AI सुलभता: उपयोग, साधने आणि मर्यादा यांचे व्यावहारिक मार्गदर्शक

AI सुलभता म्हणजे दिव्यांग व्यक्तींना डिजिटल सामग्री वाचण्यासाठी, ऐकण्यासाठी, बोलण्यासाठी आणि तिच्यात वावरण्यासाठी मदत करण्यासाठी आर्टिफिशियल इंटेलिजन्स (AI) चा वापर करणे, तसेच AI टूल्स स्वतः सुलभ असल्याची खात्री करणे.

या मार्गदर्शकात पुढील गोष्टींचा समावेश आहे: वेगवेगळ्या सुलभता गरजांसाठी AI काय करते, डिजिटल सामग्री सुलभ करण्यासाठी त्याचा वापर करण्याच्या सर्वोत्तम पद्धती, परिणाम कसे तपासावेत, एखादे AI टूल स्वतः सुलभ आहे की नाही हे कसे ओळखावे, आणि सुलभतेसाठीचे AI अजूनही कुठे कमी पडते.

AI सुलभता म्हणजे काय?

AI सुलभतेचे दोन अर्थ आहेत: सुलभतेसाठी AI आणि AI ची सुलभता.

सुलभतेसाठी AI म्हणजे दिव्यांग आणि शिकण्यात अडचणी असलेल्या वापरकर्त्यांसाठी सामग्री सुलभ करण्यासाठी AI चा वापर करणे.

AI-आधारित सुलभता टूल्स वापरकर्त्यांना अशी सामग्री वापरण्यास मदत करतात जी अन्यथा त्यांच्यासाठी उपलब्ध झाली नसती, आणि अशी कामे पूर्ण करण्यास मदत करतात जी अन्यथा अत्यंत कठीण ठरली असती. किंवा पूर्णपणे अशक्यच.

उदाहरणार्थ, टेक्स्ट-टू-स्पीच टूल्समुळे अंध व्यक्ती लिखित मजकूर "वाचू" शकतात, तर डिक्टेशन आणि शब्द-अंदाज (word prediction) यांमुळे डिस्लेक्सिया असलेल्या व्यक्तींना लेखी संवाद साधणे सोपे होते. आणि असे करून, ही टूल्स त्यांना वैयक्तिक, शैक्षणिक किंवा व्यावसायिक आयुष्यात भेडसावणाऱ्या काही अडचणी भरून काढतात.

AI टूल्स सुलभ सामग्री तयार करण्यासही मदत करतात, जसे की अंध वाचकांसाठी प्रतिमांचा पर्यायी मजकूर (alt text) किंवा कर्णबधिर आणि कमी ऐकू येणाऱ्या प्रेक्षकांसाठी व्हिडिओ कॅप्शन्स.

जेव्हा आपण AI ची सुलभता म्हणतो, तेव्हा आपल्याला AI टूल्सची स्वतःची सुलभता अभिप्रेत असते. उदाहरणार्थ, हातांच्या हालचालींवर मर्यादा असलेली व्यक्ती ते टूल फक्त कीबोर्ड किंवा आवाजाद्वारे नियंत्रित करू शकते का, किंवा स्क्रीन रीडर्ससाठी सर्व फील्ड्स आणि बटणांना स्पष्ट लेबल्स दिलेली आहेत का.

AI दिव्यांग व्यक्तींना कशा प्रकारे मदत करते

सहाय्यक तंत्रज्ञानात अनेक वर्षांपासून ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR), स्पीच रेकग्निशन आणि टेक्स्ट-टू-स्पीच टूल्समध्ये AI चा वापर होत आहे, जी दिव्यांग आणि शिकण्यात अडचणी असलेल्या वापरकर्त्यांना मदत करतात.

जनरेटिव्ह AI यात एक नवीन स्तर जोडते. ते प्रतिमांची वर्णने, सारांश किंवा कॅप्शन्स यांसारखी नवीन सामग्री तयार करते.

