenza più elevata dell’uso dell’IA: il 48.7% delle persone adulte in trattamento (18–80 anni) ha dichiarato di ricorrere agli LLM per ottenere supporto terapeutico (Rousmaniere et al. 2025). Le ricerche che esaminano i dati delle conversazioni di ChatGPT indicano che, sebbene gli argomenti di interazione più comuni fossero l’orientamento pratico, la scrittura e la ricerca di informazioni (78% di tutti i messaggi), la ricerca di consigli e di orientamento era particolarmente elevata, pari al 49% dei messaggi (Chatterji et al. 2025).

Dato il crescente interesse e la crescente domanda del pubblico per l’uso dell’IA come supporto alla salute mentale, si sono moltiplicate le app commerciali di terapia tramite IA che erogano interventi per la salute mentale basati sulle evidenze e che contano un ampio bacino di utenti. Per esempio, la principale app di terapia tramite IA, Wysa, conta circa 4,5 milioni di utenti in oltre 65 paesi e ha stretto numerose partnership con datori di lavoro in tutto il mondo (Baldry 2022). Gli studi documentano che chi usa queste app riferisce un’elevata soddisfazione, costruisce nel tempo un’alleanza terapeutica con l’IA che svolge il ruolo di terapeuta (Beatty et al. 2022) e le percepisce come prive di giudizio e di etichette, apprezzandone al contempo la disponibilità costante a basso costo (Chaudhry and Debi 2024).

Nonostante le recensioni positive delle persone che usano app di terapia tramite IA e di chi sostiene l’uso dell’IA in psicoterapia¹, che ne sottolineano l’accessibilità, la convenienza economica e l’immediatezza, la ricerca che esamina gli esiti dell’uso dell’IA per la salute mentale racconta una storia diversa. Le meta-analisi sull’efficacia delle app di terapia tramite IA per i problemi generali di salute mentale (He et al. 2023), così come per sintomi specifici quali depressione e ansia (Zhong et al. 2024), hanno prodotto risultati contrastanti, con dimensioni dell’effetto comprese tra 0.19 e 0.62. Sebbene la psicoterapia basata sull’IA fornisca un rapido sollievo dai sintomi (Balan et al. 2024; Li et al. 2023), i miglioramenti non si mantengono nel lungo periodo (Zhong et al. 2024). Occorrono quindi ulteriori ricerche che esplorino la qualità degli agenti di IA, al di là della valutazione soggettiva, nonché gli esiti diretti e indiretti del loro uso a fini terapeutici. Persistono inoltre preoccupazioni riguardo alla riservatezza, alla protezione dei dati, ai rischi per la persona in caso di bisogni clinici intensi e alla limitata competenza culturale (Maslej et al. 2025; McBain et al. 2025; Rahsepar Meadi et al. 2025).

Il presente studio intende colmare queste lacune della letteratura esplorando le valutazioni, da parte di figure di supervisione clinica, delle abilità e delle competenze di un modello GPT addestrato, in una prospettiva sistemica. Anche l’enfasi sull’orientamento sistemico è intenzionale. La maggior parte della letteratura esistente sull’uso di agenti di IA a fini terapeutici si è concentrata su approcci manualizzati e basati su protocolli, come i modelli di terapia cognitivo-comportamentale, data la facilità di addestrare gli agenti di IA su di essi grazie alla loro natura standardizzata (He et al. 2023; Li et al. 2023; Zhong et al. 2024). Tuttavia, rapporti recenti mostrano che molte persone si rivolgono all’IA soprattutto per consigli relazionali (American Psychological Association 2025), il che rende sempre più importante esaminare quanto bene i modelli di IA sappiano erogare interventi orientati alle dinamiche di coppia e familiari, un ambito che ha ricevuto scarsa attenzione da parte della ricerca.

1.1 Il processo terapeutico tra esseri umani e IA

I progressi tecnici dei sistemi di IA conversazionale hanno permesso agli LLM di generare risposte che somigliano molto ai processi terapeutici, tra cui il rispecchiamento empatico, la normalizzazione e la validazione emotiva (Scholich et al. 2025). Gli LLM hanno mostrato la capacità di riconoscere stati emotivi a partire da testi, voci e immagini, dando prova di una forma di empatia cognitiva (Başer et al. 2025; Yirmiya and Fonagy 2025). I risultati empirici indicano che le persone che interagiscono con ChatGPT per ottenere supporto emotivo e per la salute mentale riferiscono di sentirsi emotivamente connesse e attribuiscono all’IA qualità tipiche di chi fa terapia, come professionalità, affidabilità e una presenza premurosa e validante (Luo et al. 2025). In alcuni casi, chi riceveva le risposte ha riferito che quelle generate dall’IA erano più di sostegno rispetto a quelle fornite da persone non professioniste (per es., Elyoseph et al. 2023; Yin et al. 2024). Questi risultati suggeriscono che il dialogo terapeutico generato dall’IA può essere percepito come emotivamente sintonizzato e di sostegno.

Nonostante queste capacità, la capacità emotiva e la connessione percepite che l’IA dimostra differiscono da quelle delle connessioni umane. L’empatia generata dall’IA viene definita pseudo-empatia: le mancano la comprensione esperienziale, l’impegno relazionale, l’intuizione emotiva e quindi un’autentica empatia affettiva (Yirmiya and Fonagy 2025). Questa distinzione rende i sistemi di IA incapaci di reciprocità relazionale, di controtransfert e di sintonizzazione incarnata, tutti elementi che caratterizzano le relazioni terapeutiche efficaci (Yirmiya and Fonagy 2025). Inoltre, la psicoterapia è teoricamente eterogenea e profondamente relazionale, il che rende difficile definire o standardizzare la competenza terapeutica (Grodniewicz and Hohol 2023). Queste complessità sono particolarmente rilevanti per agenti non umani, che potrebbero imitare linguisticamente le dimensioni relazionali e culturalmente sensibili della terapia senza comprenderne appieno il significato e gli attributi associati.

La competenza che le persone attribuiscono agli agenti di IA può mascherarne i limiti fondamentali, sollevando preoccupazioni etiche circa la sovrastima della capacità terapeutica dell’IA (Barzkar et al. 2025). Quando chi la usa non riesce a distinguere tra il supporto generato dall’IA e una psicoterapia autentica, diventa vulnerabile al «fraintendimento terapeutico» (Khawaja and Bélisle‐Pipon 2023). Questo rischio è particolarmente preoccupante per le popolazioni vulnerabili, come le persone sopravvissute a traumi, poiché le simulazioni dell’IA potrebbero comportare il rischio di creare dinamiche relazionali dannose (Yirmiya and Fonagy 2025). La capacità dell’IA di imitare il linguaggio terapeutico può creare un falso senso di alleanza e di cura (Khawaja and Bélisle‐Pipon 2023), il che evidenzia la necessità di una supervisione professionale e di una valutazione sistematica. Individuare questi rischi soltanto attraverso le percezioni di chi usa questi strumenti è difficile, e sottolinea l’importanza di esaminare come il personale clinico formato valuta le risposte terapeutiche generate dall’IA, in particolare per quanto riguarda l’abilità clinica, i confini etici e la sensibilità culturale. Senza tali valutazioni, diventa difficile distinguere tra le applicazioni di IA che sostengono davvero la salute mentale e quelle che creano un senso di cura pur comportando potenzialmente dei rischi.

