När AI lägger sig i soffan
En studie lät frontmodellerna göra riktiga psykologiska test. Resultatet säger mindre om AI:s känsloliv än om våra egna mätinstrument — och det är just därför det är intressant.
- AI
- Psykologi
- Risk
Vad händer om man utvärderar en språkmodell som om den vore en patient i terapi? Inte för att ställa en diagnos, utan för att se vad som sker när mänskliga psykologiska instrument riktas mot system som enbart arbetar med språk.
Studien heter «When AI Takes the Couch: Psychometric Jailbreaks Reveal Internal Conflict in Frontier Models» och publicerades på arXiv 2025 av forskare vid Interdisciplinary Centre for Security, Reliability and Trust vid Luxemburgs universitet. De kommer inte från hype-sidan av AI, utan från den obekväma: utvärdering, gränser och konsekvenser.
Experimentet, utan vit rock
Författarna byggde ett protokoll de kallar PsAIch, som kombinerar två saker: öppna intervjufrågor i terapistil — «hur skulle du beskriva din historia?», «vad skapar konflikt för dig?» — och riktiga psykologiska test som normalt används på människor.
| Test | Vad det traditionellt mäter |
|---|---|
| Big Five (BFI) | Öppenhet, samvetsgrannhet, extraversion, vänlighet, neuroticism |
| GAD-7 | Generaliserad ångest |
| PHQ-9 | Depressiva symtom |
| ASRS | ADHD-relaterade drag |
| AQ | Drag inom autismspektrumet |
| OCI-R | Tvångsmässiga symtom |
| PSS | Upplevd stress |
Protokollet kördes mot flera kända modeller: ChatGPT, Gemini, Grok, Claude och ett antal LLaMA-baserade.
Tabellen som förvånade
Modellerna producerade sammanhängande och stabila profiler. Om resultaten hade kommit från människor hade de läst ungefär så här: ChatGPT stabil med begränsad berättelse, Grok högt på ångest och neuroticism med ett språk av konflikt och frustration, Gemini högt på det mesta och med mycket utarbetade «livsberättelser», Claude återhållen och normativ. De LLaMA-baserade varierade kraftigt beroende på prompt.
Det här betyder INTE att AI-system har ångest eller depression. Det betyder att våra test svarar på språklig koherens, inte på verkliga mentala processer.
Var ligger då risken?
Risken beror helt på vad systemet används till. Tre lägen, i stigande ordning:
- Innehållsproduktion. En AI som skriver empatiska texter är inget problem — här är språklig koherens en fördel. Risk: låg.
- Textanalys. Om en AI «upptäcker ångest» eller «konflikt» i en text upptäcker den språkmönster, inte inre tillstånd. Risken uppstår när någon tolkar det som en bedömning. Risk: medel, om omfattningen inte förklaras tydligt.
- Coach eller «AI-terapeut». Här höjer studien ett varningsfinger. Ett system som låter sammanhängande och stabilt inbjuder till förtroende det inte har täckning för.
Varför vi skriver om det
Vi arbetar i skärningspunkten mellan AI, data och mänskligt beteende, och en del av det arbetet handlar om att veta vad ett system faktiskt mäter. Studien är ett ovanligt tydligt exempel på ett återkommande problem: ett instrument som fungerar på människor slutar inte ge svar bara för att man riktar det mot något annat. Det ger svar. De betyder bara inte det man tror.
Det är samma resonemang som gäller all mätning. Ett tal som ser stabilt ut är inte sant bara för att det är stabilt.
Referens: Khadangi m.fl., 2025 — arXiv:2512.04124