AI som tilgængelighedsværktøj: hvad virker og hvad ikke

Et ægte vendepunkt — med forbehold

Kunstig intelligens ændrer oplevelsen af handicap på måder, der spænder fra reelt transformerende til overhypet. Undertekstning i realtid, billedbeskrivelse, tekstforenkling og stemmestyrede grænseflader er blevet markant bedre i de senere år, og for mange mennesker med handicap har AI-drevne værktøjer materielt ændret, hvad der er muligt i dagligdagen.

Men AI anvendes også på tilgængelighed på måder, der ikke virker — eller som skaber ny eksklusion, mens de hævder at løse den. Tilgængeligheds-overlays lover AI-drevet øjeblikkelig overholdelse og leverer ingen af delene. Bias i træningsdata betyder, at nogle AI-systemer præsterer markant dårligere for brugere med handicap, end de gør for den bredere befolkning. Og prisen på AI-tilgængelighedsværktøjer af høj kvalitet er fortsat en barriere for de mennesker, der har mest brug for dem.

Et ærligt kig på AI og handicap betyder at anerkende begge dele.

Hvad AI reelt muliggør

Undertekstning i realtid

Automatisk talegenkendelse (ASR) er blevet dramatisk bedre. AI-drevet undertekstning i realtid — gennem systemer som Google Live Captions, Microsoft Azure Cognitive Services og formålsbyggede værktøjer som CART (Communication Access Realtime Translation) suppleret med AI — kan nu producere undertekster, der er nøjagtige nok til at være reelt nyttige i live-situationer: møder, forelæsninger, arrangementer.

For døve og hørehæmmede brugere repræsenterer dette en meningsfuld praktisk forbedring. For et årti siden krævede nøjagtige undertekster i realtid en menneskelig stenograf. I dag kan AI-systemer producere undertekster med lave nok fejlrater til at understøtte effektiv kommunikation i de fleste scenarier — selvom menneskelig gennemgang forbliver vigtig i kontekster med høj indsats.

Nøjagtigheden varierer efter accent, baggrundsstøj, teknisk ordforråd og talehastighed. Brugere med ikke-standardaccenter (hvilket inkluderer mange ikke-modersmålstalende engelsktalende) oplever ofte, at nuværende ASR-systemer er markant mindre nøjagtige for dem end for modersmålstalende — en bias indbygget i træningsdata, der forbliver et aktivt problem.

Billedbeskrivelse og generering af alt-tekst

Computersynssystemer kan nu generere beskrivelser af billeder med tilstrækkelig nøjagtighed til at være nyttige. Værktøjer som Microsoft Seeing AI, Google Lookout og billedbeskrivelsesfunktionerne i iOS og Android beskriver fotografier, dokumenter og scener i realtid for blinde og svagtseende brugere.

For hjemmesider repræsenterer AI-genereret alt-tekst en meningsfuld forbedring i forhold til det almindelige alternativ (slet ingen alt-tekst). Sociale medieplatforme har implementeret AI-generering af alt-tekst i stor skala, og selvom beskrivelserne ofte er generiske, er de bedre end tavshed.

Begrænsningen: AI-genereret alt-tekst kan ikke pålideligt formidle meningen med et billede i kontekst. Den kan sige “en gruppe mennesker, der står foran en bygning”, men ikke “QualiBooth-teamet ved Web Summit 2025”. Menneskeskrevet alt-tekst, der kommunikerer, hvorfor billedet betyder noget, forbliver guldstandarden. Se vores guide om at skrive tilgængeligt indhold til sociale medier for praktisk vejledning.

Tekstforenkling

Store sprogmodeller kan forenkle kompleks tekst — offentlige dokumenter, juridiske vilkår, medicinsk information — til klart sprog, der er tilgængeligt for mennesker med kognitive handicap, indlæringsvanskeligheder eller lavere læsefærdigheder. Denne anvendelse har ægte potentiale, især for indhold, som organisationer er lovmæssigt forpligtet til at offentliggøre, men som i sig selv er komplekst.

Udfordringer: AI-forenkling kan introducere fejl. Forenklet output bør gennemgås af mennesker. Og den “korrekte” forenkling varierer markant fra bruger til bruger — det, der hjælper en person med dysleksi, kan afvige fra det, der hjælper en person med et intellektuelt handicap.

Stemmestyring og diktering

AI-drevet stemmestyring er blevet et praktisk alternativ til tastatur og mus for mange brugere med motoriske handicap. Dragon NaturallySpeaking, Windows Speech Recognition og iOS/Android-stemmestyring bruger maskinlæring til at forbedre nøjagtigheden for individuelle brugere over tid.

