AI som tillgänglighetsverktyg: vad som fungerar och inte

En verklig vändpunkt — med förbehåll

Artificiell intelligens förändrar upplevelsen av funktionsnedsättning på sätt som sträcker sig från genuint omvälvande till överdrivet hypade. Realtidstextning, bildbeskrivning, textförenkling och röststyrda gränssnitt har förbättrats avsevärt de senaste åren, och för många människor med funktionsnedsättningar har AI-drivna verktyg påtagligt förändrat vad som är möjligt i vardagen.

Men AI tillämpas också på tillgänglighet på sätt som inte fungerar — eller som skapar ny exkludering samtidigt som de påstår sig lösa den. Tillgänglighetsöverlägg lovar AI-driven omedelbar efterlevnad och levererar ingetdera. Bias i träningsdata gör att vissa AI-system presterar betydligt sämre för användare med funktionsnedsättningar än för befolkningen i stort. Och kostnaden för AI-tillgänglighetsverktyg av hög kvalitet förblir ett hinder för de människor som behöver dem mest.

En ärlig titt på AI och funktionsnedsättning innebär att erkänna båda.

Vad AI verkligen möjliggör

Realtidstextning

Automatisk taligenkänning (ASR) har förbättrats dramatiskt. AI-driven realtidstextning — genom system som Google Live Captions, Microsoft Azure Cognitive Services och specialbyggda verktyg som CART (Communication Access Realtime Translation) förstärkt av AI — kan nu producera undertexter som är tillräckligt exakta för att vara genuint användbara i livemiljöer: möten, föreläsningar, evenemang.

För döva och hörselskadade användare innebär detta en meningsfull praktisk förbättring. För ett decennium sedan krävde exakta realtidsundertexter en mänsklig stenograf. I dag kan AI-system producera undertexter med tillräckligt låga felfrekvenser för att stödja effektiv kommunikation i de flesta scenarier — även om mänsklig granskning förblir viktig i sammanhang med höga insatser.

Exaktheten varierar med dialekt, bakgrundsljud, tekniskt ordförråd och talhastighet. Användare med icke-standardiserade dialekter (vilket inkluderar många som inte har engelska som modersmål) upplever ofta att nuvarande ASR-system är betydligt mindre exakta för dem än för modersmålstalare — en bias inbakad i träningsdata som förblir ett aktivt problem.

Bildbeskrivning och generering av alt-text

Datorseendessystem kan nu generera beskrivningar av bilder med tillräcklig exakthet för att vara användbara. Verktyg som Microsoft Seeing AI, Google Lookout och bildbeskrivningsfunktionerna i iOS och Android beskriver fotografier, dokument och scener i realtid för blinda och synsvaga användare.

För webbplatser innebär AI-genererad alt-text en meningsfull förbättring jämfört med det vanliga alternativet (ingen alt-text alls). Sociala medieplattformar har infört AI-generering av alt-text i stor skala, och även om beskrivningarna ofta är generiska är de bättre än tystnad.

Begränsningen: AI-genererad alt-text kan inte tillförlitligt förmedla betydelsen av en bild i sitt sammanhang. Den kan säga “en grupp människor som står framför en byggnad” men inte “QualiBooth-teamet på Web Summit 2025”. Människoskriven alt-text som förmedlar varför bilden spelar roll förblir guldstandarden. Se vår guide om att skriva tillgängligt innehåll för sociala medier för praktisk vägledning.

Textförenkling

Stora språkmodeller kan förenkla komplex text — myndighetsdokument, juridiska termer, medicinsk information — till ett enkelt språk som är tillgängligt för människor med kognitiva funktionsnedsättningar, inlärningssvårigheter eller lägre läskunnighet. Denna tillämpning har genuin potential, särskilt för innehåll som organisationer är juridiskt skyldiga att publicera men som i sig är komplext.

Utmaningar: AI-förenkling kan introducera fel. Förenklad utdata bör granskas av människor. Och den “korrekta” förenklingen varierar avsevärt mellan användare — vad som hjälper någon med dyslexi kan skilja sig från vad som hjälper någon med en intellektuell funktionsnedsättning.

Röststyrning och diktering

AI-driven röststyrning har blivit ett praktiskt alternativ till tangentbord och mus för många användare med motoriska funktionsnedsättningar. Dragon NaturallySpeaking, Windows Speech Recognition och röststyrning i iOS/Android använder maskininlärning för att förbättra exaktheten för enskilda användare över tid.

