Les webs inaccessibles queden enrere a la cerca amb IA

La IA llegeix el web de la mateixa manera que els lectors de pantalla

Quan els sistemes de cerca i descoberta impulsats per IA rastregen la teva web, fan una cosa que hauria de resultar familiar: analitzen l’estructura semàntica del teu HTML per entendre què conté la pàgina i què significa.

Miren la jerarquia d’encapçalaments per entendre com s’organitza el contingut. Llegeixen el text alternatiu per entendre què transmeten les imatges. Fan servir el text dels enllaços per entendre on porten. Depenen de taules ben estructurades per donar sentit a les dades tabulars. Quan aquests elements estructurals falten o estan trencats, el sistema d’IA —com un lector de pantalla— o bé interpreta malament el contingut o bé el perd completament.

Això no és una coincidència. Els estàndards web que fan que el contingut sigui accessible per a la tecnologia d’assistència —HTML semàntic, ARIA quan cal, dades estructurades, alternatives de text significatives— són els mateixos estàndards que fan que el contingut sigui interpretable pels sistemes d’aprenentatge automàtic. L’accessibilitat i la descobribilitat per IA no són preocupacions separades que casualment comparteixen algunes tècniques. Són expressions del mateix principi subjacent: la informació s’ha de comunicar de manera estructural, no només visual.

Com processen el contingut web els sistemes de cerca amb IA

Els sistemes moderns de cerca i descoberta impulsats per IA —incloses les funcions de cerca basades en models de llenguatge que ara apareixen als principals motors de cerca— extreuen significat de les pàgines web mitjançant un procés de diverses etapes:

Rastreig: sistemes automatitzats obtenen les teves pàgines i n’analitzen l’HTML. Les pàgines que bloquegen els rastrejadors, carreguen el contingut íntegrament mitjançant JavaScript que no es renderitza al servidor, o tenen l’estructura trencada, potser no s’obtenen ni s’analitzen correctament.

Fragmentació: el contingut es divideix en segments, normalment alineats amb unitats semàntiques —encapçalaments, paràgrafs, llistes, seccions. El contingut sense estructura semàntica (un únic bloc de text indiferenciat) es fragmenta de manera arbitrària, cosa que fa perdre les relacions lògiques entre les idees.

Incrustació: cada fragment es converteix en una representació vectorial que codifica el significat semàntic. La qualitat d’aquesta incrustació depèn en gran mesura de la qualitat de l’estructura circumdant. Un encapçalament que descriu amb precisió el contingut que precedeix ajuda el sistema a entendre de què tracta aquest contingut. Un encapçalament decoratiu que fa servir una mida de lletra gran però porta <div> en comptes de <h2> aporta poc.

Recuperació: quan un usuari fa una pregunta, el sistema troba els fragments les incrustacions dels quals són més properes al significat semàntic de la consulta. El contingut que es va fragmentar i incrustar bé apareix en consultes rellevants. El contingut que quedava enterrat en marcatge sense estructura, no.

Errors d’accessibilitat concrets que perjudiquen la visibilitat amb IA

Text alternatiu absent o inadequat

El text alternatiu és com els sistemes d’IA entenen el contingut de les imatges. Una imatge que diu quin aspecte té el producte en un context de compra, o què mostra el gràfic en un context de dades, aporta informació significativa a la comprensió que la IA té de la pàgina. Un nom de fitxer (“IMG_4821.jpg”) o un atribut alt buit no aporta res.

En pàgines on les imatges tenen un pes informatiu important —pàgines de producte, pàgines d’informe, pàgines de tutorial—, l’absència de text alternatiu és alhora un error d’accessibilitat i un error de visibilitat per IA.

Estructura d’encapçalaments trencada

La jerarquia d’encapçalaments indica tant als lectors de pantalla com als sistemes d’IA com s’organitza el contingut de la pàgina. Una pàgina que salta de <h1> a <h3> per motius de mida visual, o que fa servir etiquetes d’encapçalament només per a l’estil, produeix una estructura que ni la tecnologia d’assistència ni els rastrejadors d’IA poden analitzar correctament.

