文章标题:AI 加速了构建:无障碍测试如何跟上?

- 无障碍、测试、AI
- 分享到 Twitter、LinkedIn
关于作者
Andrew Chung 是 Level Access 的首席产品官,该公司在首份 Gartner® 数字无障碍平台魔力象限™ 中被评为领导者。Andrew 领导…… 了解更多关于 Andrew ↬
电子邮件通讯
每周的前端与 UX 技巧。受到 182,000+ 人的信赖。
本文由我们的朋友 Level Access 慷慨支持,他们帮助组织创建无障碍且合法合规的网站、移动应用、软件及其他数字体验。谢谢!
最近,我一直在大量思考和撰写关于 AI 对产品开发的影响,以及这对无障碍意味着什么。让我反复琢磨的是 Level Access《2026 年数字无障碍状况报告》中的一项发现。基本上:AI 正在帮助我们在构建上按下快进键,但测试实践却没有跟上。
我们询问了 2,500 多名专业人士,他们在 SDLC 的哪个环节注意到 AI 加速了自己的工作。大多数人表示他们在规划(58%)、设计(61%)和开发(51%)环节感受到了提升。但 QA 和测试却落后了:只有 30% 的人表示 AI 加速了那个阶段。
这些结果指向一种双速工作流。AI 为设计、规划和开发加了涡轮增压,而检查与验证仍以截然不同的速度运行。这意味着许多团队很可能在构建阶段一路狂奔,然后一旦有人必须回答一个相当根本的问题——这东西真的无障碍吗?——就被迫踩下刹车。
无障碍历来被视为 QA 的瓶颈,而 AI 正把远远更多的工作更快地推给它。如果你的团队已经在无障碍上左移,那是个好的开始。但 AI 打乱了工作流,所以即使是主动的团队也需要弄清楚这些早期检查如今该放在哪里。
这很重要,因为眼下,网络正朝着错误的方向前进。WebAIM 最新对前一百万个主页的扫描发现,每个主页自动检测到的错误在一年内上升了 10.1%,从每页 51 个增至 56.1 个。WebAIM 将 AI 辅助编码列为可能的促成因素之一。
那么,我们如何让验证摆脱一挡?当 AI 不断加速时,我们如何将人类判断融入工作流?
AI 并非最大的差异化因素
我们考察了那些在所追踪的每一项无障碍指标上都在进步的组织(我们称之为“改进者”),以找出他们的做法有何不同。
突出的一点是:AI 采用率是我们衡量的所有因素中差异最小的。改进者使用 AI 的比例与我们调查的其他所有人相近。他们的优势体现在周边无障碍实践的成熟度上——比如培训、沟通和无障碍文化。
一个简短的提醒:这是调查数据,所以它只显示相关性,成熟的计划可能只是更擅长追踪和报告自己的成果。即便如此,这一发现仍难以忽视。
而且事情变得更有趣了。成熟无障碍计划中的专业人士表示 AI 帮助他们确定问题优先级的可能性高出近六倍。他们表示 AI 帮助他们在开发中更主动地处理无障碍的可能性也高出近三倍。
换句话说,AI 最好用作强大计划的放大器。在上下文、测试、环境和护栏到位的情况下,代理可以承担从起草到运营的很大一部分工作,因等待和交接而损失的大量时间也随之消失。人们仍然负责决定构建什么以及批准发布什么。
所以让我问你:在无障碍方面,人类判断在你今天的工作流中处于什么位置?
不确定?这里有一个快速找出答案的方法。
像 {{NAME_ab12cd34}} 这样写的值是真实值的占位符。请完全按照所写使用它们,在回复和工具调用中都是如此:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。
文章标题:AI 加速了构建:无障碍测试如何才能跟上?
选一个你最近上线的功能,从第一个 Figma 画板一路追踪到生产环境。标出每一个有人判断它是否对使用键盘、屏幕阅读器或 400% 缩放浏览器的用户可用的时刻。
你标出了多少个?如果大多数都集中在创建过程的末尾,你很可能正走向两个结局之一:要么交付带有无障碍障碍的产品,要么把上游省下的时间花在之后修复这些问题上——那时修复更难、成本更高。
以下是如何通过把正确的无障碍检查和判断融入团队现有工作,来同时避免这两种结局。
把判断融入你的工作流
随着 AI 承担更多工作,人需要在三个环节保持参与:发现问题、修复问题、记录证据。每一个都能嵌入团队已有的步骤,比如交接、拉取请求或评审,这样时间线上不会新增环节,无障碍也能跟上正在进行的工作。
1. 发现:趁工作还有余温时捕获问题
上下文消退得很快。把第一批判断检查点尽可能靠近创作工作:
- 从交接开始。明确写出焦点顺序、无障碍名称、状态、标题结构,以及当某些东西发生变化或出错时会播报什么。如果你留下任何含糊之处,模型就会用它自己的默认值来填补空白。然后,把它放到模型会读取的地方:你的设计系统组件、规则文件(Cursor rules、AGENTS.md、Copilot instructions)和提示模板,而不只是一份规格文档。对设计师来说,免费的标注工具包能让这件事变得具体。GitHub 的 Annotation Toolkit 提供 Figma 组件,用于在画布上标注标题、地标、焦点顺序和键盘行为,让意图随文件一起传递,而不是只存在于某人的脑子里。