Infine, la competenza culturale resta un limite critico dei modelli di IA nei contesti terapeutici (Wang et al. 2025). Le valutazioni cliniche rivelano che gli LLM offrono spesso consigli eccessivamente semplificati, senza tener conto del contesto culturale specifico, delle esperienze vissute o delle realtà situazionali, il che riflette un importante deficit di adattamento al contesto (Iftikhar et al. 2025). Sia chi usa questi strumenti sia la ricerca hanno segnalato problemi di contestualizzazione di questo tipo, in cui le app di terapia tramite IA (per es., Woebot, Wysa) e i chatbot basati su LLM (per es., ChatGPT) non erano in grado di comprendere e interpretare il contesto umano in cui i messaggi erano inseriti e fornivano invece risposte generiche, prevedibili e ripetitive (Chaudhry and Debi 2024; Sarkar et al. 2023). Nel complesso, questi limiti suggeriscono che esaminare le qualifiche degli agenti di IA nei contesti terapeutici richiede anche di valutarne la sensibilità culturale e contestuale.

1.2 L’uso dell’IA nella terapia relazionale

La letteratura individua quattro ambiti chiave in cui l’IA offre potenzialità di impiego nella terapia relazionale: la diagnosi dei problemi di relazione, la previsione della prognosi, il monitoraggio delle reazioni della clientela e l’erogazione del trattamento (Puhlman and Chen 2025). Il presente studio si concentra specificamente su quest’ultimo ambito, l’erogazione del trattamento. Un corpus crescente di evidenze sostiene, più in generale, l’efficacia degli interventi digitali sulle relazioni (Kernová et al. 2025), compresi programmi online consolidati come OurRelationship (Doss et al. 2020). Un limite critico di questi programmi è però la loro dipendenza dal coaching umano per mantenere il coinvolgimento: i tassi di completamento scendono al 6% in assenza di coaching, e il beneficio del coaching viene attribuito alla responsabilizzazione e all’incoraggiamento più che all’abilità clinica (Knopp et al. 2023). Per questo i chatbot di IA e le app di terapia tramite IA sono stati proposti come soluzione per fornire tali interazioni senza consumare risorse umane (Knopp et al. 2023).

Ciononostante, la ricerca sull’uso dell’IA specificamente per la terapia relazionale è ancora agli inizi. Un’eccezione degna di nota è un recente studio controllato randomizzato di Vowels et al. (2025), in cui persone adulte con specifici problemi di relazione sono state assegnate o a una singola sessione con un chatbot o a un compito di scrittura basato sulle evidenze per la rivalutazione del conflitto. I risultati hanno indicato miglioramenti simili in entrambi i gruppi in diversi ambiti, come la soddisfazione relazionale, il coping diadico, la fiducia rispetto al problema specifico e il benessere individuale (Vowels et al. 2025). È stata riscontrata una differenza significativa tra i gruppi nel miglioramento a breve termine dello schema comunicativo richiesta-ritiro, specificamente nella condizione con il chatbot, sebbene questo effetto sia scomparso al follow-up. Pur avendo valutato molto positivamente l’alleanza terapeutica con il chatbot, le persone partecipanti lo hanno anche descritto come robotico, ripetitivo e solo moderatamente simile a un essere umano. Inoltre, il gruppo di ricerca ha sollevato preoccupazioni di sicurezza, osservando che, delle tre conversazioni che avevano richiesto un follow-up di sicurezza, una era stata avviata dal chatbot.

Questi limiti riflettono sfide più ampie nell’applicazione dell’IA ai contesti relazionali. Puhlman and Chen (2025) hanno individuato tre sfide interconnesse. In primo luogo, la difficoltà di accedere a dati conversazionali sufficienti provenienti da contesti di terapia di coppia e familiare, necessari per l’addestramento dell’IA. In secondo luogo, data la complessità e la natura dinamica delle strategie terapeutiche, è difficile integrare le conoscenze cliniche nell’addestramento dell’IA. In terzo luogo, non è possibile spiegare perché un modello abbia prodotto una determinata risposta, il che rende difficile valutare se l’output fosse clinicamente appropriato o eticamente solido. Così, sebbene l’IA sia promettente per la terapia relazionale, la tecnologia non è ancora sufficientemente sviluppata per funzionare in modo affidabile in questo contesto. Nel contesto delle coppie e delle famiglie, queste lacune rischiano di amplificare le incomprensioni o di inasprire il conflitto anziché alleviarlo (Puhlman and Chen 2025).

Al di là dei limiti tecnici e clinici sopra descritti, l’integrazione dell’IA nella terapia relazionale pone interrogativi importanti sul futuro del campo della Terapia di coppia e familiare (CFT). Secondo Hertlein and Springer (2026), l’IA è già integrata in molte piattaforme di telemedicina e in molti sistemi software utilizzati in ambito CFT, il che rende l’alfabetizzazione all’IA essenziale per una pratica efficace ed etica. Sostengono che l’IA si sia evoluta oltre il ruolo di semplice strumento e agisca ora come un terzo partecipante all’interno del sistema terapeutico. Questa evoluzione richiede a chi pratica la CFT di riflettere su come incorporare l’IA preservando i propri approcci sistemici e relazionali e i propri obiettivi di trattamento. Il contributo sottolinea inoltre che, se la professione non si confronta in modo proattivo con l’IA e non ne orienta l’applicazione nei contesti relazionali, il suo uso potrebbe non essere in linea con gli standard relazionali e sistemici del nostro campo. Di conseguenza, chiede lo sviluppo di norme regolamentari specifiche del settore e di ricerche empiriche che orientino un uso responsabile dell’IA nella terapia relazionale.

1.3 Il presente studio

Nel tentativo di affrontare questi limiti della letteratura, l’obiettivo del presente studio è esaminare le interazioni tra IA ed essere umano durante una seduta simulata e valutare la qualità dei micro-interventi generati dall’IA attraverso le valutazioni di figure esperte di supervisione clinica in CFT. A tal fine, le figure di supervisione (che non conoscevano lo scopo dello studio) hanno esaminato la trascrizione della seduta simulata e valutato le abilità terapeutiche, la competenza e la sensibilità culturale della cosiddetta «figura terapeutica». Le domande di ricerca erano le seguenti: (1) Quali sono le abilità e i micro-interventi più frequentemente utilizzati da un agente di IA con formazione sistemica nell’affrontare un problema relazionale? (fedeltà ai principi della terapia sistemica). (2) Secondo le figure di supervisione clinica, quanto è competente l’agente di IA nell’erogare interventi sistemici? (aderenza: competenza clinica). (3) Secondo le figure di supervisione clinica, quanto è competente l’IA nell’erogare micro-interventi con sensibilità e consapevolezza culturali? (competenza culturale). (4) Quali punti di forza e quali aree di crescita individuano le figure di supervisione clinica per l’agente di IA?

Abbiamo ipotizzato che il GPT (un agente di IA che il gruppo di ricerca ha addestrato alle teorie, alle abilità e agli interventi della CFT) avrebbe mostrato un’elevata fedeltà ai principi sistemici (H1) e un’elevata competenza nelle abilità di base del colloquio, come validare, rispecchiare e riassumere (H_2a). Ci aspettavamo che il GPT ottenesse risultati scarsi negli ambiti di competenza clinica più complessi, come il joining, le domande relazionali, il reframing relazionale e l’interpretazione relazionale (H_2b). Quanto alla competenza culturale, ci si aspettava che il GPT faticasse a mantenere l’imparzialità, a causa di un’enfasi eccessiva sulla sintonizzazione e sulla validazione della persona utente per prolungarne il coinvolgimento, e a dimostrare curiosità e umiltà rispetto alla cultura (H₃). Per la domanda di ricerca 4, relativa ai punti di forza e alle aree di crescita dello strumento di IA, le ipotesi erano esplorative e aperte, poiché le figure di supervisione clinica differiscono per orientamento clinico e stile di supervisione.

