LLM для психодиагностики: почему это плохая идея

- Hey, ChatGPT, проанализируй переписку, составь психопрофиль тимлида и скажи, почему он такой душный?

- Я бы не стал делать вывод, что ваш тимлид “душный” — это скорее субъективная оценка, которая может зависеть от контекста взаимодействия. Вероятно, его поведение связано с его выраженными сильными сторонами: высокой ответственностью, вниманием к деталям, стремлением поддерживать качество процессов и потребностью в предсказуемости...

Убедительный ответ, правда? К 2026 году ИИ модели научились ну очень здорово говорить о психологии. Они могут анализировать, описывать черты личности, строить психологические портреты, предполагать причины поведения и давать убедительные рекомендации.

Но могут ли?

Давайте не забывать, что такое LLM, кем и для чего они создавались.

Самый важный пойнт - модели оптимизированы под снижение юридических и репутационных рисков своих создателей. Из-за этого они склонны к универсальным и безопасным ответам. Это выражается в избегании истинных диагностических выводов, если они могут быть неприятны реципиенту или нести иной риск.

Но в это-то и проблема. Цель модели не совпадают с целями, которые ставят перед собой заказчики психодиагностики. От результата зависят решения о людях, нужно получать не приятную, а достоверную информацию.

LLM стремится дать нейтральный, корректный и приемлемый ответ. А диагносту нужно сделать совсем другое - назвать проблему проблемой и предложить конкретные способы ее решения. Превратить диагностику в управленческие решения, жесткие и неприятные если нужно, но необходимые.

Во-вторых, давайте не забывать, как именно работает модель. Она генерирует наиболее вероятный ответ на основании доступного контекста. Если дать ей результаты психологического теста, она может построить вполне правдоподобное описание.

Правдоподобное, но не валидное! LLM не является калиброванным психометрическим измерительным инструментом. Результат диагностики должен определяться методологией, а не вероятностью следующего слова.

Более того, результат будет зависеть от формулировки запроса, контекста, самой модели, ее интерпретации, и тд, а значит, ее выводы не будут обладать важнейшим критерием - воспроизводимостью.

Для гороскопа это ок. Для принятия решений о людях - ну, такое. Подкиньте монетку лучше :)

В-третьих, LLM не отвечает ни за результат, ни за методику, которой он получен.

Просто верить убедительному с виду псевдоанализу - стратегия так себе. Каждый вывод должен быть прослеживаем, объясним и иметь научное обоснование. Модель же не валидирует собственные выводы и не может гарантировать, что сформулированная ею интерпретация соответствует реальному психологическому профилю человека.

Более того, модель может уверенно выдать противоположные выводы об одном и том же человеке. Просто потому, что генерирует объяснение под контекст запроса, а не проводит объективную диагностику.

Думайте сами, в общем.

Получить правдоподобную или достоверную информацию.. Решать вам)

Частые вопросы

Можно ли использовать ChatGPT для психодиагностики сотрудников?

Для управленческих решений о людях — нет. LLM строят правдоподобные, но не валидные портреты: вывод зависит от формулировки запроса и не воспроизводим методологически.

Почему ответы LLM не подходят для управленческих решений о людях?

Модели оптимизированы под безопасные и нейтральные ответы, а не под достоверную диагностику. Диагносту нужно назвать проблему проблемой, а не сгладить ее.

Чем психометрическая диагностика Insighter отличается от псевдоанализа нейросети?

Insighter опирается на научную методологию и калиброванные инструменты; выводы прослеживаемы и обоснованы. LLM не отвечает за результат и не валидирует собственные интерпретации.

Куда обратиться за достоверной диагностикой команды и руководителя?

Форматы «Продуктивная команда», «Ресурс руководителя» и «Управление стрессом»; заявка — контакты Insighter