- 为拉取请求设卡。在 CI/CD 流水线和拉取请求处运行检查。让它们阻止或警告合并。与基线对比,这样你只需审查变更。(这是关卡中自动化的那一半:同一个检查点中人的那一半会在“修复”部分再次出现)。大多数团队已经为此准备好了工具,但新情况是数量。AI 辅助的拉取请求到达的速度快于审查者阅读的速度,所以自动化关卡更重要,而不是更不重要。在 React 项目中,eslint-plugin-jsx-a11y 在提交前标记问题,而 Pa11y 和 Lighthouse CI 扫描构建以发现新错误。Level CI 也将无障碍测试带入 CI/CD 工作流,包括合并前检测、增量发现、质量关卡以及拉取请求中的修复建议。
- 让自动化做全面扫描,把判断交给人。对页面、屏幕和文档运行自动化检查,以获得广泛、可重复的覆盖。例如,在扫描方面,QualWeb 会依据 W3C 的 ACT 规则检查页面。在多个引擎上运行测试,比如 axe-core 和 Equal Access,可能是个好主意,因为一个引擎可能帮你捕获另一个遗漏的问题。但是,要让人来评估可用性:一个下拉菜单可以通过自动化检查,而它的子菜单对键盘用户仍然不可访问。
- 为每项检查指定负责人。例如,设计师明确焦点、错误和状态。开发者在自定义组件上运行键盘检查和屏幕阅读器冒烟测试。(注意:屏幕阅读器测试在实践中比乍看起来更难,所以你的团队可能需要入门培训)。UX 或 QA 走完整个旅程。把无障碍指标放进验收标准和完成定义中,并用组件级测试来支撑,因为“人人都负责”很容易变成“没人做”。当团队提前决定每项检查由谁负责时,他们就创造了清晰度和沟通——我们的数据显示,正是这一点让那些在无障碍方面不断改善的组织区别于那些困在日益增长的积压中的组织。
2. 修复:在上下文变冷之前行动
文章标题:AI 加速了构建:无障碍测试如何跟上?
发现问题了?很好。趁记忆犹新赶紧修复。当问题最终变成工单时,确保上下文随之传递。它们应当携带元素、复现步骤、相关的 WCAG 标准、建议的修复方案以及 PR 链接,这样上下文就不会丢失。
- 把指导放到工作现场。无论修复发生在编辑器、设计文件还是组件库中,答案都应该就在那里。如果你的团队使用 AI 编码助手,MCP 服务器可以直接将无障碍发现和修复指导拉取到其中,让开发者无需离开编辑器就能处理问题。Level Access 提供了一个可连接 Cursor 和 Claude 等工具的服务器。
- 让 AI 做第一遍。用 AI 起草,但要设好护栏。AI 编码助手可以快速提出修改,但它们优化的是通过检查,而非正确的体验。针对具体问题给它们提供有依据的修复指导,并把它们的输出当作草稿。开源技能集可以帮助为这些指导提供依据。一个不错的起点是 Awesome Copilot 集合中的无障碍说明文件,它引导 Copilot 走向无障碍模式。拿到草稿后,重新运行检查,然后审查语义并测试行为,因为绿色的结果可能来自看起来正确实则不然的标记(例如,在 div 上使用 role="button"、冗余的 ARIA、编造的 alt 文本)。只有当验证跟上节奏时,速度才有用。
- 合并前先审查。在上下文中测试更改。它是否解决了原始问题而没有破坏其他东西?交互现在是否按预期运行并正确播报?注意:这道关卡做的工作与上游“发现”阶段中逐项检查的测试不同:那个环节捕获了问题;这个环节确认修复在上下文中确实成立。
- 按影响处理积压。要处理较旧的发现?先从阻碍某人完成关键旅程的事项开始,比如支付账单或重置 password。然后优先处理最快的修复。包含组件、出了什么问题以及修复它的指导。不要指望别人去重建整个故事。
3. 证明:留下凭据
开始收集证据的最糟糕时机,就是有人向你要证据的时候。
上述整个过程中的每一次检查、修复和判断决策,理想情况下都应留下痕迹。只有当问题复发时会有东西失败,修复才算完成。让你的 AI 助手在修复的同时编写回归测试,并把发现链接和任何判断决策写进 PR 描述。那就是凭据。
通过的测试表明已知问题没有复发。它并不表明体验有效。对于自动化无法覆盖的部分,在 PR 中加一段简短说明:你测试了什么、用了哪种辅助技术,以及你做了哪些判断决策。
- 让工具做行政工作。当后来有人问测试了什么、谁批准的,工具可以从那些 PR 和测试中拼出答案。我们通过 Level Access Reporting Agent 将 VPAT/ACR 的编写时间缩短了 70% 以上,但这仅仅是因为证据已经存在。再说一次,工具是实践的放大器,而不是替代品。
保持速度:让判断随之移动
AI 为数字创作带来了速度提升,但总体而言,验证工作并没有跟上。缩小这一差距不在于在更多地方采用更多 AI,也不在于放弃那些帮助团队提速的工具集。
根据我们的数据,团队面前的机会是围绕该工具集构建实践,使人类判断更早、更频繁地被标记、嵌入并付诸行动。
我们才刚刚触及数据所揭示的关于 AI 与无障碍的皮毛。如果你对我们还发现了什么感到好奇,请查看 2026 年数字无障碍状况报告。还有更多内容有待挖掘。
像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。在回复和工具调用中都完全按原样使用它们:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。