AI zaczyna naprawiać niedostępne interfejsy po stronie użytkownika. Problem czy przełom?

Przez lata logika dostępności cyfrowej była dość prosta. Twórca strony internetowej albo aplikacji miał obowiązek przygotować interfejs w taki sposób, aby współpracował z technologiami asystującymi. Jeżeli przycisk nie miał dostępnej nazwy, formularz był źle opisany albo struktura strony nie pozwalała na sensowną nawigację za pomocą czytnika ekranu, problem należało poprawić w kodzie lub projekcie. Technologia asystująca miała korzystać z informacji, które otrzymywała od systemu, a nie domyślać się, co autor miał na myśli.

Sztuczna inteligencja zaczyna ten układ zmieniać. Coraz częściej nie ogranicza się do przekazywania informacji zapisanych w interfejsie, ale sama próbuje zrozumieć to, co widzi na ekranie. Rozpoznaje obrazy, interpretuje układ interfejsu, odpowiada na pytania o widoczną treść i pozwala użytkownikowi obsługiwać elementy w sposób, którego ich autor w ogóle nie przewidział. Dla osób korzystających z technologii asystujących może to oznaczać ogromny wzrost samodzielności. Jednocześnie pojawia się jednak pytanie, którego wcześniej praktycznie nie musieliśmy zadawać: czy interfejs staje się dostępny dlatego, że został poprawnie zaprojektowany, czy tylko dlatego, że system użytkownika nauczył się omijać jego błędy?

Apple mówi o tym wprost

Dobrym przykładem są rozwiązania zapowiedziane przez Apple 19 maja 2026 roku. Firma poinformowała wtedy o rozszerzeniu funkcji VoiceOver, Lupa, Sterowanie głosowe i Reader o możliwości Apple Intelligence. W przypadku VoiceOver system ma generować bardziej szczegółowe opisy obrazów wyświetlanych na ekranie, w tym zdjęć, zeskanowanych rachunków i dokumentów. Użytkownik będzie mógł również skierować aparat na otoczenie, zadać pytanie dotyczące tego, co znajduje się w kadrze, a później dopytywać o szczegóły własnymi słowami. Apple opisuje podobny mechanizm także w aplikacji Lupa.
Źródło: Apple – nowe funkcje ułatwień dostępu oparte na Apple Intelligence.

Jeszcze ciekawszy jest kierunek rozwoju Sterowania głosowego. Do tej pory skuteczne wydawanie poleceń często wymagało znajomości nazw elementów dostępnych dla systemu albo posługiwania się numerami przypisanymi do kontrolek. Apple zapowiada możliwość używania języka naturalnego. Użytkownik nie musi znać technicznej etykiety elementu, może po prostu powiedzieć na przykład „stuknij w fioletowy folder”. W komunikacie firmy znajduje się przy tym bardzo istotne stwierdzenie: rozwiązanie może pomagać użytkownikom również wtedy, gdy elementy nie są prawidłowo oznaczone pod kątem dostępności. To nie jest już wyłącznie wygodniejszy sposób sterowania. To sytuacja, w której system próbuje zrozumieć interfejs mimo błędu po stronie autora.

Z punktu widzenia osoby korzystającej z technologii asystującej trudno uznać to za coś złego. Jeżeli źle opisany przycisk można mimo wszystko odnaleźć i uruchomić, użytkownik odzyskuje możliwość wykonania zadania. Problem zaczyna się dopiero wtedy, gdy tę możliwość zaczniemy mylić z dostępnością samego produktu. Jeżeli aplikacja przekazuje prawidłową nazwę kontrolki, mamy do czynienia z informacją wynikającą z jej projektu. Jeżeli system AI rekonstruuje znaczenie elementu na podstawie wyglądu, położenia lub kontekstu, mamy do czynienia z interpretacją. Najczęściej może być trafna, ale nie jest tym samym.