Els encapçalaments ben estructurats creen un esquema del contingut de la pàgina, una cosa que els sistemes d’IA fan servir directament per entendre què cobreix la pàgina i com es relacionen les seccions entre si.

Text d’enllaç vague o absent

El text d’enllaç és senyal. “Llegeix més”, “clica aquí” i “més informació” no diuen res a un sistema d’IA sobre la destinació. Un text d’enllaç descriptiu —“Llegeix la nostra guia sobre el compliment de la WCAG 2.2”— indica a la IA què conté la pàgina enllaçada i contribueix a la comprensió que el sistema té de les connexions temàtiques de la pàgina actual.

Subtítols i transcripcions per al contingut audiovisual

El vídeo i l’àudio són opacs per als sistemes d’IA sense alternatives textuals. Les transcripcions i els subtítols són alhora requisits d’accessibilitat i entrades directes a la indexació de cerca amb IA. Un vídeo ben subtitulat té el seu contingut parlat indexat i recuperable. Un vídeo sense subtítols no aporta gairebé res a la visibilitat de cerca més enllà del seu títol i el text circumdant.

PDF inaccessibles

Els PDF distribuïts com a imatges escanejades o fitxers sense etiquetar no poden ser analitzats de manera fiable ni pels lectors de pantalla ni pels sistemes d’IA. Un error d’accessibilitat en documents etiquetats gairebé sempre és també un error de descobribilitat.

Consulta la nostra guia d’accessibilitat de PDF per saber què requereix una estructura de PDF accessible.

Dades estructurades

Tot i que no és estrictament un requisit d’accessibilitat, el marcatge de dades estructurades (schema.org, JSON-LD) és un canal de comunicació directe tant amb els motors de cerca com amb els sistemes d’IA sobre què significa el teu contingut. Un article amb el marcatge d’esquema Article adequat, un producte amb esquema Product i Offer, unes preguntes freqüents amb esquema FAQPage: tot això dona als sistemes d’IA informació verificada i estructurada en lloc d’obligar-los a inferir el significat només a partir del text de la pàgina.

La superposició pràctica

Les accions que milloren l’accessibilitat per als teus usuaris humans amb discapacitat són en gran part idèntiques a les accions que milloren la descobribilitat per IA:

Millora d’accessibilitat	Benefici de descobribilitat per IA
Afegir text alternatiu significatiu a les imatges	Les imatges esdevenen cercables i el seu contingut indexable
Fer servir una jerarquia d’encapçalaments adequada	L’organització del contingut és llegible per màquina
Escriure text d’enllaç descriptiu	Les relacions temàtiques entre pàgines són explícites
Subtitular i transcriure el vídeo	El contingut parlat esdevé indexat i recuperable
Crear PDF accessibles amb etiquetes	El contingut del document és analitzable
Fer servir elements HTML semàntics	L’estructura de la pàgina és interpretable sense CSS

Una manera diferent de pensar en el ROI de l’accessibilitat

L’argument comercial a favor de l’accessibilitat sol plantejar-se al voltant del compliment legal (l’EAA, l’ADA i normatives similars) i la mida del mercat de la discapacitat. Tots dos són reals.

Però la visibilitat de cerca amb IA afegeix una dimensió diferent: l’accessibilitat no tracta només de qui pot fer servir el teu lloc. Tracta de si el teu contingut pot ser trobat, mostrat i resumit pels sistemes d’IA que cada cop més fan de mediadors en com la gent descobreix la informació.

Una web semànticament trencada —sense text alternatiu, amb una estructura d’encapçalaments plana, enllaços vagues, PDF sense estructura— és una web el contingut de la qual té menys probabilitats d’aparèixer en respostes, resums i recomanacions generades per IA. A mesura que la cerca mediada per IA es converteix en una part més gran de la descoberta, aquesta bretxa de visibilitat es converteix en una bretxa comercial.

El punt de partida per a totes dues preocupacions és el mateix: entendre on es troba actualment el teu lloc. Executa una anàlisi gratuïta per veure quins són els teus problemes d’accessibilitat. Moltes de les correccions que milloren l’accessibilitat milloraran la descobribilitat per IA alhora, sense cap esforç addicional.