Smashing Magazine

AI Sped Up The Build: How Can Accessibility Testing Keep Up?

7.1内容质量

TL;DR · AI 摘要

AI Sped Up The Build: How Can Accessibility Testing Keep Up? — Smashing Magazine - Andrew Chung - Nov 17, 2026 - 0 comme...

核心要点

  • 主题聚焦:AI Sped Up The Build: How Can Accessibility Test
  • 来源:Smashing Magazine,建议结合原文判断细节。
  • AI 分析暂不可用,本条为保底评分与摘要。
#AI#编程#前端#后端#安全
打开原文

AI 加速了构建:无障碍测试如何跟上? — Smashing Magazine

  • Andrew Chung
  • 2026年11月17日
  • 0条评论

AI 加速了构建:无障碍测试如何跟上?

  • 9分钟阅读
  • 无障碍 , 测试 , AI
  • 在 Twitter , LinkedIn 上分享

#### 关于作者

Andrew Chung 是 Level Access 的首席产品官,Level Access 是 Gartner® Magic Quadrant™ 数字无障碍平台领域的重要领导者。Andrew 负责……更多关于 Andrew 的信息 ↬

#### 邮件简报

每周前端与用户体验技巧。182,000+ 人信赖。

AI 加速了团队的设计和构建流程,但质量保证(QA)测试尚未跟上,这可能导致网络变得越来越不无障碍。基于最新研究,Andrew Chung 解释了哪些团队的无障碍工作能够跟上节奏,并探讨了如何在 AI 驱动的工作流程中融入人类判断,而不会影响交付速度。

本文由我们的挚友 Level Access 亲切支持,他们帮助组织创建无障碍且符合法律要求的网站、移动应用、软件及其他数字体验。感谢你们!

最近,我一直在思考和撰写 AI 对产品开发的影响,以及这对无障碍意味着什么。让我深思的是 Level Access 2026 年数字无障碍状态报告中的一项发现。基本上:AI 帮助我们快进构建过程,但测试实践却未能跟上。

我们询问了超过 2,500 名专业人士,他们在哪里注意到 AI 加快了 SDLC(软件开发生命周期)中的工作。大多数人表示在规划(58%)、设计(61%)和开发(51%)阶段看到了效率提升。但 QA 和测试却落后:只有 30% 的人表示 AI 加快了这一阶段的工作。

这些结果表明存在一个双速工作流程。AI 已经显著加速了设计、规划和开发,而检查和验证仍然以完全不同的速度进行。这意味着许多团队可能在构建过程中快速推进,但一旦有人需要回答一个基本问题时,就不得不立即刹车:这个东西真的无障碍吗?

历史上,无障碍一直被视为 QA 的瓶颈,而 AI 正在以更快的速度将更多工作推入这一环节。如果你的团队已经将无障碍工作提前到开发早期阶段,那么你已经有了良好的开端。但 AI 重新调整了工作流程,因此即使积极主动的团队也需要重新确定这些早期检查应放在何处。

这很重要,因为目前网络正在朝着错误的方向发展。WebAIM 最新对前 100 万首页的扫描发现,每页自动检测到的错误数量一年内增加了 10.1%,从每页 51 个增加到 56.1 个。WebAIM 将 AI 辅助编码列为可能的促成因素之一。

那么,我们如何让验证流程摆脱起步阶段?如何在 AI 不断加速工作流程的同时,将人类判断融入其中?

一个快速的提醒:这是调查数据,因此只能显示相关性,成熟的项目可能只是更擅长追踪和报告他们的成果。即使如此,这一发现也很难被忽视。

事情变得更有趣了。成熟无障碍项目的专业人士表示AI帮助他们优先处理问题的可能性几乎是其他人的六倍。他们表示AI帮助他们更积极主动地在开发阶段解决无障碍问题的可能性也几乎是其他人的三倍。

换句话说,AI作为强大项目的放大器效果最佳。当有上下文、测试、环境和防护措施到位时,代理可以承担从起草到运营的大部分工作,许多因等待和交接而浪费的时间也消失了。人们仍然负责决定要构建什么以及批准哪些内容上线。

那么让我问你:在无障碍方面,你当前的工作流程中,人类判断处于什么位置?

不确定?这里有一个快速的方法来了解。

挑选一个你最近上线的功能,从第一个Figma框架追踪到生产环境。标记每一个时刻,当某人决定它是否适用于使用键盘、屏幕阅读器或400%缩放浏览器的用户。

你标记了多少次?如果大多数标记集中在创作过程的末尾,你很可能正朝着两个方向之一前进:你将要么上线无障碍障碍,要么花上游节省的时间在后期修复它们,而那时修复它们会更困难且成本更高。

通过在团队正在进行的工作中构建正确的无障碍检查和判断决策,你可以避免这两种结果。

将判断决策融入你的工作流程

随着AI承担更多工作,人们需要在三个关键点保持参与:发现问题、解决问题和记录证据。每个环节都可以嵌入到团队已经采取的步骤中,如交接、拉取请求或评审,因此时间线不会新增任何内容,无障碍也能与正在进行的工作同步。

1. 发现:在工作仍处于热状态时捕捉问题

上下文会迅速消退。将第一个判断检查点尽可能靠近创作工作:

  • 从交接开始。明确焦点顺序、可访问名称、状态、标题结构以及当某事发生变化或出错时会宣布什么内容。如果你留下任何模糊之处,模型会用它自己的默认值填补空白。然后,将这些内容放在模型读取的位置:你的设计系统组件、规则文件(Cursor规则、AGENTS.md、Copilot指令)和提示模板,而不仅仅是规格文档。对于设计师,免费的注释工具包使这一点变得具体。GitHub的注释工具包为Figma提供了标记标题、地标、焦点顺序和键盘行为的组件,因此意图会随着文件一起传递,而不是停留在某人的脑海中。
  • 对拉取请求进行门禁控制。在 CI/CD 流水线和拉取请求中运行检查,让它们在合并时阻止或发出警告。通过与基线进行对比,仅需评审变更内容。(这是门禁控制的自动化部分:同一检查点的人工部分会在“Fix”部分再次出现)。大多数团队已经具备了实现此功能的工具,但新增的是规模。AI 辅助的拉取请求生成速度比评审人员阅读的速度更快,因此自动化门禁控制的重要性反而更高。在 React 项目中,eslint-plugin-jsx-a11y 在提交前标记问题,而 Pa11y 和 Lighthouse CI 会扫描构建中的新错误。Level CI 也将无障碍测试引入 CI/CD 工作流,包括合并前检测、差异分析、质量门禁以及在拉取请求中提供修复建议。
  • 让自动化执行全面扫描,将判断决策交给人工处理。在页面、屏幕和文档上运行自动化检查,以实现广泛且可重复的覆盖范围。例如,QualWeb 会将页面与 W3C 的 ACT 规则进行对比。在多个引擎(如 axe-core 和 Equal Access)上运行测试可能是个好主意,因为一个引擎可能帮助你发现另一个引擎遗漏的问题。但需让人评估可用性:下拉菜单可能通过自动化检查,但其子菜单可能仍无法通过键盘访问。
  • 为每个检查项指定负责人。例如,设计师定义焦点、错误和状态。开发人员对自定义组件执行键盘操作测试和屏幕阅读器烟雾测试。(注意:在实际操作中,屏幕阅读器测试可能比最初看起来更复杂,因此您的团队可能需要进行基础培训)。UX 或 QA 人员完成完整的流程导航。将无障碍指标纳入验收标准和“完成”定义中,并通过组件级测试进行支撑,因为“每个人都负责”这句话往往会被曲解为“没人真正去做”。当团队提前决定每个检查项的负责人时,他们就能创建出清晰度和沟通机制,而我们的数据表明,这种机制是那些在无障碍改进方面取得进展的组织与那些陷入不断增长的待办事项清单的组织之间的关键区别。

2. 修复:在上下文变冷之前行动

发现问题了吗?很好。趁它还新鲜时立即修复。当问题变成工单时,确保上下文随其一起传递。它们应包含元素、复现步骤、相关的 WCAG 标准、建议的修复方案和 PR 链接,以防止上下文丢失。

  • 将指导直接融入工作流程。无论修复是在编辑器、设计文件还是组件库中进行,答案都应就在身边。如果您的团队使用 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入其中,使开发人员无需离开编辑器即可处理问题。Level Access 提供了与 Cursor 和 Claude 等工具连接的解决方案。
  • 让AI先尝试一次。使用AI进行初稿编写,但需设置约束条件。AI代码助手可以快速提出修改建议,但它们优化的是通过检查,而非正确的体验。为具体问题提供有依据的修复指导,并将它们的输出视为初稿。开源技能集可以帮助建立这种指导依据。一个不错的起点是Awesome Copilot集合中的无障碍说明文件,它能引导Copilot采用更易访问的模式。得到初稿后,重新运行检查,再审查语义并测试行为,因为绿色结果可能来自看似正确但实际错误的标记(例如:在div上使用role="button"、冗余的ARIA属性、虚构的alt文本)。只有在验证同步进行时,这种速度才有价值。
  • 在任何合并之前都要进行审查。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功能?交互现在是否按预期表现并发出提示?注意:这个审查环节与上游“Find”部分的单个检查测试执行的是不同工作:后者发现了问题;这个环节确认修复确实适用于上下文。
  • 按影响程度处理待办事项。提取旧的发现?优先处理阻碍某人完成关键流程的问题,例如支付账单或重置密码。然后处理修复最快的事项。包含组件、问题所在以及修复指导。不要指望他人重新构建故事。

3. 证明:留下凭证

最糟糕的收集证据时机是当有人要求时。

上述流程中的每个检查、修复和判断都应该留下可追溯的记录。如果问题再次出现,修复工作直到某个测试失败才算完成。请AI助手在修复后编写回归测试,并将发现链接和任何判断记录在PR描述中。这就是凭证。

通过的测试表明已知问题没有复发,但不能证明体验有效。对于自动化无法覆盖的部分,在PR中添加简短说明:你测试了什么,使用了哪种辅助技术,以及你做出的任何判断。

  • 让工具处理行政工作。当有人之后询问测试了什么以及谁批准了它时,工具可以从这些PR和测试中自动汇总答案。通过Level Access Reporting Agent,我们以这种方式将VPAT/ACR编写时间减少了70%以上,但前提是证据已经存在。同样,工具是强化了实践,而非替代它。

保持速度:将判断同步推进

AI为数字创作带来了速度提升,但总体而言,验证工作并未跟上。缩小这一差距并非关于在更多地方采用更多AI或放弃帮助团队提高效率的工具集。

根据我们的数据,团队面前的机会是围绕这些工具集建立实践,使人类判断更早、更频繁地被标记、嵌入并执行。

我们仅触及了数据对AI和无障碍性的洞察冰山一角。如果你想了解我们还发现了什么,请查看《2026数字无障碍状态报告》。还有更多值得深入探讨的内容。

(yk)

了解更多请访问 /think