Lead: Az NFB (National Federation of the Blind) 2026 júliusában, Austinban tartott kongresszusán az Access On podcast munkatársai folytatták az AI-ról szóló beszélgetést: szó esett arról, hogyan változott az írástámogatás egy év alatt, mi különbözteti meg a fogyasztói és a vállalati AI-használatot, hogyan lehet egyedi chatbotokat építeni, és hol tart ma a képek, jelenetek és videók gépi értelmezése.
Az epizód három NFB-munkatárs – Charles Heiser, Ron Miller és Kennedy Zimnick – előadásait dolgozza fel, akik a szervezet Accessibility Excellence Advocate programjában, illetve az access tech csapatában dolgoznak. Mindhárman a mesterséges intelligencia egy-egy gyakorlati alkalmazási területét mutatták be: az írást, a munkahelyi és vállalati használatot, valamint a vizuális tartalmak értelmezését. A beszélgetést egy, a HumanWare BrailleNote Evolve nevű braille-kijelzős eszközről szóló hallgatói levél zárja.
Az AI mint írótárs: gyorsabb, kontextusérzékenyebb, kevesebb utómunkával
Charles Heiser szerint az elmúlt egy évben az AI-alapú írástámogatás minőségi ugráson ment át: a szövegalkotó eszközök ma már nem egyszerűen szöveget generálnak, hanem érdemben segítenek a fogalmazás finomításában – szinte írásvezetőként (writing coach) működnek.
Az e-mailek írásánál a legnagyobb változás, hogy míg korábban a generált szöveget gyakran át kellett írni a következetlen hangnem vagy az esetleges hibás, kitalált tartalmak (hallucináció) miatt, addig ma egy rövid instrukcióval – „legyen ez formálisabb”, „legyen rövidebb és világosabb” – a modellek sokkal pontosabban igazodnak a kívánt hangnemhez és célközönséghez. A hangsúly áttolódott az írásról az ellenőrzésre: kevesebb időt kell újraírással, többet átolvasással tölteni.
Hosszú dokumentumoknál egy évvel korábban komoly korlátot jelentett, hogy a rendszerek nem tudták kontextusban tartani egy 20–40 oldalas anyag egészét, ezért darabokban kellett dolgozni velük, és gyakran elvesztették a korábbi részek fonalát. Ma már nagyobb terjedelmű szövegeket is egyben tudnak kezelni, konzisztens stílussal – legyen szó összefoglaló készítéséről, vázlat generálásáról vagy egy rész átírásáról rövidebbre vagy részletesebbre. Heiser példaként említette, hogy amíg korábban egy ötoldalas anyag volt a gyakorlati felső határ, addig ma akár ötvenoldalas dokumentumokkal is érdemben lehet dolgozni – hasonlóan ahhoz, ahogy a Claude Code eszköz is ma már nem néhány tíz, hanem több száz soros kódot kezel egyszerre.
A szerkesztés terén a modellek túlléptek az egyszerű nyelvtani javításon: ma már stilisztikai szempontból is tudnak tanácsot adni, képesek egy bekezdést célközönséghez igazítani – gyermek, laikus vagy szakmai olvasó számára egyaránt. Heiser tapasztalata szerint ez különösen hasznos, amikor technikai fogalmakat – például egy képernyőolvasó működését – kell olyan olvasóknak elmagyaráznia, akik nem ismerik a szakterületet.
Elbeszélő (narratív) szövegeknél – blogbejegyzés, cikk, történet – az AI ma már egy egész hosszabb szöveget is egységes hangnemben, jól strukturáltan képes megírni, nem csak rövid szakaszokban. Heiser a ChatGPT-t és bizonyos esetekben a Geminit emelte ki, bár tapasztalatai szerint utóbbi néha nem találja el jól a kívánt hangnemet. Kifejezetten hasznosnak nevezte a Copilotot, amely közvetlenül a Word-dokumentumba tud írni és szerkeszteni, exportálás nélkül.
Üzleti és webes tartalmaknál – ajánlatok, marketingszövegek, prezentációk – a modellek ma jobban képesek strukturálni az anyagot, és a vállalati licenc (például Copilot esetében) lehetővé teszi, hogy a rendszer a felhasználó által elérhető dokumentumokból, e-mailekből, webes keresésből is dolgozzon, ezáltal gyorsabban állítson össze egy adott célközönségnek szóló, akadálymentes, jól tagolt szöveget.