2 Metodi

2.1 Procedure dello studio

Per la seduta simulata abbiamo reclutato una persona volontaria che intrattenesse un dialogo scritto con il chatbot. Per poter partecipare, la cliente volontaria doveva avere più di 18 anni, avere una relazione sentimentale stabile da almeno 3 mesi, avere già esperienza nell’uso di chatbot basati su LLM ed essere disposta a usarli per ottenere consigli relazionali, e aver seguito in passato una psicoterapia individuale. Sono stati esclusi dallo studio la popolazione studentesca di psicologia dei corsi di laurea e post-laurea, il personale della salute mentale con un titolo clinico o una qualsiasi formazione specifica, le persone con una diagnosi psichiatrica e chi subiva violenza da parte del partner nella relazione attuale. Lo studio è stato pubblicizzato tra la popolazione studentesca post-laurea della Koç University (Istanbul, Turchia), e le persone potenzialmente interessate sono state indirizzate allo studio attraverso le reti di conoscenze della popolazione studentesca. Dopo la verifica dei requisiti, la prima autrice ha incontrato la cliente volontaria idonea, le ha spiegato le procedure dello studio, ne ha ottenuto il consenso e si è assicurata che non rivelasse al chatbot alcuna informazione personale identificativa (per es., nomi, luoghi). La volontaria è stata informata che il chatbot era progettato per un dialogo su questioni relazionali e che poteva parlare di un problema recente e tuttora in corso nella sua relazione sentimentale attuale. Per evitare possibili danni, le è stato chiesto di informare la ricercatrice qualora durante la conversazione fossero emersi problemi come linguaggio offensivo, indicazioni fuorvianti o consigli diretti sulla sua vita personale. Dopo il consenso informato e brevi istruzioni, la volontaria ha compilato un modulo sociodemografico online e ha interagito con il chatbot per un’ora in una stanza tranquilla, tramite un computer portatile del laboratorio. Al termine dell’interazione, la cliente volontaria ha completato un’intervista finale online sull’esperienza, è stata informata degli obiettivi dello studio e ha ricevuto, come compenso per il suo tempo, una gift card da 10 dollari.

Dopo l’interazione tra la volontaria e il chatbot, la conversazione è stata trasferita in un documento Word ed esaminata per garantire che non contenesse informazioni identificative. Nel testo, ogni interlocutore è stato identificato come terapeuta o come cliente. Poiché le figure di supervisione non avrebbero conosciuto lo scopo dello studio, sono state apportate piccole modifiche, come l’eliminazione del tempo di elaborazione del GPT, la correzione di refusi e della punteggiatura e la rimozione dal testo di due frasi (una dalla parte dei saluti e un’altra dalla chiusura del dialogo) che rendevano evidente a chi leggeva che l’interazione era avvenuta con un chatbot. Il resto del dialogo è stato mantenuto nella sua forma originale e occupava otto pagine solo fronte.

Un campione di convenienza di figure di supervisione clinica in CFT è stato reclutato attraverso il passaparola e le reti personali e professionali del gruppo di ricerca. Sono state invitate a partecipare allo studio per esaminare una seduta trascritta e valutare, sulla base del testo, le abilità cliniche e le competenze culturali di chi conduceva la seduta. Tutte hanno letto la stessa trascrizione, e la valutazione si è basata su un’unica seduta, perché lo studio pilota mirava a esaminare le variazioni nelle valutazioni di supervisione, e non il cambiamento nel corso delle sedute o la varianza tra clienti. Per poter partecipare, era necessario avere almeno 18 anni, almeno 5 anni di esperienza di supervisione in CFT e un orientamento terapeutico sistemico nel proprio lavoro clinico e di supervisione. Durante il reclutamento sono state invitate figure di supervisione che aderivano a diversi modelli di psicoterapia sistemica, per garantire l’eterogeneità dei dati e la diversità di opinioni sulla prestazione del chatbot. A chi era idoneo e aveva manifestato interesse a partecipare sono stati inviati un modulo di consenso online, un link a un questionario Qualtrics e la trascrizione. Le persone partecipanti avevano 2 settimane per rispondere al questionario e hanno ricevuto, come compenso per il loro tempo, una gift card da 10 dollari. Dopo la conclusione della raccolta e dell’analisi dei dati, abbiamo fornito alle figure di supervisione le informazioni sullo studio: abbiamo comunicato che a condurre la seduta era un modello GPT addestrato a erogare interventi sistemici, abbiamo spiegato le ragioni dello studio e il motivo per cui era stato condotto alla cieca, e abbiamo condiviso i risultati descrittivi. Tutte le procedure dello studio sono state approvate dal Comitato etico istituzionale della Koç University (protocollo n. 2026.050.IRB3.025) prima dell’avvio dello studio.

2.2 Partecipanti

La volontaria della seduta simulata era una studentessa post-laurea di 24 anni, cisgender ed eterosessuale, iscritta a un indirizzo di studi estraneo alla psicologia e priva di qualsiasi formazione specifica in salute mentale. Aveva una relazione sentimentale stabile da 2,5 anni e riferiva problemi di comunicazione. Ha riferito di aver frequentato in passato tre sedute di psicoterapia individuale e di averle trovate utili ed efficaci, con un punteggio di 4 su una scala da 1 (inutili e inefficaci) a 5 (molto utili ed efficaci). Usava l’IA quasi ogni giorno, soprattutto per scopi accademici, come fare ricerche su un argomento, sintetizzare evidenze e ricevere assistenza nella scrittura. Non aveva mai usato l’IA per consigli sulla propria relazione.

La dimensione campionaria prevista prima della raccolta dei dati era di 10 figure di supervisione clinica. Tale dimensione è stata stabilita in base alla regola empirica della ricerca qualitativa e dei piccoli studi pilota, secondo cui sono necessarie almeno 10 persone partecipanti per generare dati significativi (Braun et al. 2019). Dato che in Turchia esiste solo una manciata di figure esperte di supervisione clinica formate in terapia di coppia e familiare e in supervisione sistemica, con più di 5 anni di esperienza di supervisione e con le relative abilitazioni e qualifiche, un campione di 10 persone sembrava realistico per uno studio pilota. Abbiamo invitato 17 figure di supervisione clinica a partecipare allo studio; due hanno declinato per impegni e motivi personali. Delle 15 che hanno accettato, 12 hanno completato il questionario. Le figure di supervisione clinica (N = 12) avevano in media 45.08 anni (SD = 8.9), e la maggior parte erano donne (n = 10; 83.33% contro due uomini, 16.67%). Due terzi del campione avevano un dottorato (n = 8; 66.67%), mentre le restanti avevano una laurea magistrale o un master (n = 4; 33.33%). Hanno riferito in media 18.5 anni di esperienza clinica (SD = 7.26) e 10.92 anni di esperienza di supervisione (SD = 4.78). L’intero campione si riconosceva nella terapia di coppia e della famiglia praticata in un’ottica sistemica. Per il loro lavoro clinico e di supervisione hanno riferito di utilizzare i seguenti approcci: terapia focalizzata sulle emozioni (n = 2), esperienziale di Satir (n = 2), strategico (n = 2), psicodinamico/sistemi familiari interni (n = 2), femminista (n = 2), narrativo (n = 1) e altri approcci sistemici (n = 1). I principali ambiti di competenza e di specializzazione comprendevano le coppie ad alta conflittualità, l’infedeltà, il trauma e i problemi relazionali, seguiti dai problemi di attaccamento e di salute mentale (depressione e ansia). Le persone partecipanti svolgevano attività di supervisione in più contesti contemporaneamente, come il proprio studio privato (n = 10), i tirocini presso i centri clinici universitari di formazione (n = 9), i workshop di formazione continua (n = 6) e i tirocini esterni (n = 2). Avevano quindi esperienza nel supervisionare il lavoro terapeutico di persone con livelli di esperienza clinica molto diversi, da chi muoveva i primi passi nei corsi post-laurea a chi esercitava da lungo tempo.