Kvalitetsförbättringen i dessa system under det senaste decenniet är betydande. För användare med tillstånd som multipel skleros, ALS eller svår artrit har röststyrning möjliggjort ett oberoende som var betydligt svårare att uppnå med tidigare teknik.

Klyftan: röststyrningens exakthet varierar fortfarande avsevärt med mikrofonkvalitet, bakgrundsljud och talmönster. Användare med dysartri (som drabbar många människor med tillstånd som cerebral pares eller stroke) kan uppleva att nuvarande röstigenkänningssystem är mindre effektiva än de är för tydligt, typiskt tal — en ihållande tillgänglighetsklyfta inom ett tillgänglighetsverktyg.

Där AI brister

Bias i träningsdata

AI-system lär sig av data. När den data som används för att träna ett system underrepresenterar människor med funktionsnedsättningar — eller representerar dem främst i patologiska eller stereotypa sammanhang — kan det resulterande systemet prestera sämre för användare med funktionsnedsättningar, misstolka funktionsnedsättningsrelaterat innehåll eller förstärka skadliga antaganden.

Detta är inte en teoretisk oro. Studier har visat att ASR-system är mindre exakta för talare med dysartri eller atypiska talmönster. Ansiktsigenkänningssystem presterar mindre exakt för användare som inte passar in i demografiska normer i träningsdata. Algoritmer för rekryteringsgallring tränade på historisk data kan missgynna sökande med funktionsnedsättning.

Att utveckla AI som fungerar väl för användare med funktionsnedsättningar kräver att människor med funktionsnedsättningar inkluderas i design- och testprocessen — inte som en eftertanke, utan som deltagare från de tidigaste stadierna.

Tillgänglighetsöverlägg: AI-washing

AI-drivna tillgänglighetsöverlägg påstår sig automatiskt upptäcka och åtgärda tillgänglighetsproblem på webbplatser. De marknadsförs aggressivt och påstås ofta producera omedelbar efterlevnad av WCAG- eller ADA-krav.

De fungerar inte. Överlägg kan inte åtgärda de underliggande kodbarriärer som orsakar tillgänglighetsbrister. De stör ofta den hjälpmedelsteknik användarna redan förlitar sig på — skärmläsare beter sig oväntat, tangentbordsnavigering går sönder, själva överlägget introducerar nya barriärer. Och de har dykt upp i ett växande antal tillgänglighetsrättegångar som bevis på att svaranden var medveten om tillgänglighetsproblemen men valde en icke-lösning framför verklig åtgärd. Vi går igenom detta i detalj i vår artikel om verklig digital tillgänglighet.

Överkomlighet och tillgång

De mest effektiva AI-tillgänglighetsverktygen är ofta dyra, hårdvaruberoende eller prenumerationsbaserade. Användare med funktionsnedsättningar som redan står inför högre kostnader för utrustning, sjukvård och hjälpmedelsteknik har ofta inte råd med de premiumnivåer av AI-tjänster som erbjuder bäst tillgänglighetsstöd.

Universell design — att bygga in tillgänglighet i vanliga produkter i stället för att förlita sig på att användare köper specialiserade verktyg — förblir det mest rättvisa tillvägagångssättet.

Vad detta betyder för hur vi designar

Den viktigaste konsekvensen av AI:s roll i funktionsnedsättning är inte att AI-verktyg kommer att lösa tillgänglighetsproblemet åt oss. Det kommer de inte att göra. Grunden för tillgänglig design — semantisk HTML, tangentbordsanvändbarhet, korrekt märkning, tillräcklig kontrast — förblir den grund som både mänskliga användare och AI-verktyg är beroende av.

Vad AI förändrar är det stöd som finns tillgängligt för användare ovanpå den grunden. När grunden är stabil kan AI-drivna verktyg utöka och förstärka vad som är möjligt. När grunden är trasig försöker AI-verktyg kompensera för något som borde ha byggts korrekt.

Bygg tillgängliga digitala produkter. Då kan AI-hjälpmedelsteknik faktiskt hjälpa de människor som använder dem.

Om du vill förstå var dina nuvarande digitala produkter står på den grunden, kör en gratis skanning eller prata med vårt team om en heltäckande tillgänglighetsgranskning.