Toegankelijkheid is geen vinkje aan het einde van de implementatie
Een AI-agent kan technisch een taak uitvoeren en toch de medewerker buitensluiten die ermee moet werken. Dat gebeurt wanneer iemand wel een opdracht kan geven, maar niet zelfstandig kan volgen wat de agent doet, een fout kan corrigeren, een belangrijke handeling kan tegenhouden of na een mislukking verder kan.
Dan is het werk niet werkelijk geautomatiseerd. De bediening en controle zijn verschoven naar een collega die de visuele interface wel kan overzien. Voor de organisatie ontstaat een nieuwe afhankelijkheid, precies op de plek waar AI juist zelfstandigheid en schaalbaarheid moest opleveren.
Daarom hoort toegankelijkheid niet alleen thuis in het ontwerp van een scherm. Bij operationele AI is het een eigenschap van de hele werkstroom: opdracht geven, context begrijpen, voortgang volgen, keuzes bevestigen, output controleren en veilig herstellen.
Een praktijkstudie laat zien waar computeragents vastlopen
Een nieuwe studie naar computeragents voor blinde schermlezergebruikers volgde acht deelnemers drie weken lang tijdens dagelijks computergebruik. Via een toegankelijke tussenlaag gaven zij 1.258 opdrachten in twaalf Windows-applicaties. De onderzoekers speelden dezelfde opdrachten ook opnieuw af met vier andere agentmodellen en lieten menselijke beoordelaars vaststellen of de taak volledig, gedeeltelijk of niet was uitgevoerd.
Het best presterende model rondde 52,5% van de gekozen opdrachten volledig af. Gedeeltelijke uitvoering kwam bij alle onderzochte modellen veel voor. Dat laatste is operationeel belangrijk: een taak die bijna af is, kan nog steeds waardeloos of riskant zijn wanneer een formule één bereik mist, een document niet definitief wordt opgeslagen of een instelling maar half wordt aangepast.
De fouten zaten niet alleen in taalbegrip. Agents verzonnen bedieningselementen die niet in de actuele interface stonden, vonden verborgen menupaden niet, verloren eisen tijdens meerdere stappen en herkenden soms niet dat een taak klaar of juist vastgelopen was. Eenvoudige acties met zichtbare knoppen gingen beter dan werk met meerdere voorwaarden, applicaties of moeilijk vindbare opties.
De percentages zijn geen algemene score voor kantoorautomatisering. De studie omvat acht volwassen schermlezergebruikers, Engelstalige opdrachten, vijf modellen en Windows-desktopapplicaties; webapps, andere besturingssystemen en andere toegankelijkheidsbehoeften vielen buiten scope. Bovendien vermeden deelnemers soms gevoelige taken of taaktypen die eerder herhaaldelijk waren mislukt. Juist die beperkingen maken de bruikbare les scherper: test het echte werk met de mensen, hulpmiddelen, taal en applicaties waarvoor je de workflow bouwt.
De gebruiker wil niet altijd dat de agent alles overneemt
Een tweede bevinding is minstens zo relevant voor bedrijven. De deelnemers zagen de agent niet alleen als autonome uitvoerder. Zij wilden ook uitleg over wat er op het scherm stond, hulp op het moment dat zij vastliepen, begeleiding bij een onbekend proces en de mogelijkheid om een voorgenomen actie eerst te bekijken, aan te passen of te stoppen.
Dat verandert de ontwerpvraag. Niet: hoe halen we de mens zo snel mogelijk uit de lus? Wel: welke vorm van ondersteuning geeft deze medewerker bij deze stap de meeste zelfstandigheid? Soms is dat uitvoering. Soms is het een beschrijving, een volgende stap, een controleerbaar voorstel of herstelondersteuning.
Volledige overname kan aantrekkelijk klinken, maar maakt een gebruiker afhankelijk wanneer de agent geen begrijpelijke status geeft of alleen visueel te corrigeren is. Een goed ontworpen agent vergroot handelingsvermogen. Hij maakt niet van één ontoegankelijke interface een tweede ontoegankelijke interface met AI ervoor.
Meet zelfstandige controle, niet alleen taakvoltooiing
Organisaties meten een pilot vaak met nauwkeurigheid, snelheid en kosten per taak. Die cijfers missen een belangrijk deel van de bedrijfsuitkomst wanneer niet iedere medewerker de workflow zelfstandig kan bedienen.
Voeg daarom een concrete maat toe: het aandeel taken dat de beoogde gebruiker zelfstandig kan starten, volgen, verifiëren, corrigeren en afronden. Meet ook hoeveel overdrachten naar een collega uitsluitend nodig zijn door de bediening van het AI-systeem. Zo wordt toegankelijkheid zichtbaar als operationele capaciteit in plaats van als abstracte kwaliteitswens.
Dat sluit aan bij W3C-richtlijnen over het betrekken van gebruikers met een beperking bij evaluatie. Geautomatiseerde controles en standaarden blijven nodig, maar echte gebruikers vinden problemen die technische checks niet voorspellen. Voor een AI-workflow geldt dat nog sterker, omdat gedrag afhangt van context, taakvolgorde, interfacewijzigingen en herstelpaden.
Vijf acceptatiecriteria voor een toegankelijke AI-workflow
Maak toegankelijkheid vóór de pilot toetsbaar met vijf vragen:
- Opdracht: kan de gebruiker de taak, voorwaarden en uitzonderingen via de eigen hulpmiddelen invoeren en teruglezen?
- Voortgang: maakt de agent niet-visueel duidelijk wat hij doet, welke stap is afgerond en waar hij onzeker is?
- Controle: kan de gebruiker een voorstel inspecteren, aannames corrigeren en een actie goedkeuren, wijzigen of stoppen voordat deze onomkeerbaar wordt?
- Resultaat: is de uiteindelijke toestand controleerbaar in het bronsysteem, niet alleen via een melding dat de agent klaar is?
- Herstel: kan de gebruiker na een fout zelfstandig terug, opnieuw proberen, overschakelen op een toegankelijk alternatief of gericht hulp inschakelen met behoud van context?
Test die punten niet alleen met een happy path. Gebruik echte documenten, meerdere stappen, onverwachte dialoogvensters, gewijzigde labels en taken die tussen applicaties bewegen. Laat medewerkers met de relevante hulpmiddelen zelf bepalen of een overdracht werkbaar is. Hun taakvoltooiing is het criterium; niet de indruk van een ziende tester die meekijkt.
Praktische adoptie begint bij wie het werk moet kunnen doen
Laava bouwt operationele AI rond bestaande systemen, menselijke controle en expliciete foutpaden. De studie voegt daar een noodzakelijke ontwerpgrens aan toe: die controle is pas echt als iedere beoogde gebruiker haar kan uitoefenen.
Begin daarom bij één afgebakende workflow en breng niet alleen data, acties en uitzonderingen in kaart, maar ook de verschillende manieren waarop medewerkers het werk bedienen. Ontwerp status, bevestiging en herstel als volwaardige interacties. Test met de mensen die het systeem in de praktijk moeten gebruiken voordat hogere automatiseringspercentages het doel worden.
Een agent die meer taken uitvoert maar een deel van het team afhankelijk maakt, levert geen schaalbare uitvoering. Goede operationele AI haalt handmatig werk weg én laat mensen zelfstandig grip houden op wat er namens hen gebeurt.