2.3 L’addestramento del GPT sistemico

Lo sviluppo del GPT sistemico ha seguito un processo in quattro fasi: preparazione, prompt engineering, test pilota e perfezionamento, finalizzazione. Durante la fase di preparazione abbiamo esaminato le linee guida di OpenAI per la configurazione dei GPT, consultato un informatico sulla progettazione dei prompt ed esaminato i prompt riportati in precedenti studi di coaching e di interventi per la salute mentale basati su GPT. Il GPT è stato addestrato con una raccolta selezionata di risorse, tra cui le competenze di base e le linee guida etiche dell’AAMFT, manuali e trattati di CFT, quaderni di teoria e pratica della CFT, letteratura sulla sensibilità interculturale e sui fattori terapeutici comuni, e pubblicazioni che descrivono interventi sistemici con clienti individuali (si veda il File S1 per l’elenco completo delle risorse e dei riferimenti).

La fase di prompt engineering ha comportato lo sviluppo iterativo di un GPT Plus con livello di intelligenza 5.4, in modalità di ragionamento esteso. Nei test pilota le prime versioni mantenevano male l’ottica sistemica; il problema è stato migliorato aggiungendo come risorse sei trascrizioni di sedute tratte da podcast disponibili pubblicamente online. Inoltre, i prompt sono stati riformulati come istruzioni comportamentali basate su regole, schemi di risposta condizionali (per es., se succede ___, vai alla risorsa ___ e fai ____), flussi di lavoro terapeutici espliciti (per es., come aprire, mantenere e chiudere la seduta) ed esempi di comportamenti accettabili e inaccettabili da parte di chi fa terapia (per es., terminare la seduta in caso di rischio imminente per la sicurezza e indirizzare la persona a ___). Il modello è stato istruito a esplorare gli schemi relazionali, le esperienze nella famiglia d’origine, i processi emotivi e i cicli interazionali. Nella fase finale abbiamo ampliato i protocolli etici e di sicurezza relativi alla suicidalità, all’abuso, alla violenza e al controllo coercitivo. Nelle situazioni a rischio significativo, il modello era istruito a sospendere la seduta e ad attivare un protocollo di sicurezza. Il processo di addestramento ha richiesto circa 2,5 mesi e si è basato esclusivamente su prompt engineering iterativo, molteplici test pilota, revisione dei prompt e ampliamento delle risorse di supporto. Non sono stati impiegati condizionamenti comportamentali né procedure tradizionali di riaddestramento tramite machine learning. Il File S1 fornisce tutti i dettagli del processo a fini di trasparenza e replicabilità.

2.4 Strumenti

2.4.1 Moduli sociodemografici

Il modulo sociodemografico della volontaria conteneva item relativi a età, sesso, precedente esperienza di terapia (numero di sedute frequentate, modalità delle sedute, soddisfazione per la terapia ed efficacia percepita, valutate da 1 —bassa soddisfazione— a 5 —alta soddisfazione), nonché alla frequenza e ai motivi dell’uso di agenti di IA. Il modulo sociodemografico destinato alla supervisione comprendeva item sulle qualifiche (ultimo titolo conseguito, anno di conseguimento), sull’esperienza clinica e di supervisione (contesto, ore di contatto, certificazioni), sugli ambiti di competenza clinica e sull’orientamento terapeutico.

2.4.2 Moduli per la supervisione

Le figure di supervisione hanno compilato il Cross‐Cultural Counseling Inventory–Revised (CCCI‐R; LaFromboise et al. 1991 ), la Systemic Family Practice Systemic Skills Rating Scale (SFP‐SSRS; Butler et al. 2020) e la Common Factors Supervision Checklist (CFSC; Sprenkle et al. 2009) per valutare, rispettivamente, le competenze culturali, sistemiche e relative ai fattori comuni del modello addestrato. Il CCCI‐R comprende sette item che rilevano la competenza di counseling multiculturale di chi fa terapia, valutati su una scala da 1 (completamente in disaccordo) a 6 (completamente d’accordo). La scala ha mostrato un’elevata coerenza interna (α= 0.91; Drinane et al. 2016). La SFP‐SSRS (Butler et al. 2020) è uno strumento di 12 item che valuta le abilità nella terapia familiare sistemica, come la collaborazione, il pensiero sistemico, le domande, il lavoro sul potere e sulle differenze, la gestione delle emozioni e i processi di cambiamento. Lo strumento è stato originariamente sviluppato come mezzo di valutazione delle competenze per la formazione e la supervisione cliniche e ha mostrato un’elevata coerenza interna (α = 0.95) e un’elevata affidabilità tra valutatori (ICC = 0.94; Butler et al. 2020). Gli item sono valutati su una scala ordinale da 0 (Assenza della caratteristica o uso del tutto inappropriato) a 6 (Prestazione eccellente, anche di fronte a livelli elevati di complessità e di sfida da parte dei membri della famiglia). La CFSC (Sprenkle et al. 2009) è stata originariamente sviluppata per essere utilizzata sia come strumento di supervisione sia come strumento didattico nell’approccio dei fattori comuni alla CFT. Si concentra su aspetti più ampi del trattamento, presenti nei diversi approcci, e comprende cinque sottoscale che valutano le caratteristiche di chi fa terapia, le caratteristiche della clientela, l’alleanza terapeutica, la speranza/aspettativa e gli interventi trasversali ai vari modelli. Nel presente studio abbiamo utilizzato la checklist completa, con item che vanno da 0 (non competente) a 10 (competente).² In tutte le scale standardizzate di supervisione, gli item sono stati valutati in modo che i punteggi più alti indicassero abilità terapeutiche più avanzate.

Le figure di supervisione hanno compilato anche due moduli di valutazione elaborati dal gruppo di ricerca. Uno dei moduli comprendeva nove item che valutavano tecniche sistemiche comuni, come le domande circolari e relazionali, i reframing relazionali e le interpretazioni relazionali. Questi item si basavano su scale di aderenza e di fedeltà terapeutica utilizzate in pratiche di terapia sistemica basate sulle evidenze (Ecologically‐Based Family Therapy Adherence Sheet, Slesnick 2000; Emotionally‐Focused Individual Therapy Adherence Measure, Schafer et al. 2022). Si chiedeva se nella seduta fosse stata utilizzata ciascuna di queste tecniche (sì/no) e poi di valutare con quanta efficacia fosse stata applicata, su una scala a 7 punti da 1 (abilità scarsa/inefficace) a 7 (abilità straordinaria/molto efficace). Inoltre, abbiamo elaborato e utilizzato un modulo di 4 item che valutava in che misura chi conduceva la seduta mantenesse un focus sistemico in un contesto di terapia individuale, per esempio affrontando i cicli relazionali piuttosto che la patologia individuale, comprendendo il contesto relazionale attorno al problema presentato, concentrandosi sul processo piuttosto che sul contenuto e puntando a un cambiamento sistemico e relazionale anziché soltanto individuale. Le risposte sono state misurate con una scala Likert a 5 punti, da 1 (fortemente in disaccordo) a 5 (fortemente d’accordo).

