《ChatGPT 作为生态系统冲击：来自商业心理健康聊天机器人的纵向准实验证据》 ChatGPT as an ecosystem shock: Longitudinal quasi-experimental evidence from commercial mental health chatbots

《TECHNOLOGY IN SOCIETY》：ChatGPT as an ecosystem shock: Longitudinal quasi-experimental evidence from commercial mental health chatbots

　　

## 摘要

商用心理健康聊天机器人越来越多地引入大语言模型（LLM）对话能力，但其对用户经验和评估的影响仍然不明确。我们将ChatGPT的公开发布（2022年11月30日）视为一种生态系统层面的冲击，该冲击提高了LLM的可见度。我们分析了来自六个聊天机器人的75,953条Apple App Store和Google Play评论（2018–2025年）。其中四个应用（Elomia、Youper、Yana和Sintelly）构成了有记录的LLM整合路径，而两个应用（Woebot和Wysa在生成式推广前）则作为预定义窗口内的非生成式对照路径。我们使用步骤加斜坡设计（52周斜坡）对周面板数据进行了分析，采用具有Newey-West标准误的比较性中断时间序列模型，以及具有单位和平台-周固定效应及Driscoll-Kraay标准误的差分-差分模型。宏观层面的搜索和新闻指标显示，发布后关注度持续上升。在评论数据中，差分-差分模型显示LLM整合路径上的应用的潜在效价指数（LVI）立即相对下降，而两个模型家族均显示逐步恢复。分段后期建模显示在发布后约80周出现延迟拐点。文本分析表明评估性话语框架同步发生变化：关于会话流畅度和访问摩擦的讨论减少，而拟人化吸引力和陪伴感增加。期望差距语言缩小，社会导向语言增加，情感负担语言适度上升。综合来看，这些模式与评估性重新锚定而非回归先前基线一致，凸显了上市后纵向监测以及关注关系性和技术安全性的治理的重要性。

## 引言

精神障碍构成紧迫的全球公共卫生挑战，造成大量残疾和社会经济成本（GBD 2019 Mental Disorders Collaborators, 2022）。传统服务仍受限于人力短缺、可及性有限和病耻感（Patel et al., 2018; Thornicroft et al., 2022; World Health Organization, 2025b），导致心理健康保健领域持续存在需求与服务供给之间的鸿沟。

为应对这些挑战，数字心理健康服务作为传统护理的低门槛、可扩展的补充手段，发展迅速（Torous et al., 2021）。心理健康聊天机器人以自然语言对话作为主要接口，整合心理教育、引导练习、风险识别和转介功能，提供情感支持和自助干预（Abd-Alrazaq et al., 2019; Hua et al., 2025）。商用应用通常借鉴循证心理治疗，尤其是认知行为疗法，并将标准化方案转化为通过移动平台交付的结构化对话脚本（Linardon et al., 2024; Mohr et al., 2014）。Woebot（Fitzpatrick et al., 2017）、Wysa（Inkster et al., 2018）和Tess（Fulmer et al., 2018）等产品的随机试验报告抑郁和焦虑症状有所减轻。

2022年11月ChatGPT的公开发布标志着大语言模型（LLMs）的一个里程碑，大幅提高公众认知（Meskó, 2023; OpenAI, 2022）。LLMs迅速在数字心理健康领域被确认为技术拐点（Hua et al., 2025; Torous & Cipriani, 2025）。它们将对话生成从预设流程转向开放式情境推理、多轮连贯性和风格适应。LLM生成的回复可以传达更丰富的共情线索（Ayers et al., 2023），并增强对人类相似性的感知（Hua et al., 2025; Siddals et al., 2024）。在一项图灵式评估中，参与者以接近随机猜测的准确率区分治疗师回复与ChatGPT回复，LLM输出在若干治疗共同因子上得分更高（Hatch et al., 2025）。

