La IA como herramienta de accesibilidad: qué funciona y qué no

Un auténtico punto de inflexión, con matices

La inteligencia artificial está cambiando la experiencia de la discapacidad de formas que van desde lo genuinamente transformador hasta lo sobrevalorado. La subtitulación en tiempo real, la descripción de imágenes, la simplificación de textos y las interfaces controladas por voz han mejorado notablemente en los últimos años y, para muchas personas con discapacidad, las herramientas impulsadas por IA han cambiado de forma tangible lo que es posible en la vida diaria.

Pero la IA también se está aplicando a la accesibilidad de maneras que no funcionan, o que crean nueva exclusión mientras afirman resolverla. Las capas de accesibilidad (overlays) prometen un cumplimiento instantáneo impulsado por IA y no ofrecen ninguna de las dos cosas. Los sesgos en los datos de entrenamiento hacen que algunos sistemas de IA rindan bastante peor para los usuarios con discapacidad que para la población general. Y el coste de las herramientas de accesibilidad de IA de alta calidad sigue siendo una barrera para quienes más las necesitan.

Una mirada honesta a la IA y la discapacidad implica reconocer ambas realidades.

Lo que la IA realmente permite

Subtitulación en tiempo real

El reconocimiento automático del habla (ASR) ha mejorado de forma espectacular. La subtitulación en tiempo real impulsada por IA —a través de sistemas como Google Live Captions, Microsoft Azure Cognitive Services y herramientas específicas como CART (Communication Access Realtime Translation) potenciadas por IA— ya puede producir subtítulos lo bastante precisos como para resultar genuinamente útiles en entornos en vivo: reuniones, conferencias, eventos.

Para los usuarios sordos y con problemas de audición, esto representa una mejora práctica significativa. Hace una década, unos subtítulos precisos en tiempo real requerían un estenógrafo humano. Hoy, los sistemas de IA pueden producir subtítulos con tasas de error lo bastante bajas como para respaldar una comunicación eficaz en la mayoría de los escenarios, aunque la revisión humana sigue siendo importante en contextos de alto riesgo.

La precisión varía según el acento, el ruido de fondo, el vocabulario técnico y la velocidad al hablar. Los usuarios con acentos no estándar (que incluyen a muchos hablantes no nativos de inglés) suelen encontrar que los sistemas de ASR actuales son bastante menos precisos para ellos que para los hablantes nativos, un sesgo integrado en los datos de entrenamiento que sigue siendo un problema activo.

Descripción de imágenes y generación de texto alternativo

Los sistemas de visión por computador ya pueden generar descripciones de imágenes con la precisión suficiente para resultar útiles. Herramientas como Microsoft Seeing AI, Google Lookout y las funciones de descripción de imágenes de iOS y Android describen fotografías, documentos y escenas en tiempo real para usuarios ciegos y con baja visión.

Para los sitios web, el texto alternativo generado por IA representa una mejora significativa frente a la alternativa habitual (no tener texto alternativo en absoluto). Las plataformas de redes sociales han implementado la generación de texto alternativo con IA a gran escala y, aunque las descripciones suelen ser genéricas, son mejores que el silencio.

La limitación: el texto alternativo generado por IA no puede transmitir de forma fiable el significado de una imagen en su contexto. Puede decir “un grupo de personas de pie frente a un edificio”, pero no “el equipo de QualiBooth en la Web Summit de 2025”. El texto alternativo escrito por humanos que comunica por qué la imagen importa sigue siendo el estándar de referencia. Consulta nuestra guía sobre cómo escribir contenido accesible en redes sociales para obtener orientación práctica.

Simplificación de textos

Los grandes modelos de lenguaje pueden simplificar textos complejos —documentos gubernamentales, términos legales, información médica— en un lenguaje sencillo que resulte accesible para personas con discapacidad cognitiva, dificultades de aprendizaje o niveles de alfabetización más bajos. Esta aplicación tiene un potencial genuino, especialmente para el contenido que las organizaciones están legalmente obligadas a publicar pero que es inherentemente complejo.

Retos: la simplificación con IA puede introducir errores. El resultado simplificado debería ser revisado por humanos. Y la simplificación “correcta” varía considerablemente de un usuario a otro: lo que ayuda a alguien con dislexia puede diferir de lo que ayuda a alguien con una discapacidad intelectual.