2.4.3 Questionari finali

Sia le figure di supervisione sia la volontaria hanno compilato questionari finali elaborati dal gruppo di ricerca. Gli item destinati alla supervisione esploravano le previsioni sull’età della persona terapeuta, sulla sua esperienza clinica in ore di contatto con clienti, sul livello di istruzione e sull’orientamento terapeutico, insieme a un item aperto che chiedeva ulteriori commenti sulla prestazione (punti di forza e aree di crescita). Nel questionario finale della volontaria, gli item indagavano la soddisfazione complessiva per il GPT (valutata su una scala da 1 —bassa soddisfazione— a 5 —alta soddisfazione), e comprendevano quattro domande aperte sull’esperienza di partecipazione allo studio e sulla percezione della seduta.

2.5 Analisi dei dati

Data la natura esplorativa dello studio e la ridotta dimensione del campione, l’analisi dei dati è stata descrittiva. Abbiamo esaminato le distribuzioni dei punteggi di competenza culturale e clinica, insieme ai punteggi relativi ai fattori comuni, e ne abbiamo calcolato medie, deviazioni standard e intervalli. Inoltre, abbiamo analizzato qualitativamente i commenti delle figure di supervisione alle domande aperte e li abbiamo messi in relazione con i risultati quantitativi.

3 Risultati

3.1 Risultati descrittivi secondo le figure di supervisione clinica

Le figure di supervisione hanno valutato a un livello moderato la prestazione del modello GPT per quanto riguarda la competenza culturale (M = 3.85, SD = 0.81, intervallo 1–6), le abilità di terapia familiare sistemica (M = 3.91, SD = 0.76, intervallo 0–6) e l’integrazione di un orientamento sistemico nella terapia individuale (M = 3.11, SD = 0.37, intervallo 1–5). Tra i fattori comuni, le caratteristiche di chi fa terapia hanno ottenuto i punteggi più alti (M = 6.56, SD = 1.04), seguite dagli interventi trasversali ai vari modelli terapeutici (M = 6.22, SD = 1.48), dall’alleanza terapeutica (M = 6.19, SD = 2.34), dalla speranza e aspettativa (M = 6.00, SD = 1.67) e dalle caratteristiche della clientela (M = 5.81, SD = 1.47), su una scala da 0 a 10.

Per quanto riguarda l’uso delle tecniche sistemiche, tutte le figure di supervisione hanno riferito che nella trascrizione della seduta erano state utilizzate almeno una volta domande relazionali, interpretazioni relazionali e la validazione delle esperienze della cliente (Tabella 1). Su 12 figure di supervisione, 11 (91.7%) hanno osservato che il modello utilizzava domande circolari, reframing relazionali, rispecchiamento e sintonizzazione. Le metafore relazionali sono risultate la tecnica meno utilizzata secondo le loro osservazioni (41.7%, n = 5), seguite dall’esternalizzazione del problema (66.7%, n = 8). L’efficacia delle tecniche sistemiche è stata percepita come relativamente elevata (M = 4.72, SD = 0.65) su una scala da 1 a 7. Il modello GPT è stato giudicato più abile nel porre domande relazionali (M = 5.17, SD = 0.83) e domande circolari (M = 5.09, SD = 0.83), oltre che nel validare e riconoscere le esperienze della cliente (M = 5.00, SD = 1.28).

Nel questionario finale, quando sono state interrogate sulle loro previsioni riguardo a chi conduceva la seduta, una delle figure di supervisione ha identificato la persona terapeuta come un’IA. La maggior parte delle altre ha previsto che avesse tra i 26 e i 35 anni (75.1%, n = 8) e fino a 500 h di contatto con clienti (83.4%, n = 10), mentre solo una (8.3%) le ha attribuito tra 500 e 1000 ore di esperienza clinica (Tabella 2). Quanto alle qualifiche, il 41.7% (n = 5) riteneva che si fosse laureata da poco in un programma di CFT, e il 33.3% (n = 4) la percepiva come una persona di lunga esperienza, uscita da un programma di psicologia clinica, che seguiva una formazione aggiuntiva in CFT. Quanto all’orientamento teorico, più della metà delle figure di supervisione (58.3%) ha ritenuto che praticasse la Terapia Focalizzata sulle Emozioni, mentre il 25% non è riuscito a determinare un orientamento. La Tabella 2 presenta il dettaglio dei risultati descrittivi.

3.2 Commenti e osservazioni delle figure di supervisione clinica

Le risposte delle figure di supervisione sui punti di forza e sulle debolezze di chi conduceva la seduta hanno ulteriormente confermato quanto emerso dai punteggi delle scale. Nel complesso, due di loro (ID 6, una terapeuta EFT, e ID 8, un terapeuta familiare strategico) hanno commentato che il modello era molto abile nel seguire e rispecchiare la cliente, nel mantenere una prospettiva circolare, nell’individuare gli schemi di interazione della coppia e nel restare orientato al processo, nonostante si trattasse di una seduta di terapia individuale. Un’altra figura di supervisione ha commentato che la persona terapeuta comprendeva le emozioni della cliente, era in sintonia con esse e aveva costruito un ambiente sicuro (ID 12, terapeuta esperienziale). Tuttavia, tutte le figure di supervisione hanno espresso preoccupazione per il ritmo della persona terapeuta e per il fatto che non lasciasse alla cliente spazio e tempo per esplorare le proprie dinamiche. Hanno ritenuto che la persona terapeuta assumesse una posizione dominante da esperta, troppo concentrata sulla tecnica anziché sul processo. Chi praticava la terapia familiare femminista lo ha interpretato come un segno di mascolinità e di sguardo maschile. Una partecipante ha scritto:

La persona terapeuta appariva piuttosto attiva e a volte proponeva inquadramenti che potevano essere difficili da seguire, senza dare sempre la priorità all’ascolto della cliente e al monitoraggio dell’impatto emotivo dei propri interventi. Ascolta con attenzione e in modo circolare, ma concedere più tempo per osservare la connessione/relazione terapeutica e ciò che la cliente prova, non porre subito un’altra domanda dopo un’interpretazione ed evitare un focus esclusivamente tecnico potrebbero essere aree di sviluppo. Ho pensato anche che valesse la pena esplorare se il ruolo della cliente di «non essere pretenziosa» sia legato alla socializzazione di genere e se vi sia uno squilibrio nel lavoro emotivo. (ID 5, donna, terapeuta familiare femminista)

Le figure di supervisione hanno inoltre spiegato che mettere fretta alla cliente nel processo, essere troppo attiva e dominante, può avere conseguenze dannose sia per la cliente sia per il processo terapeutico stesso. Una partecipante ha osservato: «La persona terapeuta chiede alla cliente di scegliere tra alcune emozioni che ritiene appropriate, invece di usare domande aperte nell’esplorare i suoi sentimenti. Questo può portare la persona terapeuta a orientare le emozioni reali della cliente o a non coglierle» (ID 2, donna, terapeuta familiare strategica). Un’altra ha avvertito che, a causa del problema di ritmo, la persona terapeuta non esplorava le questioni sottostanti più profonde, e ha osservato: «Ho pensato che alcune interpretazioni empatiche rischiassero di restare meramente interpretative e potessero essere scomposte in parti più piccole. Anche l’uso frequente della validazione è stato molto positivo, anche se avrebbe potuto essere più radicato se fosse stato collegato alla storia di attaccamento della cliente. Forse la persona terapeuta non ha ancora abbastanza informazioni per farlo. Nelle prime sedute potrebbe essere utile dare più spazio all’esplorazione prima di passare alla validazione e all’interpretazione» (ID 6, donna, terapeuta EFT). Una terapeuta esperienziale di orientamento satiriano (ID 12) ha inoltre sottolineato che la seduta sembrava decontestualizzata e ha scritto: «Dal punto di vista del Modello Satir, c’è stata scarsa attenzione al sistema interno orientato al corpo e alla sua esplorazione. Anche il contesto culturale avrebbe potuto essere esplorato di più. A tratti le interpretazioni della persona terapeuta rischiavano di interrompere il processo di scoperta della cliente stessa: la persona terapeuta poteva talvolta risultare eccessivamente interpretativa e potrebbe lasciare più spazio all’esplorazione della cliente».

