Korte samenvatting
- De meeste websites vertonen al toegankelijkheidsproblemen. Uit analyse van de HTTP Archive Web Almanac blijkt dat deze problemen al wijdverbreid zijn en dat grootschalige automatisering deze kan versterken als de toegankelijkheid niet actief wordt gecontroleerd.
- Geautomatiseerde toegankelijkheidstests sporen slechts een deel van het probleem op. Richtlijnen van de UK Government Digital Service en grootschalige auditgegevens van Deque Systems tonen aan dat problemen met toetsenbord-, schermlezer- en cognitieve toegankelijkheid vaak menselijke evaluatie vereisen.
- WCAG 2.2 niveau AA is van toepassing op digitale inhoud, ongeacht hoe deze is gemaakt, inclusief inhoud die is geproduceerd of gewijzigd door AI-ondersteunde workflows.
- Volgens het Level Access State of Digital Accessibility Report beschouwen teams die toegankelijkheid effectief beheren AI als een hulpmiddel voor productiviteit, niet als een snelkoppeling voor naleving, en behouden zij menselijke controle voor validatie.
AI bouwt nu al grote delen van het web. Zoals uiteengezet in de toegankelijkheidsvoorspellingen van UsableNet voor 2026, genereren AI-systemen nu lay-outs, stellen ze componenten samen, schrijven ze inhoud en personaliseren ze ervaringen in een tempo dat de meeste teams niet handmatig kunnen controleren. Deze verschuiving heeft een nieuwe uitdaging op het gebied van toegankelijkheid gecreëerd, niet omdat AI inherent ontoegankelijk is, maar omdat het verandert hoe toegankelijkheidsrisico's zich voordoen en hoe snel deze zich kunnen verspreiden.
De echte vraag is niet of door AI gegenereerde inhoud toegankelijk kan zijn. Het gaat erom hoe teams de toegankelijkheid kunnen waarborgen wanneer inhoud sneller wordt gecreëerd, gewijzigd en samengesteld dan traditionele beoordelingsprocessen kunnen bijhouden.
Waarom AI het gesprek over toegankelijkheid verandert
De invoering van AI is niet langer experimenteel. Onderzoek dat is samengevat in het rapport van Level Access toont aan dat een meerderheid van de toegankelijkheids- en UX-professionals al AI-tools in hun workflow gebruikt, terwijl enquêtes zoals Lyssna’s UX Trends wijzen op toenemende investeringen door leidinggevenden in automatisering en agentgebaseerde systemen.
Tegelijkertijd wijst een sectoranalyse van het HTTP Archive op een cruciale beperking: er is geen betrouwbare manier om vast te stellen of een specifieke pagina, component of interactie door AI is gecreëerd of gewijzigd. Dat is van belang omdat toegankelijkheid wordt beoordeeld op basis van wat gebruikers ervaren, en niet op basis van intentie, gebruikte tools of auteurschap.
Aangezien AI-systemen inhoud dynamisch samenstellen en personaliseren, kan de kloof tussen wat teams denken te hebben geleverd en wat gebruikers daadwerkelijk tegenkomen aanzienlijk toenemen.
Wat onderzoek ons vertelt over door AI gegenereerde code
Peer-reviewed onderzoek dat werd gepresenteerd op de CHI-conferentie laat een consistent patroon zien: AI-codeerassistenten kunnen de ontwikkeling versnellen, maar ze missen vaak toegankelijkheidseisen, tenzij die eisen expliciet zijn gespecificeerd, en zelfs dan is handmatige controle nog steeds vereist.
In zowel academische studies als praktijkaudits komen steeds weer dezelfde problemen naar voren: interactieve elementen die er visueel correct uitzien maar niet toegankelijk zijn via het toetsenbord, ontbrekende of inconsistente focusindicatoren, formulierbesturingselementen die gebruikmaken van plaatshouders in plaats van labels, en structurele problemen die de semantische relaties verstoren waarop ondersteunende technologieën vertrouwen.
Dit betekent niet dat AI-tools niet effectief zijn. Het betekent dat ze vaak output van conceptkwaliteit opleveren in plaats van geverifieerde toegankelijkheid. Teams die door AI gegenereerde code zonder validatie als productieklaar beschouwen, nemen onnodige risico's.
Waarom handhaving zich richt op resultaten, niet op tools
Handhaving van toegankelijkheid richt zich op resultaten. Zoals blijkt uit de richtlijnen van het W3C en wordt bevestigd door brancheanalyses van UsableNet, beoordelen toezichthouders en rechtbanken of gebruikers essentiële taken kunnen uitvoeren en of ervaringen voldoen aan de geldende toegankelijkheidsnorm.
Zij maken doorgaans geen onderscheid tussen belemmeringen die zijn gecreëerd door menselijke ontwikkelaars, CMS-platforms of AI-systemen. Als een interface de toegang blokkeert, wordt dit behandeld als een toegankelijkheidsprobleem, ongeacht hoe deze is gegenereerd.