दृष्टिदोषापासून ते संज्ञानात्मक अपंगत्वापर्यंत, वेगवेगळ्या सुलभता गरजांसाठी AI कशा प्रकारे मदत करते आणि ते कुठे अपयशी ठरते, ते येथे पाहा:

तुमच्या सामग्रीची सुलभता सुधारण्यासाठी AI चा वापर कसा करावा

AI टूल्स सामग्री निर्मात्यांना आणि प्रकाशकांना Web Content Accessibility Guidelines (WCAG) मध्ये नमूद केलेली सुलभता मानके पूर्ण करण्यास मदत करतात. ती alt text, कॅप्शन्स आणि ऑडिओ वर्णनाचे मसुदे तयार करू शकतात, लेखांचे ऑडिओमध्ये रूपांतर करू शकतात आणि क्लिष्ट मजकूर सोप्या भाषेत पुन्हा लिहू शकतात.

प्रतिमा, चार्ट्स आणि इन्फोग्राफिक्ससाठी alt text लिहा

प्रतिमा, चार्ट्स आणि इन्फोग्राफिक्ससाठी पर्यायी मजकुराचा (alt text) मसुदा तयार करण्यासाठी Perplexity सारख्या AI सहाय्यकाचा वापर करा. स्क्रीन रीडर्स alt text मोठ्याने वाचून दाखवतात, त्यामुळे चांगले वर्णन अंध आणि कमी दृष्टी असलेल्या वाचकांपर्यंत ग्राफिकमधील माहिती पोहोचवते.

Perplexity ने एका बार चार्टसाठी तयार केलेल्या, दीर्घ वर्णनासह alt text चे हे एक उदाहरण आहे:

विस्तृत करा

प्रॉम्प्ट असा आहे:

या चार्टसाठी alt text लिहा: तो काय दाखवतो आणि त्याचा मुख्य निष्कर्ष काय आहे हे सांगणारी एक किंवा दोन वाक्ये. त्यानंतर प्रत्येक ट्रेंड, मूल्य, लेबल आणि डेटा पॉइंट समाविष्ट करणारे दीर्घ वर्णन लिहा, जे इतके तपशीलवार असावे की चार्ट पाहू न शकणाऱ्या व्यक्तीला केवळ त्या वर्णनावरून तो पूर्णपणे समजेल. शेवटी, तुम्हाला जे स्पष्टपणे वाचता आले नाही किंवा ज्याबद्दल खात्री नाही अशा सर्व गोष्टींची यादी करा, जेणेकरून मी त्या स्रोत डेटाशी पडताळून पाहू शकेन.

दृश्य घटकांसाठी alt text लिहिताना:

• दृश्य घटकांची लहान आणि दीर्घ आवृत्ती द्या: एका वाक्याचा alt text लिहा आणि सोबत डेटा किंवा दीर्घ वर्णन द्या.
• उद्देश लक्षात घेऊन लिहा: WCAG नुसार मजकूर पर्यायाने प्रतिमेइतकाच उद्देश साध्य करणे आवश्यक आहे. हे करण्यासाठी, प्रतिमा मजकुरात का आहे हे AI सहाय्यकांना समजून घ्यावे लागू शकते, म्हणून अतिरिक्त संदर्भ द्या, उदाहरणार्थ, लेखाचा मजकूर.
• प्रत्येक मूल्य तपासा: AI कडून चुकीचे वाचले गेले असण्याची शक्यता लक्षात घेऊन, वर्णनातील प्रत्येक आकडा, विशेषतः लहान लेबल्स आणि संख्या, तुमच्या स्रोत डेटाशी पडताळून पाहा.
• सजावटीच्या प्रतिमांना तसे चिन्हांकित करा: केवळ सजावटीसाठी असलेल्या प्रतिमांना रिकामा alt अ‍ॅट्रिब्यूट (alt="") द्या, जेणेकरून स्क्रीन रीडर्स त्या वगळतील. (अ‍ॅट्रिब्यूटच न दिल्यास उपयोग होत नाही, कारण W3C च्या प्रतिमांविषयीच्या ट्युटोरियलमध्ये स्पष्ट केल्याप्रमाणे, अशा वेळी काही स्क्रीन रीडर्स फाईलचे नाव वाचून दाखवतात.)

व्हिडिओ कॅप्शन्स आणि ऑडिओ ट्रान्सक्रिप्ट्स तयार करा

अनेक AI सहाय्यक आता ऑडिओ आणि व्हिडिओ फाईल्स स्वीकारतात आणि त्यांचे ट्रान्सक्रिप्शन करतात.