AI może opisać to, czego autor nie opisał

Podobny problem dotyczy treści wizualnych. Jeżeli właściciel serwisu nie przygotuje sensownego tekstu alternatywnego dla zdjęcia produktu, współczesny model multimodalny może rozpoznać obiekt i wygenerować własny opis. Dla użytkownika niewidomego taki mechanizm może być bardzo pomocny, szczególnie w sytuacji, w której alternatywą jest brak informacji. Nie oznacza to jednak, że sam serwis został prawidłowo przygotowany.

Ta różnica ma znaczenie również dlatego, że autor treści i system AI nie dysponują tym samym kontekstem. Autor powinien wiedzieć, dlaczego dana grafika znalazła się na stronie i jaka informacja jest istotna w konkretnym miejscu. Model widzi obraz i próbuje odtworzyć jego znaczenie. Może świetnie rozpoznać samochód, człowieka albo wykres, ale nie musi wiedzieć, który szczegół jest kluczowy dla użytkownika w danym procesie. Dla artykułu prasowego ważna może być osoba znajdująca się na zdjęciu, dla sklepu kolor i wariant produktu, a dla formularza ostrzeżenie znajdujące się w grafice. Automatyczne rozpoznawanie obrazu i tekst alternatywny przygotowany z myślą o funkcji treści to dwie różne rzeczy.

Nie oznacza to, że opis generowany przez AI jest bezwartościowy. Wręcz przeciwnie. Może być znakomitym dodatkowym narzędziem, szczególnie wtedy, gdy użytkownik chce dowiedzieć się o obrazie więcej, niż przewidział autor klasycznego opisu alternatywnego. Problem pojawia się wtedy, gdy zaczynamy traktować ten mechanizm jako usprawiedliwienie dla braku podstawowej dostępności.

Google chce, żeby interfejs sam dostosowywał się do użytkownika

Jeszcze dalej idzie koncepcja Natively Adaptive Interfaces rozwijana przez Google. Firma opisuje NAI jako podejście, w którym dostępność nie jest dodatkiem do gotowego produktu, ale częścią samej architektury interfejsu opartego na agentach AI. Taki system ma dostosowywać sposób prezentacji i interakcji do możliwości oraz potrzeb konkretnego użytkownika. Google podaje przykłady obejmujące między innymi generowanie audiodeskrypcji dla osoby niewidomej albo uproszczenie układu strony dla osoby z ADHD.
Źródło: Google Research – How AI tools can redefine universal design to increase accessibility.

Google udostępnia również osobną dokumentację dla Natively Adaptive Interfaces. Zgodnie z jej założeniami agent multimodalny może stać się podstawowym interfejsem użytkownika, a dostępność ma być wbudowana w niego od początku. Dokumentacja opisuje między innymi transformację treści pomiędzy różnymi modalnościami, sterowanie systemem głosem, dynamiczne dostosowywanie interfejsu oraz możliwość pobierania informacji, które nie są bezpośrednio widoczne na ekranie.
Źródło: Google for Developers – Natively Adaptive Interfaces.

To podejście jest ciekawe, ponieważ podważa założenie, że wszyscy użytkownicy powinni otrzymywać dokładnie ten sam interfejs. W przyszłości ta sama usługa może wyglądać i działać inaczej zależnie od potrzeb konkretnej osoby, a system będzie mógł dynamicznie zmieniać sposób interakcji. Dla jednego użytkownika najważniejsza będzie tradycyjna nawigacja klawiaturą, dla innego sterowanie głosowe, a dla jeszcze innego prostsza struktura treści albo automatycznie generowane opisy wizualne.

Sama koncepcja nie oznacza jednak odejścia od standardów dostępności. Co ciekawe, Google w dokumentacji NAI wyraźnie wskazuje, że agentowe interfejsy powinny być nadal zgodne ze standardowymi technologiami asystującymi. W przykładach dotyczących poprawy dostępności interfejsu firma zaleca stosowanie semantycznego HTML i odpowiednich atrybutów WAI-ARIA, tak aby odpowiedzi i kontrolki były poprawnie obsługiwane przez czytniki ekranu.
Źródło: Google for Developers – case study: Improve UI accessibility.