Het schaalbaarheidsprobleem: AI ontwikkelt zich sneller dan audits
Traditionele toegankelijkheidsworkflows gingen uit van relatief kleine, voorspelbare veranderingen: ontwerpen, bouwen, testen, vrijgeven. AI verandert dat model. Tegenwoordig is het gebruikelijk dat grote hoeveelheden pagina's in één keer worden gegenereerd, inhoud per gebruiker wordt gepersonaliseerd, interfaces worden aangepast nadat de pagina is geladen en componenten in realtime uit meerdere systemen worden samengesteld.
Op die schaal wordt handmatige controle vóór de release onrealistisch. Tegelijkertijd blijkt uit gegevens van Deque en richtlijnen van de UK Government Digital Service dat geautomatiseerd testen alleen veel van de problemen die echte gebruikers belemmeren, niet opspoort. AI verhoogt de output, maar de validatie van de toegankelijkheid schaalbaar niet automatisch mee.
Als we het tempo kunnen vertragen om ervoor te zorgen dat de materialen die we produceren toegankelijk en van hoge kwaliteit zijn, kan AI eerder een aanwinst dan een last zijn.
Waarom schone broncode niet meer voldoende is
Ondersteunende technologieën communiceren niet met repositories of CMS-platforms. Ze communiceren met wat er in de browser wordt weergegeven.
Zoals UsableNet opmerkt, kunnen AI-systemen die inhoud herschikken, samenvattingen toevoegen, de navigatie personaliseren of lay-outs tijdens de uitvoering aanpassen, ervoor zorgen dat de weergegeven ervaring aanzienlijk afwijkt van de oorspronkelijke broncode. Dit verklaart waarom pagina's weliswaar geautomatiseerde scans doorstaan, maar toch niet voldoen aan toetsenbordtesten, navigatie met schermlezers of de logische leesvolgorde.
Toegankelijkheidsproblemen doen zich steeds vaker voor tussen de code-editor en de browser, niet binnen de editor zelf.
Dit maakt het des te belangrijker om te controleren of zowel de ontwikkeling als de inhoud er niet alleen in de editor, maar ook in de browser geldig en correct uitzien. De meeste bedrijven zouden informatie of inhoud niet blindelings accepteren zonder deze te screenen en grondig te beoordelen. Waarom zou het gebruik van AI anders zijn?
Door AI gegenereerde alt-tekst: nuttig, maar op zichzelf niet betrouwbaar
Door AI gegenereerde alt-tekst is verbeterd, maar uit tests en onderzoek van organisaties als AudioEye en de Universiteit van Washington blijkt dat deze nog steeds moeite heeft met context.
Geautomatiseerde beschrijvingen identificeren vaak zichtbare elementen zonder het doel ervan over te brengen, missen organisatorische of culturele context, beschrijven decoratieve afbeeldingen te uitgebreid of beschrijven details die niet aanwezig zijn. Effectieve alt-tekst communiceert de bedoeling, niet alleen het uiterlijk, iets wat AI niet consistent kan bepalen zonder menselijke input.
Een van de beste manieren waarop ik dit test, is door een schermlezer te gebruiken om de alt-tekst voor te lezen en te kijken of deze de afbeelding op een beknopte en nauwkeurige manier beschrijft.
Wanneer meerdere systemen met elkaar in conflict komen
Moderne websites zijn samengesteld uit vele bronnen. Uit analyse in het HTTP Archive blijkt dat CMS-platforms, door AI gegenereerde inhoud, widgets van derden, personalisatietools en ontwerpsystemen afzonderlijk weliswaar toegankelijk kunnen zijn, maar vaak problemen veroorzaken wanneer ze worden gecombineerd.
Verkeerde hiërarchieën van koppen, dubbele ID's, conflicterende ARIA-labels en een onvoorspelbare focusvolgorde worden zelden opgemerkt bij statische beoordelingen en komen doorgaans pas aan het licht wanneer de volledige ervaring wordt weergegeven en er interactie mee plaatsvindt.
Ik heb dit zelf meegemaakt tijdens het experimenteren met AI. Vaak kan de verwerking van informatie in meerdere AI-tools of zelfs gesprekken variëren en conflicteren met eerdere codering en elementen. Soms ontstaat er een conflict met andere elementen op uw pagina.
De beperkingen van geautomatiseerd testen (zelfs met AI)
Geautomatiseerd toegankelijkheidstesten levert nuttige signalen op, maar vervangt de menselijke evaluatie niet. Bevindingen van Deque en de UK Government Digital Service tonen consequent beperkingen aan op het gebied van toetsenbordnavigatie, de ervaring met schermlezers, cognitieve toegankelijkheid en contextgebonden vereisten.
