Sztuczna inteligencja w dostępności PDF: szansa czy ryzyko dla sektorów regulowanych?

Wyobraź sobie, że jest spokojne piątkowe popołudnie i jesteś Product Ownerem (a może wcale nie musisz tego sobie wyobrażać). Kawa jest jeszcze ciepła, sprint właśnie został zamknięty i przez chwilę wszystko wydaje się naprawdę spokojne. Wtedy na skrzynkę wpada e-mail od Compliance Managera w sprawie przygotowań do Europejskiego Aktu o Dostępności (EAA). Twoje zadanie: upewnić się, że wszystkie historyczne dokumenty klientów są w pełni dostępne. Nie martwisz się specjalnie – zakładasz, że te „stare PDF-y” to raczej kosmetyczne zadanie.

Piszesz więc krótką wiadomość do Tech Leada z pytaniem o łączną liczbę plików. Gdy przychodzi odpowiedź, kawa nagle przestaje smakować – to nie jest mały stos dokumentów. Twój bank ma 4,2 miliona archiwalnych plików, które trzeba doprowadzić do zgodności. A czas do audytu właśnie zaczął biec.

W sektorze finansowym przepisy nie zostawiają pola do negocjacji. Mówimy o przepisach, które odsyłają do konkretnych norm technicznych: w Europie do WCAG 2.2 na poziomie AA i PDF/UA, przywoływanych przez Europejski Akt o Dostępności, a w Stanach Zjednoczonych do Section 508, obowiązującej administrację federalną i jej dostawców. Brak zgodności wiąże się z ryzykiem postępowań prawnych, utraty reputacji i kar finansowych.

W erze AI pierwszą reakcją często jest: „Po prostu wykorzystajmy sztuczną inteligencję”. Skoro potrafi pisać poezję i kodować strony internetowe, to na pewno oznaczy też plik PDF.

Czy AI rzeczywiście rozwiąże ten problem, czy raczej stanie się pułapką, która skończy się sporem sądowym? Sprawdźmy to.

Iluzja AI: dlaczego zgodności nie da się wyklikać w chatbocie

W teorii AI wygląda na idealnego pracownika. Nie śpi i przetwarza dane z zawrotną prędkością.

Gdy dostaje zadanie poprawy dostępności plików PDF, ten „cyfrowy pracownik” zwykle działa w trzech krokach:

• OCR (Optical Character Recognition): przekształcanie pikseli w tekst.
• Auto-tagowanie: próba odgadnięcia struktury dokumentu (nagłówki, akapity, tabele).
• Generowanie alt-tekstów: automatyczne opisywanie obrazów.

Przy dokumentach born-digital, czyli tworzonych od razu w formie cyfrowej, wyniki potrafią być naprawdę dobre. Problem w tym, że instytucje finansowe rzadko pracują z takimi materiałami. Na co dzień pracują z dokumentami z systemów legacy: skanami dokumentacji kredytów hipotecznych, wyblakłymi faksami i tabelami z połączonymi komórkami - które potrafią zmylić nawet doświadczonego redaktora.

Problem „halucynacji”

Generatywna AI (LLM-y takie jak ChatGPT, Claude czy Grok) jest modelem językowym, a nie modelem struktury dokumentu. Potrafi przewidywać kolejne słowo w zdaniu, ale nie rozumie w sposób natywny binarnej struktury drzewa tagów w pliku PDF.

Analizy narzędzi do automatycznej kontroli dostępnościpokazują, że systemy te tworzą tagi na podstawie wyglądu strony, a nie rzeczywistej struktury dokumentu.Proszenie chatbota o walidację dostępności PDF-a przypomina ocenianie konstrukcji budynku po zdjęciu elewacji. Model widzi wygląd strony, a nie to, co trzyma dokument w całości.

Podręcznikowy przykład porażki

Eksperyment przeprowadzony przez GrackleDocs pokazał, jak pewnie modele AI formułują błędne oceny. Badacze podali różnym wiodącym modelom sztucznej inteligencji w pełni zgodny z normami plik PDF, aby sprawdzić, jak poradzą sobie z jego oceną.

• Grok uznał w pełni zgodny dokument za niezgodny i wskazał braki tagów, które w rzeczywistości były obecne.
• Claude wymyślił ocenę zgodności na poziomie „7,5/10”, wskazując rzekome luki, które w ogóle nie istniały.
• ChatGPT z pełnym przekonaniem stwierdził brak alt-tekstów, mimo że były one poprawnie dodane.

