Wyobra\u017a sobie, \u017ce jest spokojne pi\u0105tkowe popo\u0142udnie i jeste\u015b Product Ownerem (a mo\u017ce wcale nie musisz tego sobie wyobra\u017ca\u0107). Kawa jest jeszcze ciep\u0142a, sprint w\u0142a\u015bnie zosta\u0142 zamkni\u0119ty i przez chwil\u0119 wszystko wydaje si\u0119 naprawd\u0119 spokojne. Wtedy na skrzynk\u0119 wpada e-mail od Compliance Managera w sprawie przygotowa\u0144 do Europejskiego Aktu o Dost\u0119pno\u015bci (EAA). Twoje zadanie: upewni\u0107 si\u0119, \u017ce wszystkie historyczne dokumenty klient\u00f3w s\u0105 w pe\u0142ni dost\u0119pne. Nie martwisz si\u0119 specjalnie \u2013 zak\u0142adasz, \u017ce te \u201estare PDF-y\u201d to raczej kosmetyczne zadanie.<\/p>\n\n\n\n
Piszesz wi\u0119c kr\u00f3tk\u0105 wiadomo\u015b\u0107 do Tech Leada z pytaniem o \u0142\u0105czn\u0105 liczb\u0119 plik\u00f3w. Gdy przychodzi odpowied\u017a, kawa nagle przestaje smakowa\u0107 \u2013 to nie jest ma\u0142y stos dokument\u00f3w. Tw\u00f3j bank ma 4,2 miliona archiwalnych plik\u00f3w, kt\u00f3re trzeba doprowadzi\u0107 do zgodno\u015bci. A czas do audytu w\u0142a\u015bnie zacz\u0105\u0142 biec.<\/p>\n\n\n\n
W sektorze finansowym przepisy nie zostawiaj\u0105 pola do negocjacji. M\u00f3wimy o przepisach, kt\u00f3re odsy\u0142aj\u0105 do konkretnych norm technicznych: w Europie do WCAG 2.2 na poziomie AA i PDF\/UA, przywo\u0142ywanych przez Europejski Akt o Dost\u0119pno\u015bci, a w Stanach Zjednoczonych do Section 508, obowi\u0105zuj\u0105cej administracj\u0119 federaln\u0105 i jej dostawc\u00f3w. Brak zgodno\u015bci wi\u0105\u017ce si\u0119 z ryzykiem post\u0119powa\u0144 prawnych, utraty reputacji i kar finansowych.<\/a><\/p>\n\n\n\n W erze AI pierwsz\u0105 reakcj\u0105 cz\u0119sto jest: \u201ePo prostu wykorzystajmy sztuczn\u0105 inteligencj\u0119\u201d. Skoro potrafi pisa\u0107 poezj\u0119 i kodowa\u0107 strony internetowe, to na pewno oznaczy te\u017c plik PDF.<\/p>\n\n\n\n Czy AI rzeczywi\u015bcie rozwi\u0105\u017ce ten problem, czy raczej stanie si\u0119 pu\u0142apk\u0105, kt\u00f3ra sko\u0144czy si\u0119 sporem s\u0105dowym? Sprawd\u017amy to.<\/p>\n\n\n\n W teorii AI wygl\u0105da na idealnego pracownika. Nie \u015bpi i przetwarza dane z zawrotn\u0105 pr\u0119dko\u015bci\u0105.<\/p>\n\n\n\n Gdy dostaje zadanie poprawy dost\u0119pno\u015bci plik\u00f3w PDF, ten \u201ecyfrowy pracownik\u201d zwykle dzia\u0142a w trzech krokach:<\/p>\n\n\n\n Przy dokumentach born-digital, czyli tworzonych od razu w formie cyfrowej, wyniki potrafi\u0105 by\u0107 naprawd\u0119 dobre. Problem w tym, \u017ce instytucje finansowe rzadko pracuj\u0105 z takimi materia\u0142ami. Na co dzie\u0144 pracuj\u0105 z dokumentami z system\u00f3w legacy: skanami dokumentacji kredyt\u00f3w hipotecznych, wyblak\u0142ymi faksami i tabelami z po\u0142\u0105czonymi kom\u00f3rkami - kt\u00f3re potrafi\u0105 zmyli\u0107 nawet do\u015bwiadczonego redaktora.<\/p>\n\n\n\n Generatywna AI (LLM-y takie jak ChatGPT, Claude czy Grok) jest modelem j\u0119zykowym, a nie modelem struktury dokumentu. Potrafi przewidywa\u0107 kolejne s\u0142owo w zdaniu, ale nie rozumie w spos\u00f3b natywny binarnej struktury drzewa tag\u00f3w w pliku PDF.<\/p>\n\n\n\n Analizy narz\u0119dzi do automatycznej kontroli dost\u0119pno\u015bci<\/a>pokazuj\u0105, \u017ce systemy te tworz\u0105 tagi na podstawie wygl\u0105du strony, a nie rzeczywistej struktury dokumentu.