然而，基于LLM的心理健康应用也围绕可靠性、伦理和安全性产生不确定性（The Lancet Digital Health, 2025; World Health Organization, 2025a）。这场争论不仅涉及技术能力，还涉及治理、问责以及减轻不良社会效应（Wei et al., 2024）。两种张力反复出现：个性化与可控性，以及可扩展性与安全性（Rousmaniere et al., 2026; Stade et al., 2024）。这些张力在2023年初变得明显。Woebot创始人Alison Darcy警告称，LLM幻觉在高利害场景中可能造成危害，并捍卫结构化、基于规则的路径，认为其与治疗保真度和可审计性更兼容（Darcy, 2023）。Youper创始人Jose Hamilton Vargas从相反的立场回应，主张生成式AI可以提供应对人力短缺所需的个性化和规模（Vargas, 2023）。尽管实证研究加速推进，这一分歧仍未解决。基于LLM的聊天机器人研究约占2024年新发表文献的45%（Hua et al., 2025），Therabot随机试验提供了早期证据，表明经过专家微调的生成式AI聊天机器人可以减少抑郁、焦虑和饮食失调症状（Heinz et al., 2025）。

临床证据和商业化扩张并未平息这些争论；相反，基于LLM的心理健康工具迅速进入监管议程。2025年，犹他州引入了披露和数据保护要求，而内华达州和伊利诺伊州禁止AI系统独立提供心理治疗（Shumate et al., 2025）。伊利诺伊州法案通过后，基于LLM的应用Ash在应用内放置提示，鼓励用户联系立法者表示反对（Shastri, 2025）。学术批评也在同步加剧，包括在FAccT 2025上提出的一份关于"LLMs-as-therapists"的全面风险评估（Moore et al., 2025）。商业结果也存在分化。Woebot Health于2025年终止了核心产品，原因是指美国食品药品监督管理局授权的复杂性和成本（Aguilar, 2025）。因此，初步疗效、快速监管、企业政治回应和产品退出在同一新兴市场中并存。LLM整合对用户经验的影响仍是一个需要采纳情境证据的开放实证问题。

用户体验是由产品持续互动形成的认知和情感反应及价值判断，有助于塑造技术采纳（Hassenzahl & Tractinsky, 2006）。横截面调查无法捕捉话语和功能演变过程中评估标准的转变（Karapanos et al., 2010; Kujala et al., 2011），而应用商店评论则提供了这些变化的纵向记录（Genc-Nayebi & Abran, 2017）。作为平台可见的评估性基础设施，评分和文本在影响采纳和设计的同时，编码了用户对信任、共情、可靠性、可及性和成本的感知（Kornberger et al., 2017; Pavlou & Dimoka, 2006）。因此，纵向分析可以显示经验是否发生变化，以及用户在技术转型过程中评估标准如何演变。

我们分析大规模应用商店评论，考察在ChatGPT公开发布后，不同技术路径下的商用心理健康聊天机器人的用户体验轨迹如何变化。估计目标为：经过记录的LLM风格整合的应用相对于预定义对比窗口内保持非生成式的应用在ChatGPT后的差异轨迹，而非离散的、应用层面的部署效应。评论表达的效价在LLM整合路径上呈现延迟U形恢复模式，评估维度发生转变：拟人化吸引力和感知陪伴感增加，期望差距语言减少。通过在共同生态系统冲击下比较路径差异轨迹，本研究将静态应用评论研究扩展至纵向用户生成数据。

本研究通过阐明承诺、争议和评估性动态如何在高利害护理技术中展开，为技术扩散、纵向评估和负责任部署研究做出贡献。在方法上，它为纵向用户生成数据指定了路径层面的估计目标，并将发现转化为以关系性和技术安全性为中心的设计与治理启示。