To ważne, bo pokazuje właściwy kierunek: AI może rozszerzać dostępność, ale nie powinno być wymówką dla rezygnacji z jej podstaw.

Niedostępna strona nie staje się dostępna tylko dlatego, że system potrafi ją zinterpretować

Wyobraźmy sobie formularz elektroniczny, w którym pola nie mają poprawnie powiązanych etykiet, komunikaty o błędach pojawiają się bez informacji możliwej do odczytania przez czytnik ekranu, a kolejność fokusu została źle zaprojektowana. Zaawansowany system AI może w przyszłości rozpoznać strukturę takiego formularza, wyjaśnić użytkownikowi, czego dotyczą poszczególne pola, a nawet pomóc przejść przez cały proces.

Na jednym urządzeniu może zadziałać bardzo dobrze. Na innym takiego mechanizmu może nie być. Część funkcji może być dostępna tylko w określonym języku, regionie albo na nowszym sprzęcie. W komunikacie Apple dotyczącym Sterowania głosowego opartego na Apple Intelligence firma zaznacza na przykład, że funkcja ma być dostępna po angielsku w wybranych państwach.

Nie można więc przyjąć zasady, że produkt jest dostępny, ponieważ część użytkowników dysponuje oprogramowaniem zdolnym do obejścia istniejących problemów. W przeciwnym razie odpowiedzialność za dostępność zostałaby w praktyce przeniesiona z autora usługi na użytkownika i jego sprzęt. Osoba posiadająca najnowszy telefon i dostęp do odpowiedniego modelu AI otrzymywałaby lepszy dostęp do usługi niż ktoś korzystający ze starszego urządzenia lub klasycznej technologii asystującej.

W3C nadal mówi o kompatybilności i niezawodnej interpretacji

To rozróżnienie dobrze widać w obecnym podejściu W3C. W materiałach dotyczących WCAG organizacja wskazuje, że treść powinna współpracować z aktualnymi i przyszłymi agentami użytkownika, w tym z technologiami asystującymi. W ramach zasady „robust” W3C zwraca uwagę między innymi na to, aby znaczniki mogły być niezawodnie interpretowane oraz aby niestandardowe komponenty interfejsu miały prawidłowo przekazane nazwę, rolę i wartość.
Źródło: W3C WAI – Accessibility Principles: Robust.

Podobna logika znajduje się w materiałach dotyczących zgodności z WCAG 2.2. W3C wyjaśnia pojęcie „accessibility supported” jako sposób wykorzystania technologii, który rzeczywiście współpracuje z technologiami asystującymi i agentami użytkownika. Nie chodzi więc o to, czy zewnętrzny system może próbować zrekonstruować znaczenie wadliwego interfejsu, ale o to, czy zastosowana technologia przekazuje potrzebne informacje w sposób, z którego technologie asystujące mogą niezawodnie korzystać.
Źródło: W3C WAI – Understanding Conformance.

To rozróżnienie będzie coraz ważniejsze również w audytach. Jeżeli użytkownik z pomocą dodatkowego systemu AI zdoła wykonać zadanie mimo błędu, nie oznacza to automatycznie, że błąd przestał istnieć. Audytor powinien ustalić, czy dostępność zapewnia sam produkt, czy też powodzenie użytkownika jest efektem dodatkowej interpretacji wykonywanej przez jego technologię.

Co się stanie, gdy AI źle zrozumie interfejs?

Jest jeszcze problem, który może okazać się ważniejszy od samego braku dostępności. Klasyczna technologia asystująca może poinformować użytkownika, że kontrolka nie ma nazwy albo przekazać niewiele użytecznej informacji. Model AI prawdopodobnie będzie próbował uzupełnić brak. W wielu sytuacjach jest to lepsze rozwiązanie, bo daje użytkownikowi szansę na samodzielne wykonanie zadania. Jednocześnie informacja przestaje być jednoznacznie przekazana przez autora interfejsu, a staje się wynikiem interpretacji modelu.