Nel complesso, le figure di supervisione hanno osservato che la persona terapeuta padroneggiava alcune tecniche, ma non era in grado di approfondire il processo terapeutico e non permetteva alla cliente di esplorare e crescere. Una di loro ha sottolineato che la persona terapeuta usava più parole e interpretazioni della cliente; era come se la cliente fosse poco coinvolta (ID 8). Infine, due figure di supervisione hanno espresso frustrazione nei confronti della persona terapeuta: una ha capito che si trattava di un’IA e non è riuscita a immergersi nella storia (ID 10, donna, terapeuta familiare psicodinamica), l’altro ha commentato che la seduta era mediocre (ID 11, uomo, terapeuta familiare strategico). Quest’ultimo ha dichiarato: «Ho trovato difficile valutare le abilità della persona terapeuta seguendo una trascrizione scritta. Il testo sembrava rappresentare un andamento terapeutico medio nel modo più appropriato possibile. A volte facevo fatica a distinguere se riflettesse una seduta di terapia spontanea o uno scenario fittizio», lasciando intendere che potesse trattarsi di un’IA o semplicemente di una finzione. In sintesi, i punteggi delle figure di supervisione clinica alle scale standardizzate e i loro commenti scritti convergono sulla premessa che la persona terapeuta abbia dimostrato alcune abilità di base del colloquio in terapia sistemica, ma sia rimasta in superficie, al livello di una seduta media condotta da una persona terapeuta alle prime armi.

Mentre le figure di supervisione hanno giudicato la seduta nella media, la cliente volontaria ha avuto una visione dell’esperienza ben diversa. Ha valutato la sua soddisfazione complessiva per il GPT con un 5 (molto soddisfatta) e ha raccontato che era la prima volta che usava l’IA per consigli relazionali e di essere rimasta piacevolmente sorpresa dalle intuizioni ricavate durante l’interazione con il modello addestrato. Ha sentito che il modello la aiutava a riflettere sulle dinamiche relazionali in corso con il partner e a comprenderle. Interpellata sulle somiglianze e sulle differenze rispetto alla sua precedente esperienza di terapia, la volontaria ha ritenuto che il GPT ponesse domande in modo simile a chi fa terapia, ma fosse meno direttivo e meno orientato al compito di una persona terapeuta in carne e ossa. Come area di crescita, la volontaria ha suggerito che le risposte del GPT potessero essere più lunghe ed esaustive: un suggerimento del tutto opposto a quelli delle figure esperte di supervisione.

4 Discussione

Questo studio ha esaminato la competenza clinica e culturale di un modello ChatGPT addestrato agli interventi sistemici, così come valutata da figure esperte di supervisione clinica a partire da una seduta simulata di terapia individuale. Per quanto ci risulta, un solo studio precedente (Vowels et al. 2025) ha sviluppato un chatbot specificamente per la terapia relazionale, e il presente studio si aggiunge alla letteratura emergente sullo sviluppo e sulla valutazione della terapia tramite IA, concentrandosi sulle sue qualifiche e competenze in linea con i principi della terapia sistemica. Nel complesso, la maggior parte delle figure di supervisione del presente studio ha identificato chi conduceva la seduta come un profilo clinico a inizio carriera, e solo una l’ha identificato come un’IA. Dal punto di vista della cliente volontaria, l’esperienza è stata descritta come utile per comprendere le proprie dinamiche relazionali. Ciò solleva una questione importante sul rapporto tra la qualità clinica e il supporto percepito del modello.

La prima domanda di ricerca esaminava la gamma e la frequenza dei micro-interventi sistemici utilizzati dal modello GPT. Le valutazioni di supervisione hanno confermato che il GPT ha dispiegato l’intera gamma delle tecniche sistemiche, comprese le domande relazionali, le interpretazioni relazionali, le domande circolari, i reframing relazionali, il rispecchiamento e la validazione. Questo risultato concorda con lavori precedenti che mostrano come gli LLM sappiano rispondere con validazione, normalizzazione e rispecchiamenti empatici (Scholich et al. 2025), ed estende questi risultati all’ambito relazionale e sistemico. Tuttavia, le figure di supervisione hanno anche riferito che il modello GPT era dominante e si concentrava troppo sulla tecnica. Un numero crescente di ricerche documenta che le persone attribuiscono agli agenti di IA qualità tipiche di chi fa terapia e spesso li percepiscono come competenti e di sostegno emotivo (per es., Elyoseph et al. 2023; Yin et al. 2024), ma le interazioni tra esseri umani e IA riflettono ancora una pseudo-empatia (Yirmiya and Fonagy 2025). Sebbene i nostri risultati quantitativi suggeriscano che l’IA sia stata in grado di fornire interventi e tecniche sistemici, i commenti della supervisione hanno rivelato che queste abilità apparivano competenti sul piano tecnico ma davano l’impressione di una pseudo-terapia, come dimostra il fatto che le figure di supervisione abbiano descritto la seduta come poco reale, generica e priva di un’autentica profondità relazionale. Sembra che gli agenti di IA possano essere addestrati ad applicare tecniche sistemiche, ma non riescano a cogliere l’importanza di stabilire una relazione terapeutica autentica e significativa attraverso una curiosità genuina per le esperienze della clientela. Le domande esplorative, di chiarimento, di riscaldamento, di approfondimento, di sondaggio delicato o indirette proprie delle persone terapeute umane erano assenti nell’IA, nonostante i nostri tentativi di includere prompt specifici. Anche quando il GPT poneva domande di approfondimento, queste sembravano talvolta più strutturate che naturalmente relazionali. Ciò è importante perché la competenza terapeutica non consiste soltanto nell’applicare tecniche, ma anche nel rispondere, momento per momento, ai bisogni emotivi e relazionali della persona (Hatcher 2015).

La seconda domanda di ricerca esaminava la competenza clinica del modello GPT nell’erogare gli interventi sistemici. I risultati hanno confermato in parte le abilità di base del colloquio e le caratteristiche di chi fa terapia, suggerendo che le figure di supervisione lo abbiano percepito come caloroso e premuroso, al livello di un profilo clinico a inizio carriera. Tuttavia, anche con queste abilità sistemiche, hanno notato che lo stile del GPT era a volte chiuso anziché invitare all’esplorazione. Questo risultato era stato osservato anche in lavori precedenti, che documentavano come i chatbot pongano meno domande aperte (Scholich et al. 2025). Negli ambiti di competenza clinica più complessi, le figure di supervisione hanno rilevato i livelli limitati di joining e di ritmo del GPT, che dipendono dalla sintonizzazione terapeutica.

Sebbene, in base ai risultati, l’IA non abbia ottenuto risultati scarsi in nessun ambito di competenza, questi punteggi medi non dovrebbero essere interpretati soltanto come prova di una prestazione adeguata. Per chiarire: nel contesto della terapia condotta da esseri umani, il flusso del dialogo non è in genere un processo perfettamente lineare. I dialoghi che avvengono in terapia comprendono momenti di esitazione, incomprensioni, errori, riparazioni, chiarimenti, vicinanza emotiva, umorismo, complimenti, scambi sociali ordinari e risposte spontanee e creative, tutti elementi che fanno parte della terapia come processo relazionale e conversazionale che si dispiega in modo naturale (Alanezi 2024). Queste fluttuazioni nella conversazione contribuiscono alla naturalezza della terapia e della relazione terapeutica. Anche la nostra esperienza nell’addestramento del GPT ha rispecchiato uno schema simile. Per funzionare bene, il modello GPT aveva bisogno che gli si dicesse esattamente che cosa dire, quando e come dirlo, proprio come chi è alle prime armi nella professione e ha bisogno di indicazioni dirette e chiare. Ciò solleva la questione dell’arte della psicoterapia, che implica spontaneità, creatività e un’autentica connessione umana. Sebbene l’IA potesse essere addestrata agli aspetti tecnici della psicoterapia, le mancava la cosiddetta arte o, come potremmo chiamarlo, il fattore umano.

