هوش مصنوعیِ تو از تست دسترسپذیری رد میشه؟
فرانتاند
هوش مصنوعیخلاصهٔ کاملتر
این مقاله متنِ کاملِ یه سخنرانی کوتاهه که Jessie Lorenz، Carie Fisher و Aaron Gustafson تو رویداد Microsoft Build دادن. به گفتهٔ نویسندهها، نکتهٔ محوری سادهست: هوش مصنوعی فرایند خراب رو درست نمیکنه، فقط هر فرایندی که داری رو شتاب میده. اگه دسترسپذیری بخشی از workflow باشه، AI به مقیاسپذیریِ شمول کمک میکنه؛ اگه نباشه، مانعهایی که تیمها میسازن رو سریعتر و گستردهتر میکنه.
یکی از سخنرانها که خودش یه PM نابیناست، خط تولید ششمرحلهایِ نرمافزار (برنامهریزی، طراحی، توسعه، بازبینی کد و CI/CD، انتشار، و بازخورد) رو یادآوری میکنه و میگه هزینهٔ رفعِ مشکل دسترسپذیری با تأخیر بهشدت بالا میره: تو مرحلهٔ برنامهریزی معمولاً رایگانه، تو طراحی ۱۰ برابر، تو توسعه ۱۰۰ برابر و بعد از انتشار ۱۰۰۰ برابر؛ و هر مرتبهٔ این افزایش یعنی آدمهایی که از محصول کنار گذاشته میشن. به گفتهٔ نویسنده، بدهیِ دسترسپذیری مثل بدهیِ امنیتیه و باید همونطور جدی گرفته بشه.
نویسندهها توضیح میدن چرا AI مانع میسازه: مدلها عمدتاً روی وبی آموزش دیدن که خودش پر از مانع و غیرقابلدسترسه، پس همون مانعها رو یاد میگیرن و سریعتر بازتولید میکنن. راهحل پیشنهادی اینه که تو هر مرحله از همون خط تولید یه بررسیِ دسترسپذیری بذاری؛ مثلاً یه lint rule تو ادیتور، یه gate تو CI یا یه flag تو بازبینی کد.
Aaron دربارهٔ مرحلهٔ طراحی از پلاگین Accessibility Assistant for Figma میگه که به طراحها کمک میکنه کیفیت طراحیشون از نظر دسترسپذیری رو بسنجن و annotationها رو بهعنوان یه spec به مهندسها (چه انسان چه ایجنت) تحویل بدن. یه آمار جالب هم میده: کدی که ایجنتهای کدنویسی بهصورت پیشفرض مینویسن فقط حدود ۸ تا ۲۵٪ از بررسیهای خودکارِ دسترسپذیری رو پاس میکنه؛ با instruction file این عدد به ۳۷ تا ۶۰٪ میرسه، با skill به حدود ۸۶٪، و فقط وقتی تستهای قطعی (deterministic) بهشون بدی، تا رسیدن به عبور کامل تکرار میکنن.
نویسنده تأکید میکنه که حتی اون هم کافی نیست، چون تستهای خودکار فقط حدود نصفِ چیزی که برای دسترسپذیریِ واقعی لازمه رو پوشش میدن. Carie از Accessibility Scanner متنبازِ GitHub میگه که با حلقهٔ «Find, File, Fix» مشکلها رو پیدا میکنه، بهصورت issue قابلاقدام ثبتشون میکنه (با ruleset معروف aXe) و میشه اونها رو به Copilot سپرد تا pull request بسازه؛ ولی عمداً جای یه انسان تو حلقه نگه داشتن. جمعبندی اینه که دسترسپذیری باید بخشی از همون سیستمی باشه که تیمها هرروز باهاش میسازن، نه یه فرایند جدا.
نکات کلیدی:
- هوش مصنوعی فرایند خراب رو درست نمیکنه، فقط شتابش میده
- هزینهٔ رفع مشکل دسترسپذیری با تأخیر تا ۱۰۰۰ برابر میشه
- گذاشتن بررسی دسترسپذیری در هر مرحله از خط تولید (lint، CI، بازبینی کد)
- کد پیشفرض ایجنتها فقط ۸ تا ۲۵٪ بررسیهای خودکار رو پاس میکنه؛ با تست قطعی به عبور کامل میرسه
- تست خودکار تنها نصف نیازهای دسترسپذیری واقعی رو پوشش میده
