AI gaat jouw website niet toegankelijk maken
Geplaats in categorie: BlogGeschreven door
Vanaf z'n 12e verslingerd aan programmeren
AI gaat jouw website niet toegankelijk maken
AI is een hot-topic op dit moment. Waar de één gelooft dat het de wereld fundamenteel gaat veranderen, zijn anderen sceptisch over de toepassingen en efficiëntie.
Maar wat voor rol speelt AI voor 1,3 miljard mensen wereldwijd met een beperking? Zijn die geholpen met innovatie en techniek, of gaat het ze juist vaker uitsluiten? Dat AI impact heeft op mensen met een beperking is onvermijdelijk, maar of het hun wereld daadwerkelijk gaat verbeteren is nog maar de vraag.
Zonder goed te begrijpen waar de kansen en beperkingen van AI liggen, lopen we het risico om uitsluiting op grote schaal te automatiseren.
Een voorbeeld hiervan zagen we toen Figma hun nieuwe product ‘Figma Sites’ lanceerde. Ze claimen ‘you can go from design to production in the most efficient—and expressive—ways’. In de praktijk zitten de met AI gegenereerde websites boordevol toegankelijkheidsfouten die het praktisch onbruikbaar maken voor iedereen die afhankelijk is van technische hulpmiddelen.
Tegelijkertijd zorgen tools met AI-ondersteuning nu al voor een beter toegankelijke wereld. Zo helpt Be My Eyes met behulp van AI mensen met een visuele beperking om de wereld om zich heen beter te navigeren. Ook zorgen AI samenvattingen ervoor dat lange, complexe teksten beter gebruikt kunnen worden door mensen met dyslexie. Daarbij blijft het natuurlijk wel belangrijk om op te passen voor hallucinaties.
AI ‘begrijpt’ geen toegankelijkheid
Hoewel er genoeg modellen bestaan die lijken te ‘denken’, is dat in de praktijk niet het geval. Op basis van geleerde patronen kunnen de taalmodellen redelijk goed concepten en regels oplepelen, maar slecht omgaan met nieuwe en complexere problemen.
Wanneer je bijvoorbeeld vraagt naar een kleurenpalet met voldoende contrast, of het genereren van een concept voor een alt-tekst van een afbeelding, kan het model goed op basis van de geleerde informatie uit een dataset zinnige antwoorden produceren. Dat gaat nu al best goed, en wordt in de toekomst waarschijnlijk beter.
Maar in de manier waarop deze modellen nu worden gebouwd, zit een harde, ingebouwde limiet. Ze bouwen namelijk geen consistent wereldbeeld op. Waar een LLM prima de regels van een schaakspel kan uitleggen, heeft het grote problemen om die regels in de praktijk te brengen.
In de praktijk betekent het dat AI prima kan aangeven wat het in een afbeelding ziet, maar de context en emotie volledig verloren gaan. Facebooks AI-beschrijvingen van foto’s beschrijven ‘Twee mensen, kind, staand, buiten, lachend’ en niet ‘Mijn neefje met zijn opa en oma, trots dat hij net zijn zwemdiploma heeft gehaald’.
Daarnaast wijst grootschalig onderzoek van Apple aan dat bij een bepaalde mate van complexiteit de prestaties van AI modellen volledig in elkaar storten.
Het gevolg is een app die technisch gezien aan de regels kan voldoen, maar een verschrikkelijke gebruikerservaring heeft. Een voorbeeld is te zien in deze video van Charissa Kalloe, waarin we zien hoe de Albert Heijn app ‘keurig’ bij elke letter die je intikt voorleest dat het een ‘momentje’ kan duren.
De implicatie is dat we niet kunnen verwachten dat AI goede ervaringen creëert voor mensen die afhankelijk zijn van hulpmiddelen.
AI erft een bevooroordeelde wereld
Een groter probleem dan het niet kunnen creëren van de perfecte oplossing is dat de modellen leren van een wereld die fundamenteel ontoegankelijk is.
AI wordt getraind aan de hand van openbare data op het internet, maar daar ontstaan twee fundamentele problemen:
- In deze data zijn mensen met een beperking structureel ondervertegenwoordigd.
- Er bestaan meer ‘foute’ voorbeelden dan goede.
Het gevolg is een AI die leert van een norm die een groot deel van de bevolking uitsluit.
- Spraakherkenning werkt prima als je ‘normaal’ praat, maar voor mensen met een taalprobleem of zwaar accent is de technologie onbruikbaar.
- Zelfrijdende auto’s herkennen mensen in een rolstoel minder goed, en hun bewegingen zijn voor AI minder voorspelbaar.
- Op het gebied van digitale toegankelijkheid vallen modellen vaak terug op populaire patronen, ook als deze inmiddels gedateerd zijn.
Onderzoek van Anthropic laat zien dat een relatief kleine hoeveelheid slechte voorbeelden al grote invloed kan hebben op de output die AI-modellen genereren.
Gelukkig: veel toegankelijkheidsproblemen zijn niet complex
Hoewel het onwaarschijnlijk is dat je in de nabije toekomst volledig op AI kunt vertrouwen om problemen met digitale toegankelijkheid op te lossen, is er al wel heel veel dat nu opgelost kan worden met ondersteuning van AI-tools.
Jaarlijks doet WebAIM onderzoek naar toegankelijkheidsfouten bij de top 1.000.000 homepagina’s op het internet. Daarbij signaleren ze consistent dezelfde veelgemaakte fouten. In 2025 hadden 94,8% van de homepagina’s in het onderzoek problemen waardoor ze niet voldoen aan de WCAG2 richtlijnen.
Veelvoorkomende problemen zijn bijvoorbeeld: onvoldoende contrast, ontbrekende alt-teksten, gebrek aan labels bij formulieren, een verkeerde koppenstructuur, en links zonder benoembare tekst. Dit zien wij ook terug in ons eigen webwinkeltoegankelijkheidsonderzoek.
AI-modellen die specifiek geïnstrueerd worden om rekening te houden met digitale toegankelijkheid, en feedback ontvangen op basis van geautomatiseerde tooling, produceren in sommige gevallen beter toegankelijke code dan mensen.
AI verlaagt de drempel, niet de standaard
Al met al wordt de drempel voor het leren over digitale toegankelijkheid, en het oplossen van simpele toegankelijkheidsproblemen lager.
Als het gaat om het signaleren en assisteren bij het begrijpen en oplossen van toegankelijkheidsproblemen worden de mogelijkheden van AI de komende jaren alleen maar beter. Specifieke modellen die uitsluitend voor uitdagingen op het gebied digitale toegankelijkheid zijn getraind zullen de prestaties nog verder verbeteren.
Ook wordt het rendabeler om met behulp van AI toegankelijkheid al eerder in het maken van een website mee te nemen. Of je nu de chatbot laat meedenken over potentiële problemen met moeilijk interacties, of kleurcontrasten laat analyseren, of direct code laat genereren. Er geldt: hoe eerder in het proces je problemen met toegankelijkheid signaleert, hoe goedkoper het is om op te lossen. Daarnaast is het ook nog eens flink veel beter voor de sfeer op de werkvloer.
Vooralsnog blijft het voor de echt complexe interacties en gebruikerservaring noodzakelijk om een expert (en de doelgroep) te laten meedenken.
Ook interessant
Geschreven door
Vanaf z'n 12e verslingerd aan programmeren