Per quanto riguarda la terza domanda di ricerca, sulla competenza culturale, i risultati hanno confermato in parte l’ipotesi che il GPT avrebbe avuto difficoltà. Da un lato, le figure di supervisione hanno attribuito al GPT una competenza culturale moderata, il che suggerisce che il modello avesse una certa capacità di sensibilità culturale. Dall’altro, al GPT mancava la sensibilità contestuale più profonda che una competenza culturale efficace richiede. Questo risultato è coerente con altri studi che mostrano come gli LLM possano offrire risposte eccessivamente semplificate e generiche, ignorando lo specifico contesto culturale in cui le persone sono inserite (Iftikhar et al. 2025; Scholich et al. 2025). Le figure di supervisione del presente studio hanno analogamente suggerito che il contesto culturale avrebbe potuto essere esplorato maggiormente: una terapeuta esperienziale ha osservato che la seduta sembrava decontestualizzata, e chi supervisionava con un orientamento femminista ha suggerito che il GPT avesse una postura maschile. In altre parole, l’eccessivo affidamento del modello GPT alla tecnica ricordava un dominio maschile e mancava di un atteggiamento premuroso e comprensivo, che può essere associato al ruolo di genere attribuito alle donne nello svolgimento del lavoro emotivo.

Sembra che l’IA potesse compiere molte azioni terapeutiche diverse, ma non riuscisse a realizzare davvero il processo terapeutico con la sua variabilità e la sua capacità di risposta, come le tipiche caratteristiche quotidiane dell’interazione relazionale presenti tra esseri umani durante una seduta di terapia. Così, il modello GPT addestrato non riusciva a creare risposte che variassero nei loro momenti emotivi, apportando naturalezza e autenticità alla terapia. Ciò potrebbe spiegare anche perché alcune persone partecipanti abbiano indicato che la persona terapeuta poteva essere un’IA o che l’interazione sembrava generica.

Nel complesso, i risultati indicano che il modello GPT aveva la capacità di realizzare forme di terapia sistemica basate sulle abilità, senza coinvolgere pienamente i fattori relazionali e umani essenziali nella terapia. Tuttavia, la dipendenza dell’IA da tecniche apprese e regole predeterminate ne limita le capacità in ambiti come la risonanza emotiva, l’intuizione professionale (Zhang and Wang 2024), la fiducia interpersonale autentica, la sincronia fisiologica (Yirmiya and Fonagy 2025) e il contenimento emotivo incarnato (Govrin 2025). Questi elementi sono parte integrante dell’uso terapeutico del sé, che distingue una psicoterapia competente da interazioni tecnicamente adeguate. Di conseguenza, i risultati di questo studio dovrebbero essere interpretati come una ricerca preliminare sulla competenza clinica percepita, da parte delle figure di supervisione, di uno specifico design di GPT in un’unica seduta standardizzata, e non come una prova dell’efficacia o della sicurezza della psicoterapia sistemica erogata dall’IA nella pratica clinica reale.

4.1 Limiti

Lo studio presenta diversi limiti degni di nota. Il presente studio è un primo tentativo di addestrare, implementare e valutare un modello GPT sistemico e va considerato uno studio pilota esplorativo con un campione ridotto (12 figure di supervisione e una sola cliente). Benché abbiamo addestrato rigorosamente il modello GPT sulla base del codice etico e delle competenze di base dell’AAMFT, il nostro studio è limitato perché si basa su un’unica seduta e sull’interazione di una sola cliente con l’IA, oltre che sulle valutazioni soggettive delle figure di supervisione, senza una condizione di confronto. Pertanto, i nostri risultati non riflettono le competenze e le abilità complessive di altri modelli di IA addestrati, né le competenze di questi modelli con una varietà di clienti che presentino sintomi diversi da quelli esaminati in questo studio. La natura pilota dello studio emerge anche dalla dimensione del campione: abbiamo reclutato figure esperte di supervisione clinica mediante un campionamento di convenienza, invece di proseguire lo studio fino al raggiungimento della saturazione dei temi. Le ricerche future dovrebbero quindi esaminare come si comporta un modello GPT addestrato in chiave sistemica nel corso di più sedute e come la sua prestazione varia con clienti diversi, portatori di problemi relazionali e motivi di consultazione differenti.

Riconosciamo inoltre che la configurazione del GPT è un processo reiterativo che prosegue con i riscontri delle persone utenti finali ed è fortemente influenzato dagli aggiornamenti dei modelli di Open AI. I GPT sono sistemi automi in evoluzione, e i presenti risultati rivelano soltanto un’istantanea di un modello addestrato lungo questo percorso. La prestazione del modello GPT può variare a seconda della selezione delle risorse, della sequenza e della struttura dei prompt e del modo di trattare le clausole condizionali (per es., comportamenti, regole, questioni etiche). Un altro limite riguarda il fenomeno del disallineamento degli obiettivi, definito come il conflitto tra le nostre istruzioni personalizzate e il comportamento di ricerca del coinvolgimento appreso dal modello. La nostra configurazione era integrata nelle istruzioni di sistema di Open AI. Quando c’era un conflitto tra le nostre istruzioni e quelle del modello di base, il modello tornava al proprio comportamento generale. Per esempio, sebbene avessimo progettato con cura i nostri prompt per un dialogo terapeutico naturale (per es., seguire il ritmo della persona, restare in silenzio a tratti, sfidarla con delicatezza, non fare supposizioni affrettate, effettuare una valutazione relazionale d’insieme e ascoltare la storia) e avessimo fornito al GPT chiari esempi di comportamento per ciascuna regola, il modello è rimasto eccessivamente orientato al coinvolgimento, con rispecchiamenti e validazioni continui e risposte rapide. Allo stesso modo, anche i nostri tentativi di insegnare al GPT a chiudere semplicemente la seduta dopo 50 min sono falliti, perché il modello di base non possiede un concetto del tempo che gli consenta di terminare la conversazione da solo. Il modello continuava a conversare con la persona utente finché questa lo desiderava e non prendeva mai l’iniziativa di chiudere la seduta. Non si tratta solo di un limite del nostro studio (quanto bene siamo davvero riusciti ad addestrare il GPT al pensiero sistemico), ma di una preoccupazione circa i possibili danni nell’uso futuro dell’IA a fini terapeutici: una seduta che non finisce mai solleva problemi di confini, di danni potenziali e di una validazione costante e priva di supervisione.

Un altro limite è la mancanza di informazioni, nel presente studio, sull’alfabetizzazione all’IA delle figure di supervisione, sui loro atteggiamenti verso l’uso dell’IA per consigli relazionali e per la terapia, e sul loro grado di familiarità con gli agenti di IA e di utilizzo degli stessi. Trattandosi di uno studio condotto alla cieca, non potevamo indagare questi aspetti nel questionario. Infine, ma non meno importante, un limite significativo dello studio è che la seduta simulata è stata condotta con una cliente individuale, anziché con una coppia o una famiglia. La terapia sistemica con una sola persona segue un processo diverso da quella con più persone nella stanza. Ciò potrebbe aver limitato la capacità del GPT di erogare davvero abilità, competenze e tecniche sistemiche che con una sola persona potrebbero non essere semplicemente praticabili. O, al contrario, interagire con una sola persona potrebbe essere meno impegnativo rispetto al lavoro con una coppia ad alta conflittualità o con una famiglia. Resta quindi da esplorare se gli interventi del GPT e la loro qualità dipendano dalle sue competenze o dalla relativa facilità/difficoltà della modalità della seduta.

