事件背景
墨西哥一項隨機對照試驗（1,964名輕度至重度心理困擾女性，為期6個月）顯示，AI心理健康應用改善心理健康狀況0.3標準差、改善睡眠品質、增加健康行為、未見有害證據。這項研究刊登在頂級經濟學部落格Marginal Revolution，引發關於AI是否將「替代」傳統心理治療的討論。
表面觀察
首先注意數字的對比： - 效能：0.3 SD改善是「中等效果量」（Cohen定義），並非微不足道 - 成本：AI應用的邊際成本遠低於每週心理治療（墨西哥心理師時薪30-80美元 vs 應用年訂閱10-50美元） - 可及性：手機應用可服務被既有醫療體系排除的1,964人
但研究並未比較「AI vs 傳統治療」的直接對照，只測試了「有AI應用 vs 無」。這個設計很重要。
模式辨識
這不是AI第一次以「不完美但足夠」的形式進入專業領域： 1. 診斷影像：AI在X光判讀上的準確度不必達到100%，只要在「常見病例」上超過70-80%，就能減輕放射科醫師的重複性工作 2. 法律檔案審查：自動化系統只需處理80%的「明顯相關」檔案，律師團隊效率就提升30% 3. 教育：AI家教的學習成效不必超越頂級家教，只需比「無人指導」更好且全天可用，就能改變低收入家庭的教育決策
心理治療也遵循相同邏輯：全球心理師短缺（WHO估計全球缺少數百萬心理工作者），許多患者面臨選擇是「廉價AI」還是「無治療」。
原則提煉
替代品的能力邊界：一個新服務進入市場時，不需要在所有維度上都優於現有產品。它只需在「成本×可及性×可接受的效能」的組合上，跨越某個閾值，就能為足夠大的客群創造新均衡。
更正式地：若 - 現有產品的進入成本（金錢、時間、地理）非常高 - 替代品的相對成本顯著更低 - 替代品的效能達到某個「夠好」的水位（不必最優） - 市場中存在「被現有產品排除」的龐大人群
則替代品會創造新市場（而非搶奪舊市場）。心理治療不會被「取代」，而是被「分化」：富裕人群繼續用高端治療師，而新增的低收入患者因為AI應用而首次獲得服務。
應用到其他場景
1. 醫療：AI初級診斷不會取代醫生，但會為農村地區創造「之前沒有的診療選項」 2. 法律：文件審查自動化不會取代律師判斷，但會為小型企業提供負擔得起的合規檢查 3. 教育：AI輔導不會取代優秀教師，但會為教育不足地區的學生創造新學習機會 4. 企業軟體：低階自動化工具不會取代昂貴ERP，但會為微型企業創造新的營運可能
關鍵是：替代不等於搶奪。它是市場的垂直分化與橫向擴張。
實驗設計的細節
這項研究設計有一個隱藏的亮點：測試的是1,964名「墨西哥女性」，這個族群特徵暗示了一個事實——在中低收入國家，心理治療的可及性本身就是稀缺資源。0.3 SD的改善對這個人群的邊際價值，可能遠高於對已經能定期看心理師的紐約居民。
這進一步支持「替代品能力邊界」的邏輯：效能的絕對值不如「對特定人群的相對改善」重要。