W prostym serwisie informacyjnym pomyłka może skończyć się najwyżej frustracją. W bankowości, ochronie zdrowia, usługach administracji publicznej albo przy składaniu oświadczeń sytuacja wygląda inaczej. Jeżeli system błędnie rozpozna funkcję kontrolki albo niewłaściwie zinterpretuje treść dokumentu, użytkownik może podjąć decyzję na podstawie informacji, która nigdy nie została faktycznie przekazana przez usługę.

Apple samo zwraca uwagę na ograniczenia takiego podejścia. W informacji dotyczącej nowych funkcji VoiceOver i Lupy firma zaznacza, że nie należy polegać na nich w sytuacjach wysokiego ryzyka, do nawigacji ani w okolicznościach, w których błąd mógłby prowadzić do obrażeń. To istotne zastrzeżenie, ponieważ pokazuje, że nawet producent systemu nie traktuje interpretacji generowanej przez AI jako informacji zawsze niezawodnej.

I właśnie tutaj zaczyna się drugi, jeszcze ciekawszy temat: dostępność systemów AI nie będzie dotyczyć wyłącznie tego, czy osoba z niepełnosprawnością może ich używać. Coraz ważniejsze będzie również to, czy potrafi ocenić wiarygodność informacji, które otrzymuje, oraz czy system odpowiednio sygnalizuje niepewność swojej odpowiedzi.

To nie jest argument przeciwko AI w dostępności

Byłoby jednak błędem sprowadzać cały ten kierunek do zagrożeń. W praktyce sztuczna inteligencja może stać się jednym z najważniejszych przełomów w historii technologii asystujących. Możliwość zadawania pytań dotyczących otoczenia, dokumentów czy elementów widocznych na ekranie daje użytkownikowi coś więcej niż klasyczny zestaw predefiniowanych funkcji. Pozwala uzyskać informację w momencie, w którym jest potrzebna, i sformułować pytanie własnymi słowami.

Podobnie jest z interfejsami adaptacyjnymi. Zamiast zakładać, że człowiek powinien nauczyć się obsługi konkretnego produktu, możemy coraz częściej projektować produkt, który dostosuje się do człowieka. To bardzo wartościowa zmiana, szczególnie jeśli będzie rozwijana wspólnie z osobami z niepełnosprawnościami, a nie wyłącznie na podstawie wyobrażeń projektantów o ich potrzebach. Google właśnie w taki sposób opisuje swój program NAI, podkreślając współprojektowanie z osobami z niepełnosprawnościami i zasadę „Nothing About Us Without Us”.
Źródło: Google – Natively Adaptive Interfaces: A new framework for AI accessibility.

Najbardziej rozsądny kierunek nie polega więc na wyborze pomiędzy poprawnie przygotowanym interfejsem a inteligentnym systemem po stronie użytkownika. Potrzebujemy obu. Strona lub aplikacja nadal powinna przekazywać prawidłową strukturę, role, nazwy, stany i relacje. AI może natomiast rozszerzać możliwości użytkownika ponad to, co da się przewidzieć na etapie projektowania: wyjaśnić skomplikowany dokument, szczegółowo opisać obraz, zmienić sposób prezentacji informacji albo umożliwić wykonanie zadania za pomocą zupełnie innej formy interakcji.

W takim modelu sztuczna inteligencja nie służy do przykrywania zaniedbań autora. Staje się dodatkową warstwą możliwości nad już dostępnym produktem. I to właśnie ten kierunek wydaje się najbardziej obiecujący. Prawdziwym przełomem nie będzie moment, w którym AI nauczy się perfekcyjnie radzić sobie ze źle zbudowanymi stronami. Znacznie ciekawsza będzie sytuacja, w której poprawnie zaprojektowany interfejs i inteligentna technologia asystująca zaczną się wzajemnie uzupełniać, dając użytkownikowi większą swobodę niż którakolwiek z tych warstw osobno.