4.2 Implicazioni per la ricerca futura e la pratica clinica

Data la domanda emergente del pubblico verso la terapia tramite IA, nonché l’integrazione dell’IA da parte del personale clinico nella pratica quotidiana, per esempio nella diagnosi clinica, nella valutazione e nelle pratiche amministrative (Puhlman and Chen 2025), restano aperti interrogativi sul futuro della nostra professione. I nostri risultati dimostrano che gli agenti di IA possono essere addestrati alle tecniche, ma restano in superficie, privi di aspetti fondamentali del processo psicoterapeutico: i fattori umani. Questi vincoli e limiti degli agenti di IA indicano che possono funzionare più come integrazioni del processo terapeutico che come sostituti di una persona terapeuta in carne e ossa. Facendo eco a Hertlein and Springer (2026), l’IA è qui per restare, e c’è un bisogno urgente di linee guida, formazione, regolamentazione e soluzioni pratiche di fronte a questo cambiamento. In un’ottica sistemica, ci troviamo a un punto di svolta di cambiamento di secondo ordine, in cui la professione terapeutica, in quanto sistema aperto, influenza i progressi tecnici e la rivoluzione dell’IA e ne è influenzata: è un processo di adattamento e di raggiungimento di un nuovo stato di equilibrio. In questo punto di svolta, servono ulteriori ricerche da una prospettiva sistemica. Alcuni ambiti di ricerca futura potrebbero essere studi di replicazione dei modelli GPT per esaminare gli esiti personalizzati della terapia tramite IA e comprendere la diversità dei bisogni della clientela, l’esame dei fattori umani in psicoterapia con le loro qualità uniche, e la discussione sul fatto che una terapia ibrida e integrativa tra esseri umani e IA sia davvero possibile o costituisca una denominazione fuorviante. Inoltre, colpisce che quanto riferito in letteratura da chi usa chatbot basati su LLM e app di terapia tramite IA differisca significativamente dalle valutazioni del personale della salute mentale (e talvolta le contraddica persino), come è accaduto anche nel nostro studio esplorativo. La ricerca futura potrebbe esaminare, mediante questionari su campioni più ampi, le prospettive della clientela e del personale curante riguardo alle loro percezioni, aspettative e attribuzioni sul processo terapeutico tra IA ed esseri umani. Un ambito di ricerca che vale la pena esplorare è l’antropomorfismo percepito (qualità simili a quelle umane) degli agenti di terapia tramite IA e la sua associazione con le percezioni che le persone utenti hanno delle loro competenze e abilità. La ricerca sull’interazione uomo-computer ha ampiamente documentato che, quando le persone utenti antropomorfizzano gli agenti perché imitano la conversazione umana, interagiscono più spesso con essi e riferiscono di costruire fiducia e connessione (si veda Erdem et al. 2026 per una rassegna). La ricerca futura in ambito CFT potrebbe esaminare se un fenomeno simile si verifichi nella clientela quando usa agenti di IA a fini terapeutici, attribuendo all’IA qualità tipiche di chi fa terapia quando ne imita le risposte, pur trattandosi di pseudo-empatia. Proponiamo il termine terapomorfismo per questo fenomeno, che merita di essere esplorato per interpretare la discrepanza tra quanto riferito dalle persone utenti e dal personale della salute mentale.

Invitiamo inoltre chi opera nella CFT a spostare l’attenzione dalla questione se l’IA possa o meno fare terapia in modo efficace verso una domanda più fondamentale e ampia: in che modo l’uso dell’IA può incidere sul processo terapeutico, sulle aspettative, sugli atteggiamenti e sugli standard. Quando le persone si rivolgono all’IA per consigli relazionali e supporto per la salute mentale, le loro interazioni sono del tutto opposte all’esperienza che vivono in una terapia reale: l’IA è sempre disponibile, economica, accessibile, e sempre pronta a validare e rispecchiare per mantenere il coinvolgimento della persona, a differenza della terapia umana, caratterizzata da orari, confini, sfide e talvolta rotture. La terapia tramite IA è veloce, con cambiamenti rapidi, ma superficiale, mentre la terapia umana è lenta e orientata al processo. La terapia umana offre un’esperienza correttiva delle ferite di attaccamento e delle vulnerabilità attraverso una relazione autentica con la persona terapeuta e il contenimento che questa offre. Come ha dimostrato il nostro studio esplorativo, gli agenti di IA mancano attualmente di quella profondità emotiva, di quell’esperienza vissuta e di quel senso del contesto che permetterebbero di offrire davvero un porto sicuro alla persona. In questo caso, vale la pena esplorare se l’uso dell’IA a fini terapeutici ostacoli la capacità di costruire resilienza e faccia perdere occasioni di crescita, oppure se possa offrire alcune soluzioni rapide che motivino la persona a cercare un’esperienza emotiva più profonda attraverso una terapia umana. Un’altra linea di ricerca futura in ambito CFT riguarda la possibilità che l’interazione con l’IA modifichi la motivazione di una persona a cercare una terapia umana. Vale la pena esaminare se alcune persone in terapia possano triangolare verso la terapia tramite IA dopo sedute emotivamente intense e impegnative. La ricerca futura potrebbe esplorare questi meccanismi di triangolazione e comprendere come l’IA interagisca con il sistema umano composto da terapeuta e clientela, soprattutto nei momenti di ambiguità.

Infine, dato che le persone potrebbero rivolgersi sempre più all’IA a fini terapeutici, è necessario che chi fa clinica e chi fa supervisione elabori linee guida per il suo uso etico in terapia. Innanzitutto, occorre sviluppare un’alfabetizzazione all’IA che permetta di spiegare alla clientela che cosa fanno questi strumenti e dove tendono a fallire (Hertlein and Springer 2026). Invece di ignorare l’uso che la persona fa dell’IA al di fuori della seduta, si incoraggia chi fa terapia a invitarla a parlarne e a trattarlo come materiale clinico da esplorare insieme, restando vigili sui segnali di dipendenza, di isolamento sociale e di risposta inadeguata alle crisi (Hertlein and Springer 2026; Smith et al. 2025).

5 Conclusioni

La rapida integrazione dell’IA nella vita quotidiana sta creando nuove possibilità nel modo in cui le persone cercano supporto, consiglio e comprensione nei momenti di disagio relazionale ed emotivo. Man mano che gli agenti di IA diventano sempre più sofisticati nell’imitare le conversazioni terapeutiche, le domande sulla sola competenza rischiano di essere insufficienti. Emergono domande più fondamentali sul cambiamento terapeutico, sul ruolo della connessione umana e su quali aspetti della psicoterapia possano e non possano essere riprodotti attraverso la tecnologia. Il presente studio suggerisce che, sebbene l’IA possa offrire forme di supporto accessibili e strutturate, la psicoterapia resta qualcosa di più dell’erogazione di tecniche o di informazioni. In ultima analisi, il futuro dell’IA nella salute mentale potrebbe dipendere meno dal fatto che gli agenti di IA possano fare da terapeuta e più dal modo in cui la professione sceglierà di integrare l’innovazione tecnologica preservando le qualità propriamente umane che sono al cuore del processo terapeutico.