<\/strong>Proszenie chatbota o walidacj\u0119 dost\u0119pno\u015bci PDF-a przypomina ocenianie konstrukcji budynku po zdj\u0119ciu elewacji. Model widzi wygl\u0105d strony, a nie to, co trzyma dokument w ca\u0142o\u015bci.<\/p>\n\n\n\n Eksperyment przeprowadzony przez GrackleDocs<\/a> pokaza\u0142, jak pewnie modele AI formu\u0142uj\u0105 b\u0142\u0119dne oceny. Badacze podali r\u00f3\u017cnym wiod\u0105cym modelom sztucznej inteligencji w pe\u0142ni zgodny z normami plik PDF, aby sprawdzi\u0107, jak poradz\u0105 sobie z jego ocen\u0105.<\/p>\n\n\n\n Modele j\u0119zykowe s\u0105 optymalizowane pod k\u0105tem udzielenia odpowiedzi, a nie pod k\u0105tem przyznania, \u017ce brakuje im danych. Je\u015bli poprosisz j\u0105 o raport zgodno\u015bci, mo\u017ce go bez problemu wygenerowa\u0107 wraz z przekonuj\u0105cym technicznym \u017cargonem, kt\u00f3ry sprawia wra\u017cenie rzetelnej analizy. W bran\u017cach regulowanych poleganie na narz\u0119dziu, kt\u00f3re potrafi tworzy\u0107 fikcj\u0119 tylko po to, by udzieli\u0107 satysfakcjonuj\u0105cej odpowiedzi, jest obarczone du\u017cym ryzykiem.<\/p>\n\n\n\n Podej\u015bcie \u201etylko AI\u201d mo\u017ce wydawa\u0107 si\u0119 kusz\u0105ce, ale w praktyce znacznie bardziej obiecuj\u0105cy okazuje si\u0119 model hybrydowy. <\/p>\n\n\n\n AI wykonuje 70-90% pracy (OCR, podstawowe tagowanie), a nast\u0119pnie eksperci weryfikuj\u0105 bardziej z\u0142o\u017cone elementy i testuj\u0105 dokumenty z u\u017cyciem czytnik\u00f3w ekranu, takich jak NVDA czy JAWS. Dzi\u0119ki temu, \u017ce cz\u0142owiek pozostaje w procesie, mo\u017cliwe jest osi\u0105gni\u0119cie ok. 95% zgodno\u015bci. W przypadku dokument\u00f3w o wysokim ryzyku prawnym ta ludzka weryfikacja stanowi zabezpieczenie, kt\u00f3rego wymagaj\u0105 banki. Trzeba jednak pami\u0119ta\u0107, \u017ce wysoka jako\u015b\u0107 ma swoj\u0105 cen\u0119.<\/p>\n\n\n\n W case study opublikowanym przez AWS <\/a>Ohio State University musia\u0142 doprowadzi\u0107 do zgodno\u015bci bardzo du\u017c\u0105 liczb\u0119 dokument\u00f3w. Rzeczywisto\u015b\u0107 r\u0119cznej lub hybrydowej remediacji sprowadza si\u0119 do prostego r\u00f3wnania: czas i pieni\u0105dze. Szacunkowy koszt wynosi\u0142 3-4 dolary za stron\u0119.<\/p>\n\n\n\n Je\u015bli bank ma 100 000 stron archiwalnych um\u00f3w (co jest raczej konserwatywnym za\u0142o\u017ceniem), oznacza to inwestycj\u0119 rz\u0119du 300 000-400 000 dolar\u00f3w.<\/p>\n\n\n\n Dla organizacji zarz\u0105dzaj\u0105cych milionami dokument\u00f3w transakcyjnych model kosztowy\n\u201cza stron\u0119\u201d, charakterystyczny dla podej\u015bcia hybrydowego, staje si\u0119 powa\u017cnym wyzwaniem skalowalno\u015bci i oznacza znacz\u0105co wy\u017csze koszty. Jednocze\u015bnie 61% organizacji wskazuje wdro\u017cenie techniczne jako najwi\u0119ksz\u0105 barier\u0119 w osi\u0105gni\u0119ciu zgodno\u015bci z EAA \nCoraz wi\u0119cej przedsi\u0119biorstw zaczyna jednak dostrzega\u0107 bardziej efektywne podej\u015bcie. W rezultacie cz\u0119\u015b\u0107 instytucji zwraca si\u0119 ku innej filozofii - wdra\u017caniu dost\u0119pno\u015bci na poziomie szablon\u00f3w<\/a> oraz automatyzacji opartej na regu\u0142ach (rule-based automation). <\/p>\n\n\n\n Dla organizacji, kt\u00f3re wysy\u0142aj\u0105 du\u017ce wolumeny