Om deze reden moeten geautomatiseerde resultaten worden beschouwd als indicatoren in plaats van definitieve oordelen. Teams die uitsluitend op automatisering vertrouwen, missen vaak de problemen die de grootste kans hebben om echte gebruikers te beïnvloeden.
AI-agenten en opkomende interfacepatronen
Terwijl interfaces zich ontwikkelen in de richting van AI-agenten en conversatiesystemen, heeft de toegankelijkheidsrichtlijn deze ontwikkeling nog niet volledig bijgehouden. Discussies binnen de sector, zoals die van UX Tigers, en vroege richtlijnen in het WCAG 3-werkdocument benadrukken onopgeloste vragen rond gebruikerscontrole, foutherstel en ondersteuning van ondersteunende technologie.
Deze hiaten betekenen niet dat innovatie moet vertragen. Ze onderstrepen juist het belang van bruikbaarheidstests met echte gebruikers en ondersteunende technologieën.
Wat werkt in de praktijk
Volgens het Level Access State of Digital Accessibility Report hebben organisaties die AI-gerelateerde toegankelijkheidsrisico's effectief beheren, de neiging om weergegeven ervaringen te testen, AI-output voor en na implementatie te valideren, geautomatiseerd scannen te combineren met handmatig testen, door AI gegenereerde inhoud met dezelfde nauwkeurigheid te beoordelen als door mensen gecreëerd werk, en hun processen te documenteren.
In deze omgevingen fungeert AI als een medewerker in plaats van als een autoriteit.
Door AI als een medewerker te behandelen, wordt de valkuil vermeden om AI te gebruiken als de snelste manier om iets op grote schaal te realiseren. Net zoals we een vreemde niet zouden vertrouwen om informatie op onze bedrijfspagina te plaatsen, zouden we AI ook niet op dezelfde manier moeten vertrouwen.
Gebruik AI ter ondersteuning van toegankelijkheid onder menselijk toezicht
Uit analyse van Accessible.org blijkt dat AI toegankelijkheidswerk kan ondersteunen door repetitieve controles te versnellen, te helpen bij het opstellen van richtlijnen voor herstelmaatregelen, terugkerende problemen op grote schaal te identificeren en de administratieve lasten te verminderen.
Wat AI niet op betrouwbare wijze kan vervangen, is het oordeel van een expert. De beste resultaten worden behaald in workflows waarbij AI assisteert en mensen de uitkomsten valideren.
Zoals in het vorige hoofdstuk is vermeld, zal het behandelen van AI als een teamgenoot in plaats van als de enige expert u op de lange termijn niet alleen sterker maken, maar ook betrouwbaarder.
Uitsluitend vertrouwen op één bron, of deze nu door mensen is geproduceerd of door AI is gecreëerd, is vragen om problemen. Vandaag de dag moet informatie meer dan ooit worden gecontroleerd en geverifieerd. Tot slot kan niets uw ervaring, uw netwerk en uw contacten in het echte leven vervangen. Deze zaken zijn van belang.
Toegankelijkheid als kwaliteitsindicator
Uit onderzoek binnen de sector, samengevat door UsableNet, blijkt dat wanneer ervaringen niet voldoen aan toegankelijkheidscontroles, ze vaak bredere kwaliteitsproblemen vertonen, zoals een zwakke structuur, onduidelijke inhoud, inconsistente navigatie en verwarrende interacties.
Daarom blijft toegankelijkheid een sterke indicator voor de algehele UX-kwaliteit en gaan verbeteringen vaak gepaard met betere zoekresultaten, conversiepercentages en resultaten op het gebied van klantenondersteuning.
Een van de misvattingen die ik zie, is dat toegankelijkheid losstaat van fundamentele kwesties op het gebied van structuur, ontwerp en inhoud. Ze zijn allemaal met elkaar verbonden en daarom mag toegankelijkheid niet worden behandeld als een afzonderlijk selectievakje.
Verbeteringen op het gebied van toegankelijkheid komen iedereen ten goede en zo moet het ook worden benaderd. Wanneer dit gebeurt, zal iedereen die uw webpagina bezoekt een ervaring hebben die het beste aansluit bij zijn of haar behoeften.
Conclusie
Door AI gegenereerde content is niet per definitie ontoegankelijk. Het verandert echter wel waar toegankelijkheidsproblemen ontstaan en hoe snel deze zich kunnen uitbreiden.
Succesvolle teams wachten niet op perfecte tools of definitieve standaarden. Ze testen echte gebruikerservaringen, betrekken mensen bij de validatie, monitoren continu en behandelen toegankelijkheid als een kernpraktijk op het gebied van kwaliteit in plaats van als een vinkje op een checklist.
De nuttigere vraag is niet “Is door AI gegenereerde content toegankelijk?”, maar “Hebben we het juiste proces om deze toegankelijk te houden terwijl deze zich verder ontwikkelt?”