Obiettivo dell’articolo di oggi è quello di condividere la prima parte introduttiva di uno studio pubblicato nel 2026 sul Journal of Psychology and AI in cui si propone un framework teorico per integrare l’intelligenza artificiale nella formazione, nella supervisione e nella conduzione delle sedute di Terapia a Seduta Singola.
Perché presentare questo studio?
È esperienza comune a molti professionisti, sia in ambito clinico che formativo, confrontarsi con la presenza dell’intelligenza artificiale senza avere ancora a disposizione linee guida chiare sui limiti, sulle potenzialità e sui criteri per un utilizzo etico ed efficace.
Anche i clienti portano questo tema nelle stanze di terapia, raccontando di aver usato strumenti IA per confrontarsi, cercare risposte o elaborare pensieri tra una seduta e l’altra. Dalle loro esperienze però emergono visioni non del tutto uniformi. Quelli che in prima battuta sembrano vantaggi, come ad esempio l’accessibilità illimitata, la chiarezza delle risposte, l’assenza di giudizio e dello stigma legato alla richiesta di aiuto, non si rivelano sempre utili nel percorso di cura.
L’accessibilità illimitata, ad esempio, può diventare una soluzione disfunzionale che non permette alla persona di accedere alle proprie risorse personali di elaborazione dei vissuti; l’assenza di giudizio percepita, in talune situazioni, può limitare la funzione elaborativa del confronto con un altro essere umano che mette a disposizione un punto di vista diverso, utile ad ampliare la propria visione.
Tutti aspetti che meritano attenzione, rendendo necessario per i professionisti sviluppare una prospettiva critica e informata su tali strumenti, senza assumere posizioni acritiche.
Un’introduzione al framework TSS-IA (Joseph et al., 2026): qual è il punto di partenza?
Gli autori Jasmine Joseph, Manesh Pai, Keigo Asai e Magdalena Turek hanno elaborato e pubblicato nel marzo 2026 sul Journal of Psychology and AI una proposta teorica relativa a un framework per integrare l’intelligenza artificiale nella Terapia a Seduta Singola, mantenendo tuttavia il terapeuta umano come agente terapeutico centrale (Joseph et al., 2026) a partire da due domande:
“Cosa accadrebbe se, durante una seduta di TSS, un sistema di intelligenza artificiale ascoltasse in silenzio il dialogo terapeutico e suggerisse al professionista, in modo discreto e in tempo reale, il momento esatto in cui il cliente sta aprendo una finestra di cambiamento?”
“E se, dopo la seduta, quello stesso sistema generasse automaticamente un report di supervisione, individuando i punti di forza del terapeuta e le opportunità mancate?”
Il lavoro proposto non riguarda uno studio empirico, ma uno studio teorico e progettuale su una tematica complessa e attuale come quella della congiunzione tra TSS e IA, rappresentando uno dei contributi più ambiziosi e sistematici finora apparsi sul tema, e per questa ragione meritevole di attenzione da parte di chiunque lavori o si formi in quest’area.
Quali sono i problemi che gli autori provano ad affrontare?
Joseph et al. (2026) partono da un dato che accomuna tutti i professionisti che si occupano di salute mentale ovvero la discrepanza tra la crescente richiesta di supporto psicologico rispetto all’offerta disponibile. Il World Economic Forum stima che circa l’85% delle persone con una problematica di salute mentale non riceva alcun trattamento, con divari fino a 40 volte maggiori tra paesi ad alto e basso reddito (Fowler & Lester, 2024).
Sebbene in questo scenario, come osservato anche dagli autori stessi, la TSS si sia già affermata come risposta scalabile ed efficiente, tanto che molti clienti la utilizzano spontaneamente, e la ricerca mostri che un singolo incontro può produrre cambiamenti significativi e duraturi (Talmon, 1990; Cannistrà & Piccirilli, 2021; Schleider et al., 2025), la domanda che si pongono è:
“L’IA può ampliare ulteriormente questa portata, senza sacrificare la qualità e l’eticità dell’intervento?”
Cosa sappiamo già sull’IA nella salute mentale?