Kvalitetsforbedringen i disse systemer over det seneste årti er betydelig. For brugere med tilstande som multipel sklerose, ALS eller svær leddegigt har stemmestyring muliggjort en uafhængighed, der var markant sværere at opnå med tidligere teknologi.

Gabet: nøjagtigheden af stemmestyring varierer stadig markant efter mikrofonkvalitet, baggrundsstøj og talemønstre. Brugere med dysartri (som påvirker mange mennesker med tilstande som cerebral parese eller efter et slagtilfælde) kan opleve, at nuværende stemmegenkendelsessystemer er mindre effektive for dem, end de er for klar, typisk tale — et vedvarende tilgængelighedsgab inden i et tilgængelighedsværktøj.

Hvor AI kommer til kort

Bias i træningsdata

AI-systemer lærer af data. Når de data, der bruges til at træne et system, underrepræsenterer mennesker med handicap — eller repræsenterer dem primært i patologiske eller stereotype kontekster — kan det resulterende system præstere dårligere for brugere med handicap, fejltolke handicaprelateret indhold eller forstærke skadelige antagelser.

Dette er ikke en teoretisk bekymring. Studier har vist, at ASR-systemer er mindre nøjagtige for talere med dysartri eller atypiske talemønstre. Ansigtsgenkendelsessystemer præsterer mindre nøjagtigt for brugere, der ikke passer til demografiske normer i træningsdata. Screeningalgoritmer til ansættelser, der er trænet på historiske data, kan stille handicappede ansøgere ringere.

At udvikle AI, der fungerer godt for brugere med handicap, kræver at inkludere mennesker med handicap i design- og testprocessen — ikke som en eftertanke, men som deltagere fra de tidligste faser.

Tilgængeligheds-overlays: AI-washing

AI-drevne tilgængeligheds-overlays hævder automatisk at opdage og rette tilgængelighedsproblemer på hjemmesider. De promoveres aggressivt og hævdes ofte at producere øjeblikkelig overholdelse af WCAG- eller ADA-krav.

De virker ikke. Overlays kan ikke rette de underliggende kodebarrierer, der forårsager tilgængelighedsfejl. De forstyrrer ofte den hjælpeteknologi, brugerne allerede er afhængige af — skærmlæsere opfører sig uventet, tastaturnavigation går i stykker, overlayet selv introducerer nye barrierer. Og de er dukket op i et voksende antal tilgængeligheds-retssager som bevis på, at den sagsøgte var opmærksom på tilgængelighedsproblemer, men valgte en ikke-løsning frem for reel udbedring. Vi dækker dette i detaljer i vores artikel om ægte digital tilgængelighed.

Overkommelighed og adgang

De mest effektive AI-tilgængelighedsværktøjer er ofte dyre, hardwareafhængige eller abonnementsbaserede. Brugere med handicap, der allerede står over for højere omkostninger til udstyr, sundhedspleje og hjælpeteknologi, har ofte ikke råd til de premium-niveauer af AI-tjenester, der tilbyder den bedste tilgængelighedsstøtte.

Universelt design — at bygge tilgængelighed ind i mainstream-produkter frem for at forlade sig på, at brugerne køber specialiserede værktøjer — forbliver den mest retfærdige tilgang.

Hvad dette betyder for, hvordan vi designer

Den vigtigste implikation af AI’s rolle i handicap er ikke, at AI-værktøjer vil løse tilgængelighedsproblemet for os. Det gør de ikke. Grundlaget for tilgængeligt design — semantisk HTML, betjening med tastatur, korrekt mærkning, tilstrækkelig kontrast — forbliver det fundament, som både menneskelige brugere og AI-værktøjer afhænger af.

Det, AI ændrer, er den støtte, der er tilgængelig for brugere oven på dette fundament. Når fundamentet er solidt, kan AI-drevne værktøjer udvide og forstærke, hvad der er muligt. Når fundamentet er ødelagt, forsøger AI-værktøjer at kompensere for noget, der burde have været bygget korrekt.

Byg tilgængelige digitale produkter. Så kan AI-hjælpeteknologier faktisk hjælpe de mennesker, der bruger dem.

Hvis du vil forstå, hvor dine nuværende digitale produkter står på det fundament, kør en gratis scanning eller tal med vores team om en omfattende tilgængelighedsgennemgang.