## 分节摘录

### 文献综述与分析基础

在本研究中，ChatGPT的发布既标志着可定日的外部断点，也标志着用户所认为的"好的AI对话"基准的变化。一旦LLM风格的表现变得广泛可见，具有不同整合策略的产品便在新的共享期望环境中被评估。从体验视角看待AI同样强调其能力如何产生独特的消费者体验和张力，包括社会性体验（Puntoni et al., 2021）。

### 研究设计概述

本研究采用社会技术系统视角（Baxter & Sommerville, 2011; Trist & Bamforth, 1991），运用大规模纵向准实验设计，考察ChatGPT公开发布后商用心理健康聊天机器人应用中的用户体验变化。我们将ChatGPT的发布视为一种生态系统层面的冲击，该冲击可合理地提高了LLM的可及性和可见度，同时改变了开发者路线图和用户期望（OpenAI, 2022）。

### 描述性概述

经过确定性质量过滤（垃圾或促销内容，n = 2,350；无信息量内容，n = 6,900；乱码或格式错误，n = 834；低质量或机器人式内容，n = 1,650；样板重复内容，n = 1,587），去重（n = 127）以及语言标准化（可用英文文本不足，n = 1,491；翻译质量低，n = 957），最终分析语料库包含来自初始91,849条的75,953条用户评论。该语料库涵盖六个商用心理健康聊天机器人应用。

### 讨论与结论

将ChatGPT的发布视为生态系统层面的冲击，CITS和DID分析在75,953条评论中揭示了一种共同的破坏与恢复模式。DID估计值显示，LLM整合路径上的应用相对于非生成式路径的LVI立即显著下降；CITS估计值方向相似但不显著。两个模型在逐步恢复的模式上趋同，描述性分段分析将延迟拐点定位在发布后约80周。

## CRediT作者贡献声明

Hongyi Yang：写作——审阅与编辑，写作——初稿，可视化，调查，形式分析，数据管理，概念化。Fangyuan Chang：写作——审阅与编辑，验证，方法学，形式分析。Zhao Liu：写作——审阅与编辑，监督，项目管理，资金获取，概念化。Weibo Zhang：写作——审阅与编辑，监督，项目管理，资金获取，概念化。Jun Cai：验证，资源。

## 未引用参考文献

de Chaisemartin and D'Haultfoeuille, 2020; del Rio-Chanona et al., 2024; Facundoolano; GBD 2019 Mental Disorders Collaborators, 2022; Google; Lopez Bernal et al., 2018; Microsoft; Nebius; Sintelly; Woebot Health; Yana; Youper。

## 伦理审查委员会批准

本研究分析了Apple App Store和Google Play上公开可访问的用户评论，以及Google Trends和Media Cloud的公开聚合指标。未与个人发生互动。未收集直接标识符，评论文本中可能具有识别性的信息在分析前被自动遮盖。按照适用的国家和机构规定，作者所在机构的伦理办公室确认此公开数据的二次分析不需要额外伦理批准。

## 利益冲突声明

作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本文所报告的工作。

## 数据可用性声明

本研究分析的数据来源于公开可用来源：Apple App Store和Google Play的移动应用用户评论，以及Google Trends和Media Cloud的聚合指标。匿名化数据集和数据收集代码可根据合理请求从通讯作者处获取。

## 资助

本研究由中央高校基本科研业务费专项资金（项目编号YG2025QNA11）、徐汇区医疗人工智能应用场景"揭榜挂帅"项目（2025XWJAI-10）以及上海市"科技创新行动计划"医学创新研究项目、上海市科学技术委员会（编号24Y22800501、24Y22800502和24Y22800503）资助。

## 利益冲突声明

? 作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本文所报告的工作。

## 致谢

我们感谢上海市精神卫生中心康复科的临床专家以及上海多家精神康复管理社区的护理人员在项目全程中提供的宝贵指导和支持。

Hongyi Yang | Fangyuan Chang | Zhao Liu | Weibo Zhang | Jun Cai

上海交通大学设计学院，中国上海