कॅप्शन्स आणि ट्रान्सक्रिप्ट्समुळे बोललेली सामग्री ती ऐकू न शकणाऱ्या लोकांपर्यंत पोहोचते. कर्णबधिर आणि कमी ऐकू येणारे प्रेक्षक व्हिडिओ समजून घेण्यासाठी कॅप्शन्सवर, आणि पॉडकास्ट्स किंवा रेकॉर्ड केलेल्या कॉल्ससाठी ट्रान्सक्रिप्ट्सवर अवलंबून असतात. ऐकण्याऐवजी सामग्री वाचणे किंवा तिच्यात शोध घेणे पसंत करणाऱ्या कोणालाही त्यांचा उपयोग होतो.

Perplexity आणि इतर AI सहाय्यक व्हिडिओ आणि ऑडिओ फाईल्सचे ट्रान्सक्रिप्शन करू शकतात आणि कोण काय म्हणाले हे लेबल करू शकतात, परंतु खास ट्रान्सक्रिप्शन आणि कॅप्शनिंग टूल्स ही प्रक्रिया अधिक वेगवान करतात. उदाहरणार्थ, Otter.ai आणि Sembly AI ऑडिओ फाईल्स आणि मीटिंग्जचे ट्रान्सक्रिप्शन करतात आणि कोण बोलत आहे हे चिन्हांकित करतात, तर Descript आणि Tella सारखी व्हिडिओ एडिटिंग टूल्स आपोआप कॅप्शन्स तयार करतात.

WCAG चे कॅप्शनिंग निकष (रेकॉर्ड केलेल्या व्हिडिओसाठी 1.2.2 आणि लाइव्ह व्हिडिओसाठी 1.2.4) संवाद, कोण बोलत आहे आणि अर्थपूर्ण ध्वनी प्रभाव यांचा समावेश करतात, त्यामुळे बोलणाऱ्या व्यक्तीतील बदल आणि हशासारखे आवाजही कॅप्शन्समध्ये आहेत याची खात्री करा

AI टूल्स अनेकदा नावे किंवा उत्पादनांशी संबंधित शब्द चुकीचे लिहितात, म्हणून रेकॉर्डिंगमधील नावे आणि शब्दांची शब्दसूची तुमच्या AI सहाय्यकासोबत शेअर करा, आणि तुमचे कॅप्शनिंग किंवा ट्रान्सक्रिप्शन टूल देत असलेल्या कोणत्याही कस्टम शब्दसंग्रहात ते शब्द जोडा.

व्हिडिओंमध्ये ऑडिओ वर्णन जोडा

ऑडिओ वर्णने, जी रेकॉर्ड केलेल्या व्हिडिओसाठी Level AA ची आवश्यकता आहेत (WCAG 1.2.5), पाहू न शकणाऱ्या लोकांना साउंडट्रॅकमधून न कळणाऱ्या गोष्टी सांगतात, उदाहरणार्थ, कृती, दृश्यांमधील बदल, चेहऱ्यावरील हावभाव किंवा स्क्रीनवरील मजकूर.

हाताने वर्णने लिहिणे वेळखाऊ असते, म्हणून Verbit, 3Play Media किंवा ScreenPal सारखी खास टूल्स आता त्यांचे मसुदे तयार करण्यासाठी आणि त्यांना आवाज देण्यासाठी AI चा वापर करतात.

AI ने तयार केलेल्या मसुद्यांना अजूनही मानवी संपादकाची गरज असते. RNIB च्या वतीने University of Surrey ने केलेल्या 2025 च्या अभ्यासात, BBC कार्यक्रमांच्या AI-निर्मित वर्णनांमध्ये “वारंवार अचूकता, सुसंगती आणि संदर्भाची जाणीव यांचा अभाव होता,” आणि त्यांमध्ये पात्रांची चुकीची ओळख केली गेली.

वर्णने संपादित करताना, ती व्हिडिओ समजून घेण्यासाठी प्रेक्षकांना आवश्यक असलेल्या गोष्टींपुरतीच मर्यादित ठेवा, आणि ती संवादांमधील नैसर्गिक विरामांमध्ये बसवा.