Prima di proporre il loro framework, gli autori hanno condotto una sintesi di 16 articoli tra il 2021 e il 2025 sull’uso dell’IA nella salute mentale. Il quadro che emerge è ricco, ma non privo di elementi contrastanti.
Cosa funziona
Le applicazioni dell’IA nel campo della salute mentale si dividono in due grandi categorie: da un lato i chatbot rivolti direttamente all’utente (Woebot, Wysa, Tessa, Vivibot); dall’altro i sistemi a supporto dei professionisti, che analizzano i dati clinici, forniscono insight in tempo reale o automatizzano i task amministrativi. Le revisioni della letteratura documentano riduzioni significative dei sintomi di depressione, ansia e stress, oltre a miglioramenti su costrutti come l’auto-compassione e la resilienza (Casu et al., 2024; Mansoor et al., 2025; Thakkar et al., 2024).
Un vantaggio spesso citato è l’accessibilità illimitata. Le chatbots sono disponibili h24, non richiedono appuntamento, abbattono le barriere geografiche e offrono un contesto percepito come meno giudicante, favorendo la disclosure negli adolescenti o nelle persone che temono lo stigma (Le Glaz et al., 2021).
Cosa non funziona ancora
I modelli IA attuali presentano rischi di errori e bias algoritmici, specialmente quando i dati di addestramento non rappresentano popolazioni eterogenee dal punto di vista culturale o linguistico. La mancanza di trasparenza nei processi decisionali dell’IA rende difficile per i clinici valutarne l’affidabilità. Esistono, inoltre, preoccupazioni etiche importanti riferite alla privacy dei dati, al consenso informato, alla responsabilità in caso di errori e al rischio di isolamento sociale per chi sviluppa una dipendenza dalla relazione con le chatbots (Koutsouleris et al., 2022; Algumaei et al., 2025).
Uno dei limiti più discussi è la questione dell’empatia. Come osservano gli autori, i professionisti della salute mentale ritengono generalmente che l’IA non potrà mai replicare la comprensione empatica umana, che rimane il nucleo fondamentale di una terapia efficace (Boucher et al., 2021). Ed è esattamente questa consapevolezza che guida la proposta di Joseph et al. (2026), con l’obiettivo di proporre un affiancamento dell’IA all’umano e non una sua sostituzione.
Perché la TSS è il contesto ideale per l’integrazione con l’IA?
Gli autori hanno dedicato una sezione che analizza il perché la TSS sia, tra gli approcci terapeutici, uno dei più adatti a essere affiancata dall’IA. Le ragioni sono sia teoriche che pragmatiche.
Dal punto di vista teorico, la struttura focalizzata, orientata agli obiettivi e temporalmente definita della TSS si allinea naturalmente con le caratteristiche degli interventi IA, che sono brevi, task-specific e orientati alla soluzione.
Come argomenta Eliot (2024) in un’analisi su Forbes, TSS e IA sono in qualche modo “progettati” per incontrarsi. Anche la ricerca di Joseph & Rajan (2024) sulla crescita bibliometrica della TSS nell’ultimo decennio supporta questa lettura, evidenziando come la domanda di aiuto sia in espansione e necessiti di strumenti scalabili per essere soddisfatta.
Dal punto di vista pragmatico, la TSS è già utilizzata con successo in contesti a basse risorse e alta domanda come nei disastri, in contesti umanitari, nell’assistenza ai migranti, in ambienti scolastici (Cannistrà & Piccirilli, 2021), che sono esattamente i contesti in cui l’IA può fare la differenza nella formazione di operatori non specializzati.
Infine, esistono già prove sperimentali della fattibilità di questa integrazione. Vowels et al. (2024) hanno dimostrato che un Large Language Model (LLM) come ChatGPT-4 è in grado di condurre interventi realistici a seduta singola su difficoltà relazionali, con valutazioni positive degli utenti sull’utilità e sull’empatia percepita. Athanassopoulos (2026) ha mostrato come il Natural Language Processing (NLP) possa identificare marcatori terapeutici specifici e fornire un feedback scalabile ai tirocinanti di counselling.
