AI als toegankelijkheidshulpmiddel: wat werkt en wat niet

Een echt keerpunt — met kanttekeningen

Kunstmatige intelligentie verandert de ervaring van een beperking op manieren die variëren van werkelijk transformerend tot overdreven gehypet. Realtime ondertiteling, beeldbeschrijving, tekstvereenvoudiging en spraakgestuurde interfaces zijn de afgelopen jaren aanzienlijk verbeterd, en voor veel mensen met een beperking hebben AI-gestuurde hulpmiddelen wezenlijk veranderd wat mogelijk is in het dagelijks leven.

Maar AI wordt ook toegepast op toegankelijkheid op manieren die niet werken — of die nieuwe uitsluiting creëren terwijl ze beweren die op te lossen. Toegankelijkheidsoverlays beloven AI-gestuurde onmiddellijke naleving en leveren geen van beide. Vertekeningen in trainingsdata betekenen dat sommige AI-systemen aanzienlijk slechter presteren voor gebruikers met een beperking dan voor de bredere bevolking. En de kosten van hoogwaardige AI-toegankelijkheidshulpmiddelen blijven een barrière voor de mensen die ze het hardst nodig hebben.

Een eerlijke blik op AI en beperkingen betekent dat je beide erkent.

Wat AI werkelijk mogelijk maakt

Realtime ondertiteling

Automatische spraakherkenning (ASR) is dramatisch verbeterd. AI-gestuurde realtime ondertiteling — via systemen als Google Live Captions, Microsoft Azure Cognitive Services en speciaal ontwikkelde hulpmiddelen zoals CART (Communication Access Realtime Translation) aangevuld met AI — kan nu ondertiteling produceren die nauwkeurig genoeg is om werkelijk nuttig te zijn in live-situaties: vergaderingen, colleges, evenementen.

Voor dove en slechthorende gebruikers betekent dit een wezenlijke praktische verbetering. Tien jaar geleden vereisten nauwkeurige realtime ondertitels een menselijke stenograaf. Tegenwoordig kunnen AI-systemen ondertitels produceren met een foutmarge die laag genoeg is om effectieve communicatie in de meeste scenario’s te ondersteunen — al blijft menselijke controle belangrijk in situaties met hoge inzet.

De nauwkeurigheid varieert naargelang accent, achtergrondgeluid, technisch vocabulaire en spreeksnelheid. Gebruikers met een niet-standaard accent (waaronder veel niet-moedertaalsprekers van het Engels) vinden de huidige ASR-systemen vaak aanzienlijk minder nauwkeurig voor hen dan voor moedertaalsprekers — een vertekening die in de trainingsdata is ingebakken en een actief probleem blijft.

Beeldbeschrijving en het genereren van alt-tekst

Computervisiesystemen kunnen nu beschrijvingen van afbeeldingen genereren die nauwkeurig genoeg zijn om nuttig te zijn. Hulpmiddelen zoals Microsoft Seeing AI, Google Lookout en de beeldbeschrijvingsfuncties in iOS en Android beschrijven foto’s, documenten en scènes in realtime voor blinde en slechtziende gebruikers.

Voor websites is door AI gegenereerde alt-tekst een wezenlijke verbetering ten opzichte van het gangbare alternatief (helemaal geen alt-tekst). Socialmediaplatforms hebben het genereren van AI-alt-tekst op grote schaal ingezet, en hoewel de beschrijvingen vaak generiek zijn, zijn ze beter dan stilte.

De beperking: door AI gegenereerde alt-tekst kan de betekenis van een afbeelding in context niet betrouwbaar overbrengen. Het kan zeggen “een groep mensen die voor een gebouw staat”, maar niet “het QualiBooth-team op de Web Summit van 2025”. Door mensen geschreven alt-tekst die overbrengt waarom de afbeelding ertoe doet, blijft de gouden standaard. Zie onze gids over het schrijven van toegankelijke socialmediacontent voor praktische richtlijnen.

Tekstvereenvoudiging

Grote taalmodellen kunnen complexe tekst vereenvoudigen — overheidsdocumenten, juridische termen, medische informatie — tot begrijpelijke taal die toegankelijk is voor mensen met een cognitieve beperking, een leerbeperking of een lager geletterdheidsniveau. Deze toepassing heeft echt potentieel, met name voor content die organisaties wettelijk verplicht zijn te publiceren maar die van nature complex is.

Uitdagingen: AI-vereenvoudiging kan fouten introduceren. Vereenvoudigde output moet door mensen worden gecontroleerd. En de “juiste” vereenvoudiging verschilt aanzienlijk per gebruiker — wat iemand met dyslexie helpt, kan verschillen van wat iemand met een verstandelijke beperking helpt.

Spraakbesturing en dicteren

AI-gestuurde spraakbesturing is een praktisch alternatief geworden voor toetsenbord en muis voor veel gebruikers met een motorische beperking. Dragon NaturallySpeaking, Windows Speech Recognition en de spraakbesturing van iOS/Android gebruiken machine learning om de nauwkeurigheid voor individuele gebruikers in de loop van de tijd te verbeteren.