क्लिष्ट लिखित सामग्री सोप्या भाषेत पुन्हा लिहा

जनरेटिव्ह AI टूल्स मजकूर पुन्हा लिहितात, लहान करतात, त्याची पुनर्रचना करतात आणि तो स्पष्ट करून सांगतात. ती घनदाट लिखित सामग्रीचे अधिक स्पष्ट आवृत्तीत रूपांतर करू शकतात, जी डिस्लेक्सिया किंवा ADHD सारख्या संज्ञानात्मक, शिकण्याच्या किंवा लक्षाशी संबंधित भिन्नता असलेल्या लोकांसाठी उपयुक्त ठरते, ज्यांना लांब वाक्ये, तांत्रिक शब्द आणि लांब परिच्छेद समजून घेणे कठीण जाते.

जेव्हा मजकुरासाठी निम्न माध्यमिक शिक्षणापेक्षा, म्हणजे सुमारे नऊ वर्षांच्या शालेय शिक्षणापेक्षा, जास्त वाचन क्षमता आवश्यक असते, तेव्हा WCAG सोपी आवृत्ती किंवा पूरक सामग्री देण्याची शिफारस करते (निकष 3.1.5, Level AAA).

एखादा दस्तऐवज पुन्हा लिहिण्यासाठी तुम्ही गरजेनुसार बदलू शकता असा एक नमुना प्रॉम्प्ट येथे आहे:

[सोबत जोडलेले पालकत्व रजा धोरण] इंग्रजी ही दुसरी भाषा म्हणून वाचणाऱ्या किंवा डिस्लेक्सिया किंवा ADHD असलेल्या कर्मचाऱ्यांसाठी सोप्या भाषेत पुन्हा लिहा. 12 ते 14 वर्षांच्या मुलाला समजेल अशी वाचन पातळी ठेवा. प्रत्येक [पात्रता नियम, अंतिम मुदत, दिवसांची संख्या आणि फॉर्मचे नाव] जसे लिहिले आहे तसेच ठेवा. 20 पेक्षा जास्त शब्द नसलेली वाक्ये वापरा आणि प्रत्येक वाक्यात एकच कल्पना मांडा. [कोण पात्र आहे आणि अर्ज कसा करावा याविषयीच्या] दोन वाक्यांच्या सारांशाने सुरुवात करा. [अर्ज] प्रक्रियेचे क्रमांकित पायऱ्यांमध्ये रूपांतर करा, प्रत्येक भागापूर्वी एक छोटे शीर्षक जोडा, आणि [“रजेचा संचय”] किंवा [“वैधानिक वेतन”] यांसारखे तांत्रिक शब्द पहिल्यांदा येतील तेव्हा कंसात त्यांचे स्पष्टीकरण द्या किंवा त्यांच्याऐवजी सोपे शब्द वापरा. प्रत्येक संक्षेप पहिल्यांदा वापरताना त्याचे पूर्ण रूप लिहा.

AI महत्त्वाचे तपशील गाळू शकते आणि वरवर चुकीचे न वाटता अर्थ बदलू शकते, म्हणून मूळ मजकुराशी ते पडताळून पाहा, आणि प्रकाशित करण्यापूर्वी त्या विषयाची माहिती असलेल्या व्यक्तीकडून काहीही महत्त्वाचे सुटले नाही याची खात्री करून घ्या.

लिखित सामग्रीच्या ऑडिओ आवृत्त्या तयार करा

ऑडिओ आवृत्तीमुळे लोकांना लेख किंवा दस्तऐवज ऐकता येतो, ज्यामुळे तो दृष्टी गमावलेल्या लोकांसाठी आणि डिस्लेक्सियासारख्या साक्षरतेशी संबंधित शिकण्याच्या अडचणी असलेल्या लोकांसाठी अधिक सुलभ होतो.

विस्तृत करा

AI व्हॉइस जनरेटर्स मजकुराचे नैसर्गिक वाटणाऱ्या आवाजात रूपांतर करतात. उदाहरणार्थ, ElevenLabs Audio Native लेखांसाठी एम्बेड करता येणारा व्हॉइसओव्हर प्लेअर तयार करते, आणि Amazon Polly मजकुराचे तुम्ही प्रकाशित करू शकाल अशा स्पीच फाईल्समध्ये रूपांतर करते.