komunikacji do klient\u00f3w, wdro\u017cenie dost\u0119pno\u015bci na poziomie szablon\u00f3w jest najta\u0144sze w utrzymaniu w d\u0142u\u017cszym okresie. W przypadku przedsi\u0119biorstw, kt\u00f3re ju\u017c korzystaj\u0105 z system\u00f3w Customer Communication Management (CCM) - takich jak Quadient Inspire,<\/a>OpenText, ISIS Papyrus czy Smart Communications - metodologia ta daje wyra\u017an\u0105 przewag\u0119. Wdro\u017cenie dost\u0119pno\u015bci na etapie generowania PDF-a sprawia, \u017ce ka\u017cdy dokument powstaje zgodnie z przyj\u0119tymi regu\u0142ami dost\u0119pno\u015bci, przy zachowaniu sp\u00f3jno\u015bci marki i logiki biznesowej. Warunkiem jest poprawnie przygotowany i zwalidowany szablon. <\/p>\n\n\n\n Zamiast w stresie poprawia\u0107 tysi\u0105ce pojedynczych plik\u00f3w PDF pod presj\u0105 termin\u00f3w, liderzy bran\u017cy wdra\u017caj\u0105 dost\u0119pno\u015b\u0107 bezpo\u015brednio na poziomie szablon\u00f3w dokument\u00f3w. Zobacz, jak polski bank obs\u0142uguj\u0105cy 1,5 miliona klient\u00f3w<\/a> wdro\u017cy\u0142 53 dost\u0119pne szablony w zaledwie dwa miesi\u0105ce, albo jak fi\u0144ska grupa bankowa<\/a> przenios\u0142a ponad 100 dokument\u00f3w starszej generacji do w pe\u0142ni dost\u0119pnych szablon\u00f3w - bez zak\u0142\u00f3cania codziennych operacji. Logika jest prosta: szablon poprawia si\u0119 raz, a ka\u017cdy generowany z niego dokument pozostaje zgodny.<\/p>\n\n\n\n Automatyzacja oparta na regu\u0142ach<\/strong><\/p>\n\n\n\n Automatyzacja oparta na regu\u0142ach wychodzi z tego samego za\u0142o\u017cenia co dost\u0119pno\u015b\u0107 na poziomie szablon\u00f3w, ale rozwi\u0105zuje problem inaczej. Zamiast przeprojektowywa\u0107 ka\u017cdy szablon po kolei, definiujesz regu\u0142y dost\u0119pno\u015bci w systemie CCM, a ten stosuje je do wszystkich generowanych dokument\u00f3w.<\/p>\n\n\n\n Logika zostaje odwr\u00f3cona. Zamiast poprawia\u0107 PDF po wygenerowaniu (remediacja) albo r\u0119cznie oznacza\u0107 dost\u0119pno\u015b\u0107 w ka\u017cdym szablonie z osobna, definiujesz regu\u0142y raz i wpinasz je w proces generowania dokument\u00f3w. Dzi\u0119ki temu ka\u017cdy PDF wychodz\u0105cy z produkcji spe\u0142nia wymagania standard\u00f3w dost\u0119pno\u015bci, niezale\u017cnie od tego, z kt\u00f3rego szablonu powsta\u0142.<\/p>\n\n\n\n W tym miejscu pojawiaj\u0105 si\u0119 narz\u0119dzia takie jak Quadient Inspire Adapt<\/a> . Dzia\u0142a ono jako warstwa nad istniej\u0105cym \u015brodowiskiem Quadient Inspire: analizuje struktur\u0119 generowanego dokumentu w\u0142asnymi algorytmami parsowania i porz\u0105dkuje j\u0105, bez zmian w samych szablonach. System interpretuje obiekty tre\u015bci i stosuje zestaw rygorystycznych regu\u0142 zgodnych ze standardem PDF\/UA.<\/p>\n\n\n\n Por\u00f3wnanie podej\u015b\u0107: jakie s\u0105 realne opcje<\/strong><\/p>\n\n\n\nIluzja AI: dlaczego zgodno\u015bci nie da si\u0119 wyklika\u0107 w chatbocie<\/strong><\/h2>\n\n\n\n
\n
Problem \u201ehalucynacji\u201d<\/h4>\n\n\n\n
Podr\u0119cznikowy przyk\u0142ad pora\u017cki<\/h4>\n\n\n\n
\n
Pragmatyczny kompromis bran\u017cy: podej\u015bcie hybrydowe<\/strong><\/h2>\n\n\n\n
Od naprawiania dokument\u00f3w do projektowania dost\u0119pno\u015bci<\/strong><\/h2>\n\n\n\n
Wdra\u017canie dost\u0119pno\u015bci na poziomie szablon\u00f3w<\/h4>\n\n\n\n