Modele językowe są optymalizowane pod kątem udzielenia odpowiedzi, a nie pod kątem przyznania, że brakuje im danych. Jeśli poprosisz ją o raport zgodności, może go bez problemu wygenerować wraz z przekonującym technicznym żargonem, który sprawia wrażenie rzetelnej analizy. W branżach regulowanych poleganie na narzędziu, które potrafi tworzyć fikcję tylko po to, by udzielić satysfakcjonującej odpowiedzi, jest obarczone dużym ryzykiem.

Pragmatyczny kompromis branży: podejście hybrydowe

Podejście „tylko AI” może wydawać się kuszące, ale w praktyce znacznie bardziej obiecujący okazuje się model hybrydowy. 

AI wykonuje 70-90% pracy (OCR, podstawowe tagowanie), a następnie eksperci weryfikują bardziej złożone elementy i testują dokumenty z użyciem czytników ekranu, takich jak NVDA czy JAWS. Dzięki temu, że człowiek pozostaje w procesie, możliwe jest osiągnięcie ok. 95% zgodności. W przypadku dokumentów o wysokim ryzyku prawnym ta ludzka weryfikacja stanowi zabezpieczenie, którego wymagają banki. Trzeba jednak pamiętać, że wysoka jakość ma swoją cenę.

W case study opublikowanym przez AWS Ohio State University musiał doprowadzić do zgodności bardzo dużą liczbę dokumentów. Rzeczywistość ręcznej lub hybrydowej remediacji sprowadza się do prostego równania: czas i pieniądze. Szacunkowy koszt wynosił 3-4 dolary za stronę.

Jeśli bank ma 100 000 stron archiwalnych umów (co jest raczej konserwatywnym założeniem), oznacza to inwestycję rzędu 300 000-400 000 dolarów.

Od naprawiania dokumentów do projektowania dostępności

Dla organizacji zarządzających milionami dokumentów transakcyjnych model kosztowy “za stronę”, charakterystyczny dla podejścia hybrydowego, staje się poważnym wyzwaniem skalowalności i oznacza znacząco wyższe koszty. Jednocześnie 61% organizacji wskazuje wdrożenie techniczne jako największą barierę w osiągnięciu zgodności z EAA Coraz więcej przedsiębiorstw zaczyna jednak dostrzegać bardziej efektywne podejście. W rezultacie część instytucji zwraca się ku innej filozofii - wdrażaniu dostępności na poziomie szablonów oraz automatyzacji opartej na regułach (rule-based automation).

Wdrażanie dostępności na poziomie szablonów

Dla organizacji, które wysyłają duże wolumeny komunikacji do klientów, wdrożenie dostępności na poziomie szablonów jest najtańsze w utrzymaniu w dłuższym okresie. W przypadku przedsiębiorstw, które już korzystają z systemów Customer Communication Management (CCM) - takich jak Quadient Inspire,OpenText, ISIS Papyrus czy Smart Communications - metodologia ta daje wyraźną przewagę. Wdrożenie dostępności na etapie generowania PDF-a sprawia, że każdy dokument powstaje zgodnie z przyjętymi regułami dostępności, przy zachowaniu spójności marki i logiki biznesowej. Warunkiem jest poprawnie przygotowany i zwalidowany szablon.

Zamiast w stresie poprawiać tysiące pojedynczych plików PDF pod presją terminów, liderzy branży wdrażają dostępność bezpośrednio na poziomie szablonów dokumentów. Zobacz, jak polski bank obsługujący 1,5 miliona klientów wdrożył 53 dostępne szablony w zaledwie dwa miesiące, albo jak fińska grupa bankowa przeniosła ponad 100 dokumentów starszej generacji do w pełni dostępnych szablonów - bez zakłócania codziennych operacji. Logika jest prosta: szablon poprawia się raz, a każdy generowany z niego dokument pozostaje zgodny.

Automatyzacja oparta na regułach

Automatyzacja oparta na regułach wychodzi z tego samego założenia co dostępność na poziomie szablonów, ale rozwiązuje problem inaczej. Zamiast przeprojektowywać każdy szablon po kolei, definiujesz reguły dostępności w systemie CCM, a ten stosuje je do wszystkich generowanych dokumentów.

Logika zostaje odwrócona. Zamiast poprawiać PDF po wygenerowaniu (remediacja) albo ręcznie oznaczać dostępność w każdym szablonie z osobna, definiujesz reguły raz i wpinasz je w proces generowania dokumentów. Dzięki temu każdy PDF wychodzący z produkcji spełnia wymagania standardów dostępności, niezależnie od tego, z którego szablonu powstał.

W tym miejscu pojawiają się narzędzia takie jak Quadient Inspire Adapt . Działa ono jako warstwa nad istniejącym środowiskiem Quadient Inspire: analizuje strukturę generowanego dokumentu własnymi algorytmami parsowania i porządkuje ją, bez zmian w samych szablonach. System interpretuje obiekty treści i stosuje zestaw rygorystycznych reguł zgodnych ze standardem PDF/UA.