दोन्हींमध्ये तुम्ही नावे, संक्षिप्त रूपे आणि उत्पादनांशी संबंधित शब्दांचे उच्चार कसे व्हावेत हे सेट करू शकता. श्रोत्यांचा गोंधळ होऊ नये म्हणून ते आधी तपासा.

तुम्ही तुमच्या पेजवर ऑडिओ आवृत्ती एम्बेड करता तेव्हा, ऑडिओ प्लेअर कीबोर्डने वापरता येतो आणि त्याची नियंत्रणे स्पष्टपणे लेबल केलेली आहेत याची खात्री करा. लांब लेखांना छोटे सारांश जोडा, आणि मजकूर बदलल्यावर प्रत्येक वेळी ऑडिओ अपडेट करा.

तुमच्या वेबसाइटची सुलभता सुधारा

स्वयंचलित चेकर्स आणि AI कोडिंग सहाय्यक एकत्र चांगले काम करतात: चेकर तुमच्या साइटच्या कोडमधील समस्या शोधतो आणि सहाय्यक त्या दुरुस्त करतो.

Axe सारख्या स्वयंचलित वेब सुलभता चेकरपासून सुरुवात करा, जो निश्चित नियमांच्या आधारे पेज तपासतो आणि कमी रंग-कॉन्ट्रास्ट, नावे नसलेली बटणे आणि लिंक्स, तसेच लेबल नसलेली फॉर्म फील्ड्स यांसारख्या त्रुटी दर्शवतो. त्यानंतर कोडिंग सहाय्यकाला हा अहवाल आणि पेजचा कोड, तसेच पाळायचे सुलभता नियम द्या:

मी या पेजवर स्वयंचलित सुलभता चेकर चालवला. अहवाल आणि पेजचा कोड सोबत जोडला आहे. पेज WCAG 2.2 AA ची पूर्तता करेल अशा प्रकारे प्रत्येक त्रुटी दुरुस्त करा, प्रत्येक बदल एका वाक्यात स्पष्ट करा, आणि योग्य कोडमध्ये बदल करू नका.

नवीन साइट्स तयार करताना, सुरुवातीलाच AI सहाय्यकाला नियम द्या.

आठ AI मॉडेल्सवर केलेल्या Microsoft च्या मे 2026 मधील चाचणीत, सुलभता सूचनांशिवाय तयार केलेल्या पेजेसपैकी 12% पेजेस त्याच्या स्वयंचलित तपासण्यांमध्ये उत्तीर्ण झाली. WCAG 2.2 कोडिंग नियमांची सुमारे 100 ओळींची चेकलिस्ट जोडल्यावर सरासरी 60% पर्यंत वाढली. ते मार्गदर्शन पुन्हा वापरता येणाऱ्या कौशल्याच्या स्वरूपात पॅकेज केल्यावर ती 82% पर्यंत वाढली, आणि मॉडेल्सना चाचण्या चालवून स्वतःचा कोड दुरुस्त करू दिल्यावर ती 86% पर्यंत पोहोचली.

विस्तृत करा

Microsoft च्या अहवालात नमूद केल्याप्रमाणे, स्वयंचलित चाचणी केवळ काही सुलभता समस्याच पकडते, त्यामुळे प्रत्येक तपासणीत उत्तीर्ण होणारे पेजही वापरण्यास कठीण असू शकते.

AI सुलभता ओव्हरलेजपासून, म्हणजेच साइटला नियमांचे पालन करणारी बनवण्याचे आश्वासन देणाऱ्या एका ओळीच्या विजेट्सपासून, सावध राहा. जानेवारी 2025 मध्ये, आपले AI विजेट कोणतीही वेबसाइट WCAG-अनुरूप बनवू शकते या दाव्यांवरून US Federal Trade Commission ने accessiBe ला $1 दशलक्ष भरण्याचा आदेश दिला, आणि एप्रिल 2025 चा अंतिम आदेश कंपनीकडे पुरावा असल्याशिवाय असे दावे करण्यास मनाई करतो.

सुलभतेसाठीच्या AI च्या मर्यादा

AI मुळे उपलब्धता वाढते, परंतु त्यामुळे गोपनीयतेचे धोकेही निर्माण होतात, आणि त्याचे आउटपुट अविश्वसनीय आणि पक्षपाती असू शकतात.

