AI jako narzędzie dostępności: co działa, a co nie

Prawdziwy punkt zwrotny — z zastrzeżeniami

Sztuczna inteligencja zmienia doświadczenie niepełnosprawności w sposób, który waha się od naprawdę przełomowego po przereklamowany. Transkrypcja napisów w czasie rzeczywistym, opis obrazów, upraszczanie tekstu i interfejsy sterowane głosem znacząco się poprawiły w ostatnich latach, a dla wielu osób z niepełnosprawnościami narzędzia oparte na AI realnie zmieniły to, co jest możliwe w codziennym życiu.

Ale AI jest też stosowane w dostępności w sposób, który nie działa — lub który tworzy nowe wykluczenie, twierdząc, że je rozwiązuje. Nakładki dostępności obiecują natychmiastową zgodność napędzaną AI i nie dostarczają żadnej z nich. Błędy w danych treningowych sprawiają, że niektóre systemy AI działają znacznie gorzej dla użytkowników z niepełnosprawnościami niż dla szerszej populacji. A koszt wysokiej jakości narzędzi dostępności opartych na AI pozostaje barierą dla osób, które potrzebują ich najbardziej.

Szczere spojrzenie na AI i niepełnosprawność oznacza uznanie obu tych stron.

Co AI naprawdę umożliwia

Transkrypcja napisów w czasie rzeczywistym

Automatyczne rozpoznawanie mowy (ASR) uległo dramatycznej poprawie. Transkrypcja napisów w czasie rzeczywistym oparta na AI — poprzez systemy takie jak Google Live Captions, Microsoft Azure Cognitive Services oraz specjalistyczne narzędzia jak CART (Communication Access Realtime Translation) wspomagane przez AI — może teraz tworzyć napisy wystarczająco dokładne, by były naprawdę użyteczne w sytuacjach na żywo: spotkaniach, wykładach, wydarzeniach.

Dla osób głuchych i słabosłyszących stanowi to znaczącą praktyczną poprawę. Dekadę temu dokładne napisy w czasie rzeczywistym wymagały ludzkiego stenografa. Dziś systemy AI potrafią tworzyć napisy z na tyle niskim wskaźnikiem błędów, by wspierać efektywną komunikację w większości scenariuszy — choć weryfikacja przez człowieka pozostaje ważna w kontekstach o wysokiej stawce.

Dokładność różni się w zależności od akcentu, hałasu w tle, słownictwa technicznego i tempa mówienia. Użytkownicy o niestandardowych akcentach (co obejmuje wielu nierodzimych użytkowników angielskiego) często stwierdzają, że obecne systemy ASR są dla nich znacznie mniej dokładne niż dla rodzimych użytkowników — to błąd wpisany w dane treningowe, który pozostaje aktywnym problemem.

Opis obrazów i generowanie tekstu alternatywnego

Systemy widzenia komputerowego potrafią teraz generować opisy obrazów z dokładnością wystarczającą, by były użyteczne. Narzędzia takie jak Microsoft Seeing AI, Google Lookout oraz funkcje opisu obrazów w iOS i Android opisują fotografie, dokumenty i sceny w czasie rzeczywistym dla użytkowników niewidomych i słabowidzących.

Dla witryn internetowych generowany przez AI tekst alternatywny stanowi znaczącą poprawę względem powszechnej alternatywy (całkowitego braku tekstu alternatywnego). Platformy mediów społecznościowych wdrożyły generowanie tekstu alternatywnego przez AI na dużą skalę i choć opisy są często ogólnikowe, są lepsze niż milczenie.

Ograniczenie: generowany przez AI tekst alternatywny nie potrafi niezawodnie przekazać znaczenia obrazu w kontekście. Może powiedzieć “grupa osób stojących przed budynkiem”, ale nie “zespół QualiBooth na Web Summit 2025”. Napisany przez człowieka tekst alternatywny, który przekazuje, dlaczego obraz ma znaczenie, pozostaje złotym standardem. Zobacz nasz przewodnik na temat tworzenia dostępnych treści w mediach społecznościowych, aby uzyskać praktyczne wskazówki.

Upraszczanie tekstu

Duże modele językowe potrafią uprościć złożony tekst — dokumenty urzędowe, terminy prawne, informacje medyczne — do prostego języka, który jest dostępny dla osób z niepełnosprawnościami poznawczymi, trudnościami w uczeniu się lub niższym poziomem umiejętności czytania. To zastosowanie ma realny potencjał, zwłaszcza w przypadku treści, które organizacje są prawnie zobowiązane publikować, ale które są z natury złożone.

Wyzwania: upraszczanie przez AI może wprowadzać błędy. Uproszczony wynik powinien być weryfikowany przez ludzi. A “poprawne” uproszczenie znacząco różni się w zależności od użytkownika — to, co pomaga osobie z dysleksją, może różnić się od tego, co pomaga osobie z niepełnosprawnością intelektualną.