Conclusione
Il quadro che emerge dalla rassegna di Joseph et al. (2026) è quello di un campo in rapida evoluzione, ma ancora in salita e pieno di contraddizioni. Strumenti che funzionano su alcuni outcome misurabili, ma che faticano a rispondere alle domande più profonde su empatia, responsabilità e qualità della relazione terapeutica. È a partire da queste riflessioni che gli autori hanno costruito la loro proposta. Nel secondo articolo vedremo come Joseph et al. (2026) traducono questa consapevolezza in un framework concreto, composto da tre moduli distinti in cui l’IA supporta la TSS nella formazione, nella supervisione e durante la seduta stessa, in tempo reale.
Se vuoi saperne di più sulla Terapia a Seduta Singola e approfondire il metodo, puoi leggere il nostro libro (clicca qui) “Terapia a Seduta Singola. Principi e pratiche.”, iscriverti a uno dei nostri workshop (clicca qui) oppure approfondire le Terapie Brevi in modo pratico e flessibile sul sito terapiebrevi.it la piattaforma dell’dell’Italian Center for Single Session Therapy dedicata alla formazione online.
Angelica Giannetti
Psicologa, Psicoterapeuta
Team dell’Italian Center
for Single Session Therapy
Bibliografia
Algumaei, A., Yaacob, N. M., Doheir, M., Al-Andoli, M. N., & Algumaie, M. (2025). Symmetric therapeutic frameworks and ethical dimensions in AI-based mental health chatbots (2020–2025): a systematic review of design patterns, cultural balance, and structural symmetry. Symmetry, 17(7), 1082.
Athanassopoulos, L. (2026). Can AI train the next generation of counsellors? Ethical challenges and opportunities. Journal of Psychology and AI, 2(1), 2606673.
Boucher, E. M., Harake, N. R., Ward, H. E., Stoeckl, S. E., Vargas, J., Minkel, J. & Zilca, R. (2021). Artificially intelligent chatbots in digital mental health interventions: a review. Expert review of medical devices, 18(sup1), 37-49.
Cannistrà, F. (2024). How to maximize a single session? From a reflection on theoretical pluralism to the definition of five goals. Journal of Systemic Therapies, 43(1), 105–120.
Cannistrà, F., & Piccirilli, F. (2021). Single-session therapy: Principles and practice (1a ed.). Giunti Psychometrics.
Casu, M., Triscari, S., Battiato, S., Guarnera, L., & Caponnetto, P. (2024). AI chatbots for mental health: A scoping review of effectiveness, feasibility, and applications. Applied Sciences, 14(13), 5889.
Eliot, L. B. (2024). Generative AI and the great promise of single-session therapy for mental health. Forbes, 3 maggio 2024.
Fowler, H., & Lester, J. (2024, November 1). How AI could expand and improve access to mental health treatment. World Economic Forum.
Joseph, J., Pai, M., Asai, K., & Turek, M. (2026). AI-Human synergy in single-session therapy: Augmenting capacity for scalable mental health support. Journal of Psychology and AI, 2(1), 2636264.
Joseph, J., & Rajan, S. K. (2024). Evolution of single-session therapy: A bibliometric analysis. American Journal of Psychotherapy, 77(2), 71–78.
Koutsouleris, N. et al. (2022). From promise to practice: Towards the realisation of AI-informed mental health care. Lancet Digital Health, 4(11), e829–e840.
Mansoor, M., Hamide, A., & Tran, T. (2025). Conversational AI in pediatric mental health: A narrative review. Children, 12(3), 359.
Schleider, J. L. et al. (2025). Single-session interventions for mental health problems and service engagement: Umbrella review. Annual Review of Clinical Psychology, 21(1), 279–303.
Talmon, M. (1990). Single-session therapy: Maximizing the effect of the first (and often only) therapeutic encounter. Jossey-Bass.
Thakkar, A., Gupta, A., & De Sousa, A. (2024). Artificial intelligence in positive mental health: A narrative review. Frontiers in Digital Health, 6, 1280235.
Vowels, L. M. et al. (2024). AI in relationship counselling: Evaluating ChatGPT’s therapeutic capabilities. Computers in Human Behavior Artificial Humans, 2(2), 100078.
WHO (2021). Comprehensive mental health action plan 2013–2030. World Health Organization.