Control por voz y dictado

El control por voz impulsado por IA se ha convertido en una alternativa práctica al teclado y el ratón para muchos usuarios con discapacidad motriz. Dragon NaturallySpeaking, Windows Speech Recognition y el control por voz de iOS/Android usan aprendizaje automático para mejorar la precisión de cada usuario con el tiempo.

La mejora de calidad de estos sistemas durante la última década es notable. Para usuarios con afecciones como la esclerosis múltiple, la ELA o la artritis grave, el control por voz ha permitido una independencia que era bastante más difícil de lograr con la tecnología anterior.

La brecha: la precisión del control por voz todavía varía considerablemente según la calidad del micrófono, el ruido de fondo y los patrones del habla. Los usuarios con disartria (que afecta a muchas personas con afecciones como la parálisis cerebral o el ictus) pueden encontrar que los sistemas actuales de reconocimiento de voz son menos eficaces para ellos que para un habla clara y típica, una brecha de accesibilidad persistente dentro de una herramienta de accesibilidad.

Dónde se queda corta la IA

Sesgo en los datos de entrenamiento

Los sistemas de IA aprenden a partir de datos. Cuando los datos usados para entrenar un sistema infrarrepresentan a las personas con discapacidad —o las representan principalmente en contextos patológicos o estereotipados—, el sistema resultante puede rendir peor para los usuarios con discapacidad, malinterpretar el contenido relacionado con la discapacidad o reforzar suposiciones dañinas.

Esto no es una preocupación teórica. Los estudios han demostrado que los sistemas de ASR son menos precisos para hablantes con disartria o patrones de habla atípicos. Los sistemas de reconocimiento facial rinden con menor precisión para usuarios que no encajan en las normas demográficas de los datos de entrenamiento. Los algoritmos de cribado de candidatos entrenados con datos históricos pueden perjudicar a los solicitantes con discapacidad.

Desarrollar una IA que funcione bien para los usuarios con discapacidad requiere incluir a personas con discapacidad en el proceso de diseño y prueba, no como una idea de última hora, sino como participantes desde las primeras fases.

Capas de accesibilidad: lavado de imagen con IA

Las capas de accesibilidad (overlays) impulsadas por IA afirman detectar y corregir automáticamente los problemas de accesibilidad en los sitios web. Se promocionan de forma agresiva y a menudo se asegura que producen un cumplimiento instantáneo de los requisitos de WCAG o de la ADA.

No funcionan. Las capas no pueden corregir las barreras de código subyacentes que provocan los fallos de accesibilidad. Con frecuencia interfieren con la tecnología de apoyo en la que los usuarios ya confían: los lectores de pantalla se comportan de forma inesperada, la navegación por teclado se rompe, la propia capa introduce nuevas barreras. Y han aparecido en un número creciente de demandas por accesibilidad como prueba de que el demandado era consciente de los problemas de accesibilidad pero optó por una no-solución en lugar de una subsanación real. Tratamos esto en detalle en nuestro artículo sobre la verdadera accesibilidad digital.

Asequibilidad y acceso

Las herramientas de accesibilidad de IA más eficaces suelen ser caras, dependientes de hardware o basadas en suscripción. Los usuarios con discapacidad, que ya afrontan costes más altos en equipos, atención sanitaria y tecnología de apoyo, a menudo no pueden permitirse los niveles premium de los servicios de IA que ofrecen el mejor soporte de accesibilidad.

El diseño universal —incorporar la accesibilidad a los productos generalistas en lugar de depender de que los usuarios compren herramientas especializadas— sigue siendo el enfoque más equitativo.

Qué significa esto para cómo diseñamos

La implicación más importante del papel de la IA en la discapacidad no es que las herramientas de IA vayan a resolver el problema de la accesibilidad por nosotros. No lo harán. La base del diseño accesible —HTML semántico, operabilidad con teclado, etiquetado adecuado, contraste suficiente— sigue siendo el cimiento del que dependen tanto los usuarios humanos como las herramientas de IA.

Lo que la IA cambia es el soporte disponible para los usuarios sobre esa base. Cuando el cimiento es sólido, las herramientas impulsadas por IA pueden ampliar y potenciar lo que es posible. Cuando el cimiento está roto, las herramientas de IA intentan compensar algo que debería haberse construido correctamente.

Crea productos digitales accesibles. Entonces las tecnologías de apoyo con IA podrán ayudar de verdad a las personas que las usan.

Si quieres entender en qué situación se encuentran tus productos digitales actuales respecto a esa base, ejecuta un análisis gratuito o habla con nuestro equipo sobre una revisión integral de accesibilidad.