Synli – KI-assistert tilgjengelighetsanalyse

Funn som kan kontrolleres og følges opp

For den som skal rette en nettside, er det viktig å forstå hva et funn bygger på og hva som fortsatt må undersøkes. Synli knytter funn til observasjoner og viser usikkerhet og manglende analysedekning. Erfaringen er relevant også for andre KI-løsninger der medarbeidere trenger å kontrollere svarene før de bruker dem videre.

En analyse må vise hva den bygger på

Den sentrale utfordringen i Synli er å kombinere flere måter å undersøke en nettside på. En regelmotor kan kontrollere deler av HTML-strukturen. Nettlesertester kan undersøke tastaturbruk, fokus og hvordan innholdet oppfører seg ved endrede tekst- og skjerminnstillinger. KI kan bidra med vurderinger av blant annet bilder, lenketekster og visuell struktur.

Jeg har bygget en analyseprosess som samler disse signalene, samtidig som den bevarer skillet mellom en målt feil, en KI-vurdering og noe som må undersøkes av et menneske. Et funn skal kunne knyttes til det konkrete elementet og til observasjonene som støtter det.

Nettleserautomatisering med Playwright og axe-core

Crawleren bruker Playwright og axe-core sammen med egne kontroller. Den henter DOM-data, nettleserens tilgjengelighetstre og skjermbilder, og utfører interaksjonstester. Disse kildene beskriver ulike sider av samme element: hvordan det er kodet, hvordan hjelpemidler oppfatter det, hvordan det ser ut og hvordan det reagerer.

Interaksjonstestene kan selv endre siden. Derfor er rekkefølgen viktig: dokumentasjon av sidetilstanden fanges før tester som flytter fokus eller endrer visningen, og siden gjenopprettes etterpå. Sammenligninger på tvers av sider avgrenses etter blant annet språk og visningsstørrelse. Det reduserer risikoen for at analysen sammenligner ulike situasjoner som om de var like.

KI med avgrensede oppgaver og etterprøvbare svar

KI-arbeidet er delt i oppgaver som rutes til ulike modellnivåer, med egne svarskjemaer og ressursgrenser. Modellene brukes til vurdering, forklaring og forslag, mens kode kontrollerer strukturen på svarene og koblingen til det innsamlede grunnlaget.

I Scanner V2 er også analysedekningen en del av resultatet. En kontroll som feiler, blir avbrutt eller bare undersøker et utvalg, kan ikke uten videre bli et godkjent resultat. Et overbevisende KI-svar er heller ikke tilstrekkelig til å fjerne et funn. Usikkerhet og manglende grunnlag skal være synlig i rapporten.

Gjenopptakbare skanninger og innlogging med SSO og tofaktor

Skanning er organisert som bakgrunnsarbeid, adskilt fra webportalen og API-et. Lange kjøringer deles i segmenter med lagrede kontrollpunkter og videreføres gjennom Cloud Tasks. Kø, fremdrift og forbruk må følge skanningen mellom kjøringene. Valgt skannermotor og modellprofil lagres ved oppstart, slik at en oppdatering underveis ikke endrer analysegrunnlaget.

For sider bak innlogging har jeg bygget en interaktiv nettlesersesjon der brukeren selv fullfører innloggingen, også med tofaktor og SSO. Sesjonen kan deretter brukes av crawleren. Det krever håndtering av sesjonstilstand, utløpt tilgang og kryptert lagring av innloggingsmaterialet.

Fra analyse til et produkt som kan driftes

Funn, manuelle vurderinger og analysedekning behandles etter felles regler i grensesnittet og eksportene. Plattformen har organisasjonsbasert tilgang, abonnementer og rapporter i flere formater. PostgreSQL lagrer skanningene og resultatene, mens Cloud Run og Terraform brukes til kjøring og infrastruktur.

Jeg har også bygget evaluering med testtilfeller som både inneholder reelle feil og tilsvarende situasjoner som skal godtas. Kvalitet handler om å oppdage problemer og unngå feilaktige funn, samtidig som ufullstendige analyser ikke fremstår som fullførte. Bygg, tester, gradvis utrulling og tilbakeføring inngår i leveranseløpet. Modellforbruk og kostnadsgrenser er en del av driften.

Erfaring som er relevant utenfor tilgjengelighet

Synli har gitt meg erfaring med KI-systemer der resultatene må kunne forklares og brukes videre: innhenting fra komplekse nettsider, kombinasjon av deterministiske kontroller og språkmodeller, jobber som går over tid, og tydelig håndtering av usikkerhet. Dette er sentrale oppgaver også når en bedrift trenger dokumentanalyse, kvalitetssikring eller automatisering i egne systemer.