Porównanie podejść: jakie są realne opcje

Studium przypadku: włoskie biuro usługowe (service bureau) i Quadient Inspire Adapt

Jedno z włoskich biur usługowych stanęło przed wyzwaniem zapewnienia dostępności ogromnego zbioru faktur - w tym dokumentów zawierających złożone, wielopoziomowe tabele. Zdecydowano się na wdrożenie Quadient Inspire Adapt jako warstwy middleware, bez konieczności przebudowy istniejących systemów generowania dokumentów.

• Rezultat: w przetwarzaniu wsadowym (batch) przetworzono kilka milionów stron. Dzięki deterministycznym regułom każdy wygenerowany plik PDF przechodził walidację zgodności z PDF/U

Podsumowanie: automatyzacja jest silnikiem, a wiedza ekspercka paliwem

Generatywna sztuczna inteligencja oferuje imponującą szybkość działania, ale często myli układ wizualny z rzeczywistą strukturą semantyczną, pozostawiając dokumenty, które sprawiają wrażenie poprawnych, choć nie spełniają wymogów zgodności. Takie podejście może narazić procesy akceptacji dokumentów na realne ryzyko - zwłaszcza gdy brakuje możliwości późniejszego śledzenia i logowania błędów.

Hybrydowa remediacja dokumentów PDF zapewnia bezpieczeństwo i wysoką dokładność, ale koszty rosną proporcjonalnie do liczby przetwarzanych stron.

Implementacja oparta na szablonach oraz automatyzacja oparta na regułach (Quadient Inspire Adapt) pozwalają odejść od liniowego wzrostu kosztów i umożliwiają osiągnięcie prawdziwej skali. Sama skala bez kompetencji niewiele daje - dostępność pojawia się dopiero wtedy, gdy automatyzacja jest wsparta głęboką wiedzą architektoniczną oraz znajomością standardów.

Próba wdrożenia automatyzacji opartej na regułach bez solidnego zrozumienia standardów dostępności PDF prowadzi jedynie do szybkiego tworzenia dokumentów niespełniających wymagań. Oprogramowanie dostarcza silnik, ale nie zastępuje roli doświadczonego „pilota”. 

Jak jednak zainstalować taki „silnik” w złożonej infrastrukturze bankowej bez zatrzymywania operacji? Aby dowiedzieć się, jak wdrożyć te strategie w istniejącej architekturze, warto sięgnąć po materiał  „Zapewnianie dostępności dokumentów cyfrowych bez zakłócania pracy operacyjnej”.Artykuł przedstawia praktyczną mapę drogową integracji zasad dostępności bezpośrednio z istniejącymi systemami - tak, aby zapewnić zgodność bez konieczności całkowitej przebudowy procesów operacyjnych.

FAQ

Pytanie 1: Mój zespół IT chce użyć prostego skryptu do auto-tagowania. Czy to wystarczy?

Odpowiedź: Skrypty auto-tagujące mogą być dobrym punktem wyjścia, ale zazwyczaj osiągają skuteczność na poziomie 70–90%, ponieważ opierają się na rozpoznawaniu wzorców, a nie na deterministycznych regułach. W branżach regulowanych, gdzie zgodność musi być możliwa do zweryfikowania i udokumentowania podczas audytu, warto ocenić, czy taki poziom dokładności jest akceptowalny z punktu widzenia ryzyka - zwłaszcza przy przetwarzaniu dużych wolumenów dokumentów.

Pytanie 2: Jeśli walidator AI daje mojemu plikowi PDF „zielone światło”, czy to oznacza, że dokument jest gotowy na audyt? 

Odpowiedź: Nie. Automatyczne narzędzia sprawdzają głównie składnię (czy tag istnieje), a nie semantykę (czy został użyty właściwie). AI może na przykład uznać „image_001.jpg” za poprawny alt-tekst. Formalnie narzędzie nie zgłosi błędu, ale dokument nadal nie spełnia wymagań WCAG, do których odsyłają przepisy.

Pytanie 3: Co się stanie, jeśli nie spełnimy wymogów EAA i klient złoży skargę?

Wysokość kar ustala każde państwo członkowskie osobno. W Polsce zasady sankcji określa ustawa wdrażająca EAA, dlatego przed podaniem konkretnej kwoty warto sprawdzić aktualne progi. Poza sankcjami finansowymi należy liczyć się również z ryzykiem reputacyjnym oraz możliwością pozwów ze strony klientów. W przypadku instytucji regulowanych brak zgodności może dodatkowo uruchomić szersze kontrole regulatora dotyczące procesów oraz zarządzania zgodnością w organizacji.