Sterowanie głosem i dyktowanie

Sterowanie głosem oparte na AI stało się praktyczną alternatywą dla klawiatury i myszy dla wielu użytkowników z niepełnosprawnościami ruchowymi. Dragon NaturallySpeaking, Windows Speech Recognition oraz sterowanie głosem w iOS/Android wykorzystują uczenie maszynowe, aby z czasem poprawiać dokładność dla poszczególnych użytkowników.

Poprawa jakości tych systemów w ciągu ostatniej dekady jest znacząca. Dla użytkowników ze schorzeniami takimi jak stwardnienie rozsiane, ALS czy ciężkie zapalenie stawów sterowanie głosem umożliwiło niezależność, którą znacznie trudniej było osiągnąć przy wcześniejszej technologii.

Luka: dokładność sterowania głosem wciąż znacząco różni się w zależności od jakości mikrofonu, hałasu w tle i wzorców mowy. Użytkownicy z dyzartrią (która dotyka wiele osób ze schorzeniami takimi jak porażenie mózgowe lub po udarze) mogą stwierdzić, że obecne systemy rozpoznawania mowy są dla nich mniej skuteczne niż dla czystej, typowej mowy — trwała luka w dostępności wewnątrz narzędzia dostępności.

Gdzie AI zawodzi

Błędy w danych treningowych

Systemy AI uczą się z danych. Gdy dane użyte do wytrenowania systemu niedostatecznie reprezentują osoby z niepełnosprawnościami — lub reprezentują je głównie w kontekstach patologicznych lub stereotypowych — powstały system może działać gorzej dla użytkowników z niepełnosprawnościami, błędnie interpretować treści związane z niepełnosprawnością lub wzmacniać szkodliwe założenia.

To nie jest kwestia teoretyczna. Badania wykazały, że systemy ASR są mniej dokładne dla osób z dyzartrią lub nietypowymi wzorcami mowy. Systemy rozpoznawania twarzy działają mniej dokładnie dla użytkowników, którzy nie pasują do norm demograficznych w danych treningowych. Algorytmy przesiewowe w rekrutacji trenowane na danych historycznych mogą stawiać w gorszej sytuacji kandydatów z niepełnosprawnościami.

Rozwijanie AI, które dobrze działa dla użytkowników z niepełnosprawnościami, wymaga włączenia osób z niepełnosprawnościami w proces projektowania i testowania — nie jako dodatku, ale jako uczestników od najwcześniejszych etapów.

Nakładki dostępności: pranie za pomocą AI

Nakładki dostępności napędzane AI twierdzą, że automatycznie wykrywają i naprawiają problemy z dostępnością na witrynach. Są agresywnie promowane i często reklamowane jako zapewniające natychmiastową zgodność z wymogami WCAG lub ADA.

Nie działają. Nakładki nie potrafią naprawić leżących u podstaw barier w kodzie, które powodują błędy dostępności. Często zakłócają działanie technologii wspomagającej, na której użytkownicy już polegają — czytniki ekranu zachowują się niespodziewanie, nawigacja klawiaturą się psuje, a sama nakładka wprowadza nowe bariery. I pojawiły się w rosnącej liczbie pozwów o dostępność jako dowód, że pozwany był świadomy problemów z dostępnością, ale wybrał pozorne rozwiązanie zamiast prawdziwej naprawy. Omawiamy to szczegółowo w naszym artykule o prawdziwej dostępności cyfrowej.

Przystępność cenowa i dostęp

Najskuteczniejsze narzędzia dostępności oparte na AI są często drogie, zależne od sprzętu lub oparte na subskrypcji. Użytkownicy z niepełnosprawnościami, którzy już ponoszą wyższe koszty sprzętu, opieki zdrowotnej i technologii wspomagającej, często nie mogą sobie pozwolić na wersje premium usług AI oferujące najlepsze wsparcie dostępności.

Projektowanie uniwersalne — wbudowywanie dostępności w produkty głównego nurtu zamiast polegania na tym, że użytkownicy zakupią specjalistyczne narzędzia — pozostaje najbardziej sprawiedliwym podejściem.

Co to oznacza dla sposobu, w jaki projektujemy

Najważniejszą implikacją roli AI w niepełnosprawności nie jest to, że narzędzia AI rozwiążą za nas problem dostępności. Nie rozwiążą. Podstawa dostępnego projektowania — semantyczny HTML, obsługa klawiaturą, poprawne etykietowanie, wystarczający kontrast — pozostaje fundamentem, na którym polegają zarówno użytkownicy, jak i narzędzia AI.

To, co AI zmienia, to wsparcie dostępne dla użytkowników na szczycie tego fundamentu. Gdy fundament jest solidny, narzędzia oparte na AI mogą rozszerzać i wzmacniać to, co jest możliwe. Gdy fundament jest uszkodzony, narzędzia AI próbują kompensować coś, co powinno zostać zbudowane poprawnie.

Buduj dostępne produkty cyfrowe. Wtedy asystujące technologie AI mogą naprawdę pomóc ludziom, którzy z nich korzystają.

Jeśli chcesz zrozumieć, na jakim etapie na tym fundamencie znajdują się Twoje obecne produkty cyfrowe, uruchom bezpłatne skanowanie lub porozmawiaj z naszym zespołem o kompleksowym przeglądzie dostępności.