गोपनीयतेविषयी चिंता

सहाय्यक AI संवेदनशील माहिती हाताळते: पत्रे, दस्तऐवज आणि औषधांच्या लेबल्सची कॅमेरा दृश्ये, संभाषणांची रेकॉर्डिंग्ज, आणि अपंगत्व उघड करू शकणारे तपशील.

तो डेटा किती खाजगी राहतो हे मुख्यतः टूल त्यावर कुठे प्रक्रिया करते यावर अवलंबून असते.

Apple च्या Personal Voice सारखी काही टूल्स सर्व प्रक्रिया डिव्हाइसवरच करतात, तर इतर क्लाउडवर अवलंबून असतात. उदाहरणार्थ, Be My Eyes चे Be My AI वर्णने तयार करण्यासाठी फोटो एका AI प्रदात्याच्या सर्व्हर्सवर पाठवते.

आणखी एक मोठी चिंता म्हणजे विक्रेता आपल्या मॉडेल्सना वापरकर्त्यांच्या डेटावर प्रशिक्षित करतो का.

विश्वासार्हतेच्या समस्या

AI टूल्स, ज्यात AI-आधारित सुलभता तंत्रज्ञानांचाही समावेश आहे, चुका करू शकतात, आणि त्या चुकांमुळे दिव्यांग व्यक्तींचे अधिक नुकसान होते.

2026 मध्ये प्रकाशित झालेल्या, 20 अंध आणि कमी दृष्टी असलेल्या व्यक्तींच्या डायरी अभ्यासात, पाठपुराव्याच्या प्रश्नांच्या 22% उत्तरांमध्ये चुकीची माहिती होती, आणि AI मजकूर किंवा ग्राफिक्स वाचत असताना हे प्रमाण 35% पर्यंत वाढले (तरीही, AI ने दिलेली बहुतांश पहिली वर्णने अचूक होती).

चुका होतात तेव्हा त्यांमुळे खरे नुकसान होऊ शकते. 2025 मध्ये American Foundation for the Blind ने केलेल्या सर्वेक्षणात, AI प्रतिमा वर्णन वापरणाऱ्या अंध आणि कमी दृष्टी असलेल्या 21% व्यक्तींनी सांगितले की AI च्या एखाद्या चुकीमुळे त्यांचे नुकसान झाले, तर दृष्टी असलेल्या वापरकर्त्यांमध्ये हे प्रमाण 9% होते. AI कॅप्शन्स वापरणाऱ्या कर्णबधिर आणि कमी ऐकू येणाऱ्या लोकांमध्ये हे प्रमाण 24% होते, तर अपंगत्व नसलेल्या वापरकर्त्यांमध्ये 4% होते.

अहवालाच्या लेखकांनी दोन कारणे सुचवली आहेत: दिव्यांग वापरकर्ते अनेकदा आउटपुट मूळ प्रतिमा किंवा ऑडिओशी पडताळून पाहू शकत नाहीत, आणि काहीजण ही टूल्स औषधांची लेबल्स किंवा आर्थिक दस्तऐवज वाचण्यासारख्या अधिक जोखमीच्या परिस्थितीत वापरतात.

पक्षपात आणि प्रशिक्षण डेटा

काही AI टूल्स, उदाहरणार्थ स्पीच रेकग्निशन टूल्स, दिव्यांग व्यक्तींसाठी तितक्या चांगल्या प्रकारे काम करू शकत नाहीत, आणि मर्यादित प्रशिक्षण डेटा हे त्यामागील एक कारण आहे

Speech Accessibility Project च्या 2024 मधील शोधनिबंधात नमूद केले आहे की 2008 ते 2023 या काळात डिसआर्थ्रिया असलेल्या व्यक्तींचे बोलणे ओळखण्यातील सर्वोत्तम त्रुटी दर तीन पटीने कमी झाले, तर इतर वक्त्यांसाठी ते पाच पटीने कमी झाले. या शोधनिबंधाच्या लेखकांनी डेटाचा अभाव हे एक प्रमुख कारण असल्याचे नमूद केले आहे. प्रकल्पाच्या 2025 मधील पुढील शोधनिबंधात म्हटले आहे की ही तफावत अंशतः डेटाच्या अभावामुळे आहे.