De kwaliteitsverbetering in deze systemen in het afgelopen decennium is aanzienlijk. Voor gebruikers met aandoeningen als multiple sclerose, ALS of ernstige artritis heeft spraakbesturing een zelfstandigheid mogelijk gemaakt die met eerdere technologie aanzienlijk moeilijker te bereiken was.

De kloof: de nauwkeurigheid van spraakbesturing varieert nog steeds aanzienlijk naargelang de kwaliteit van de microfoon, achtergrondgeluid en spraakpatronen. Gebruikers met dysartrie (wat veel mensen met aandoeningen als cerebrale parese of een beroerte treft) vinden de huidige spraakherkenningssystemen mogelijk minder effectief dan voor heldere, typische spraak — een hardnekkige toegankelijkheidskloof binnen een toegankelijkheidshulpmiddel.

Waar AI tekortschiet

Vertekening in trainingsdata

AI-systemen leren van data. Wanneer de data die wordt gebruikt om een systeem te trainen mensen met een beperking ondervertegenwoordigt — of hen vooral in pathologische of stereotype contexten weergeeft — kan het resulterende systeem slechter presteren voor gebruikers met een beperking, aan beperking gerelateerde content verkeerd interpreteren of schadelijke aannames versterken.

Dit is geen theoretische zorg. Studies hebben aangetoond dat ASR-systemen minder nauwkeurig zijn voor sprekers met dysartrie of atypische spraakpatronen. Gezichtsherkenningssystemen presteren minder nauwkeurig voor gebruikers die niet passen binnen de demografische normen in de trainingsdata. Wervingsscreeningsalgoritmen die zijn getraind op historische data kunnen sollicitanten met een beperking benadelen.

Het ontwikkelen van AI die goed werkt voor gebruikers met een beperking vereist het betrekken van mensen met een beperking bij het ontwerp- en testproces — niet als bijzaak, maar als deelnemers vanaf de vroegste fasen.

Toegankelijkheidsoverlays: AI-washing

AI-gestuurde toegankelijkheidsoverlays beweren toegankelijkheidsproblemen op websites automatisch te detecteren en op te lossen. Ze worden agressief gepromoot en er wordt vaak beweerd dat ze onmiddellijke naleving van WCAG- of ADA-vereisten produceren.

Ze werken niet. Overlays kunnen de onderliggende codebarrières die toegankelijkheidsfouten veroorzaken niet oplossen. Ze verstoren regelmatig de hulptechnologie waarop gebruikers al vertrouwen — schermlezers gedragen zich onverwacht, toetsenbordnavigatie loopt vast, de overlay zelf introduceert nieuwe barrières. En ze zijn opgedoken in een groeiend aantal rechtszaken over toegankelijkheid als bewijs dat de gedaagde op de hoogte was van toegankelijkheidsproblemen maar koos voor een schijnoplossing in plaats van echte verbetering. We behandelen dit uitgebreid in ons artikel over echte digitale toegankelijkheid.

Betaalbaarheid en toegang

De meest effectieve AI-toegankelijkheidshulpmiddelen zijn vaak duur, hardware-afhankelijk of op abonnementsbasis. Gebruikers met een beperking die al te maken hebben met hogere kosten voor apparatuur, gezondheidszorg en hulptechnologie kunnen zich de premiumniveaus van AI-diensten die de beste toegankelijkheidsondersteuning bieden vaak niet veroorloven.

Universeel ontwerp — toegankelijkheid inbouwen in reguliere producten in plaats van erop te vertrouwen dat gebruikers gespecialiseerde hulpmiddelen aanschaffen — blijft de meest rechtvaardige aanpak.

Wat dit betekent voor hoe we ontwerpen

De belangrijkste implicatie van de rol van AI bij beperkingen is niet dat AI-hulpmiddelen het toegankelijkheidsprobleem voor ons zullen oplossen. Dat zullen ze niet. De basis van toegankelijk ontwerp — semantische HTML, bediening via het toetsenbord, correcte labeling, voldoende contrast — blijft het fundament waarop zowel menselijke gebruikers als AI-hulpmiddelen vertrouwen.

Wat AI verandert, is de ondersteuning die boven op dat fundament beschikbaar is voor gebruikers. Wanneer het fundament solide is, kunnen AI-gestuurde hulpmiddelen uitbreiden en versterken wat mogelijk is. Wanneer het fundament kapot is, proberen AI-hulpmiddelen iets te compenseren wat correct gebouwd had moeten worden.

Bouw toegankelijke digitale producten. Dan kunnen AI-hulptechnologieën de mensen die ze gebruiken echt helpen.

Als je wilt begrijpen waar je huidige digitale producten staan op dat fundament, voer dan een gratis scan uit of praat met ons team over een uitgebreide toegankelijkheidsbeoordeling.