तरीही, डेटा हीच संपूर्ण समस्या नाही. मॉडेल्स कसे काम करतात हादेखील त्याचा भाग आहे.

W3C च्या 2023 मधील AI and Accessibility Research Symposium मधील आपल्या मुख्य भाषणात, Inclusive Design Research Centre च्या Jutta Treviranus यांनी असा युक्तिवाद केला की AI प्रणाली सरासरीच्या जवळ असलेल्या लोकांसाठी अचूक असतात आणि त्यापासून सर्वात दूर असलेल्यांसाठी अपयशी ठरतात.

2024 मधील एका लेखात, तिने पुढे असेही नमूद केले की प्रशिक्षण डेटामध्ये अधिक दिव्यांग लोकांचा समावेश केल्याने समस्या दूर होत नाही, कारण मॉडेल तरीही सरासरीकडेच झुकते: “प्रशिक्षण डेटामध्ये दिव्यांग लोकांचे पूर्ण आणि न्याय्य प्रमाणबद्ध प्रतिनिधित्व असले तरीही, मशीन सांख्यिकीयदृष्ट्या सरासरी असलेल्याच्याच बाजूने राहील.”

सुलभ AI साधने कशी निवडावीत

एखाद्या संस्थेमध्ये AI साधन लागू करताना, ते दिव्यांग व्यक्ती किंवा शिकण्याच्या अडचणी असलेल्या व्यक्तींसह सर्वांसाठी काम करणारे असले पाहिजे.

विस्तृत करा

एखादे साधन निश्चित करण्यापूर्वी, ते हे निकष पूर्ण करते का ते तपासा:

• लेबल असलेली नियंत्रणे: प्रत्येक बटण आणि फील्डला सहाय्यक तंत्रज्ञान वाचू शकेल असे नाव असते, आणि ते नाव नियंत्रण काय करते ते सांगते: “बटण” नव्हे, तर “पाठवा” (WCAG 4.1.2 आणि 1.1.1).
• संपूर्ण कीबोर्ड वापर: तुम्ही फक्त कीबोर्ड वापरून प्रॉम्प्ट टाइप करून पाठवू शकता, प्रतिसादांमध्ये पुढे-मागे जाऊ शकता आणि ते कॉपी करू शकता, आणि तुम्ही कुठे आहात हे दाखवणारा दृश्यमान फोकस इंडिकेटर असतो (WCAG 2.1.1 आणि 2.4.7).
• घोषित होणारे स्थिती संदेश: “उत्तर तयार करत आहे…” यांसारखे संदेश फोकस न हलवता स्क्रीन रीडरपर्यंत पोहोचतात (WCAG 4.1.3).
• संरचित, कॉपी करता येणारे आउटपुट: प्रतिसादांमध्ये खरी शीर्षके आणि सूची वापरल्या जातात, कॉपी केल्यावर त्यांचे फॉरमॅटिंग कायम राहते, आणि तुम्ही साध्या मजकुराची मागणी करू शकता.
• वेळ: सत्राची वेळ संपत असल्यास, तुम्ही ती मर्यादा बंद करू शकता, ती डीफॉल्टच्या किमान दहापट वाढवू शकता, किंवा ती वाढवण्यासाठी किमान 20 सेकंद देणारी चेतावणी मिळवू शकता (WCAG 2.2.1).
• झूम: 400% झूमवर (320 पिक्सेल रुंद व्ह्यूपोर्ट), आशय एकाच स्तंभात पुन्हा मांडला जातो, त्यामुळे तो वाचण्यासाठी तुम्हाला आडवे स्क्रोल करावे लागत नाही (WCAG 1.4.10).
• प्रत्येक व्यक्तीच्या स्वतःच्या सहाय्यक तंत्रज्ञानासोबत काम करते: हे साधन तृतीय-पक्ष स्क्रीन रीडर आणि सेटिंग्ज अंगभूत वैशिष्ट्यांनी बदलण्याऐवजी त्यांना समर्थन देते. हा WCAG निकष नाही, परंतु वापरकर्ते त्यांच्या ओळखीची असलेली व्यवस्था कायम ठेवू शकतात की नाही, हे यावरच ठरते.
• वाचनीय कॉन्ट्रास्ट: प्रॉम्प्ट बॉक्समधील मजकूर (प्लेसहोल्डरसह) आणि प्रतिसादांमधील मजकूर 4.5:1 कॉन्ट्रास्ट गुणोत्तर पूर्ण करतो (WCAG 1.4.3).
• शोधता येणाऱ्या त्रुटी: अपलोड अयशस्वी झाल्यास किंवा प्रॉम्प्ट नाकारला गेल्यास, साधन ते केवळ रंग बदलून किंवा आयकॉनद्वारे नव्हे, तर मजकुरातूनही सांगते (WCAG 3.3.1).

अनेक विक्रेते सुलभता अनुरूपता अहवाल (Accessibility Conformance Report, ACR) प्रकाशित करतात, जो Information Technology Industry Council च्या Voluntary Product Accessibility Template (VPAT) ची भरलेली आवृत्ती असतो. यात प्रत्येक सुलभता निकषानुसार उत्पादनाचे मूल्यमापन केलेले असते, त्यामुळे चाचणीपूर्वी साधनांची तुलना करण्याचा हा एक उपयुक्त मार्ग ठरतो.

AI सुलभतेबद्दल वारंवार विचारले जाणारे प्रश्न

सहाय्यक तंत्रज्ञानाची उदाहरणे कोणती आहेत?

सहाय्यक तंत्रज्ञानाच्या सामान्य उदाहरणांमध्ये स्क्रीन रीडर, कॅप्शनिंग आणि ट्रान्सक्रिप्शन साधने, उच्चार ओळख आणि आवाज नियंत्रण, संवर्धित आणि पर्यायी संप्रेषण (AAC) उपकरणे, आणि स्विच ॲक्सेस किंवा पर्यायी कीबोर्ड यांचा समावेश होतो. आता यांपैकी अनेक तंत्रज्ञाने AI वर चालतात, विशेषतः कॅप्शनिंग, उच्चार ओळख आणि प्रतिमा वर्णन.

WCAG कायद्याने बंधनकारक आहे का?

WCAG स्वतः एक W3C मानक आहे, कायदा नाही, परंतु कायद्यांमध्ये त्याचा संदर्भ दिला जातो किंवा तत्सम आवश्यकता निश्चित केल्या जातात.

उदाहरणार्थ, अमेरिकेत न्याय विभागाच्या ADA Title II नियमानुसार, राज्य आणि स्थानिक सरकारांचा वेब आशय आणि मोबाइल ॲप्स WCAG 2.1 Level AA पूर्ण करणारे असणे आवश्यक आहे: 50,000 किंवा अधिक लोकांना सेवा देणाऱ्या सरकारांसाठी 26 एप्रिल 2027 पर्यंत, आणि लहान सरकारे व विशेष जिल्ह्यांसाठी 26 एप्रिल 2028 पर्यंत. फेडरल संस्था Section 508 चे पालन करतात, ज्याच्या मानकांमध्ये WCAG 2.0 समाविष्ट आहे.

युरोपियन युनियनमध्ये, ई-कॉमर्स, ग्राहक बँकिंग किंवा ई-पुस्तके यांसारख्या उत्पादने आणि सेवांना लागू होणारा युरोपीय सुलभता कायदा (European Accessibility Act) थेट WCAG चा संदर्भ देत नाही. प्रत्यक्षात, त्याचे पालन करण्यासाठी बहुतांश संस्था WCAG आणि युरोपीय मानक EN 301 549 वापरतात, आणि EN 301 549 च्या 2026 आवृत्तीत WCAG 2.2 वापरले जाते.

सुलभतेची चार तत्त्वे कोणती आहेत?

WCAG आपली मार्गदर्शक तत्त्वे चार तत्त्वांखाली मांडते: आकलनीय, वापरण्यायोग्य, समजण्याजोगे आणि मजबूत. WCAG ची 13 मार्गदर्शक तत्त्वे या चार तत्त्वांखाली येतात, आणि प्रत्येक मार्गदर्शक तत्त्वामध्ये तपासता येणारे यशाचे निकष असतात, ज्यांच्या आधारे ऑडिट केले जाते.