Kutatás és összegzés terén is érzékelhető javulás mutatkozik: az AI ma megbízhatóbban tud több forrást egy összefoglalóba sűríteni, kulcspontokat kiemelni, érveket alátámasztó idézeteket találni. Heiser ugyanakkor hangsúlyozta, hogy érzékeny vagy nyilvánosság elé kerülő tartalmaknál mindig ellenőrizni kell a tényeket, az idézeteket és a forrás megbízhatóságát – ez alól az AI fejlődése sem ad felmentést. Zárásként megfogalmazta a lényeget: az AI-eszközöket mi irányítjuk, nem fordítva – a munka elvégzése továbbra is a miénk.
Fogyasztói és vállalati AI: az identitás és az adatvédelem kérdése
Ron Miller előadása a munkahelyi (enterprise) AI-használatot állította középpontba, és abból indult ki, hogy a fogyasztói és a vállalati AI közötti alapvető különbség az identitásban rejlik – vagyis abban, hogy ki birtokolja és szabályozza az adott mesterséges intelligenciát.
Fogyasztói szinten az identitás maga a felhasználó: mi fizetünk az előfizetésért, mi szabjuk meg, mit kérünk a modelltől, és elsősorban egyéni célokra – kényelemre, gyorsaságra, kísérletezésre – optimalizált a rendszer. Ugyanakkor nincs igazi átláthatóság afölött, hogy a megadott adatok hova kerülnek és hogyan hasznosulnak. Miller nyomatékosan figyelmeztetett: fogyasztói szintű AI-ba soha nem szabad bizalmas ügyféladatokat, személyzeti, jogi vagy pénzügyi-biztonsági szempontból érzékeny információt bevinni, mert ezek az adatok a szolgáltató oldalán megmaradhatnak, és akár a modell további fejlesztésére, tanítására is felhasználhatók.
A vállalati AI ezzel szemben szervezetek, csapatok és szabályozott munkakörnyezetek számára készült. Itt az identitás már nem a magánszemélyé, hanem a munkáltatóé – ezt nevezte Miller „vállalat által kezelt identitásnak”. A cégnek saját szabályai vannak arra, ki milyen fájlokhoz, beszélgetésekhez, megbeszélésekhez férhet hozzá, és ezek a jogosultságok határozzák meg, mit tehet és mit nem az adott AI-eszközzel egy-egy munkatárs. A vállalati rendszerekhez (Office 365, Google Workspace stb.) kapcsolódó szerződések jellemzően tartalmaznak arra vonatkozó vállalásokat, hogy a bevitt promptok és szervezeti adatok nem kerülnek ki a cégen kívülre, és nem használódnak fel a nagy nyelvi modell tanítására.
Miller példákkal illusztrálta, mennyire meghatározó a szervezeten belüli szerep: egy projektmenedzser más témákhoz férhet hozzá a vállalati AI-n keresztül, mint egy HR-es munkatárs, egy vezető beosztású kolléga pedig olyan információkhoz is hozzáférhet, amelyekhez egy másik munkatárs nem. Saját élményéből is hozott egy konkrét példát: az Office 365 környezetben az AI vissza tudott idézni korábbi levelezésrészleteket és megbeszéléseket, amelyekben ő maga is részt vett – ez mutatja, milyen széles körű rálátása lehet egy vállalati AI-nak az engedélyezett tartalmakra, ugyanakkor a jogosultsági korlátok (compartmentalization) miatt bizonyos adatokhoz, például más kollégák leveleihez nem fér hozzá. Google-környezetben hasonlóan működik a Gemini, ügyfélkapcsolat-kezelő (CRM) rendszerekben – például a Salesforce Einstein AI-jában – pedig a vállalati AI ügyfélszolgálati és javítási előzményekből tud kontextusban releváns válaszokat generálni.
Az ember szerepe nem szűnik meg: kritikus ellenőrzés és hozzáférhetőség
Miller több ponton hangsúlyozta, hogy az AI nem helyettesíti, csak támogatja a munkánkat – a nyers kimenetet mindig emberi kontrollnak kell követnie. Szemléletes hasonlatával élve: az AI megadja a hozzávalókat és a tésztát, de ez még nem a kész kenyér. Egy dokumentum vagy prezentáció első verziója kiindulópont, nem végtermék.
Kiemelte, hogy az AI gyakran vét hibát árnyalatokban és tónusban: előfordult, hogy egy vak felhasználóknak szánt szöveg megfogalmazása helyénvalónak tűnt első pillantásra, de alaposabban átolvasva kiderült, hogy nem illeszkedik sem a szervezet szemléletéhez, sem ahhoz, amit a célközönség valóban hallani szeretne. Ahogy 13 éves fiának is elmagyarázta: a mesterséges intelligencia tényleg mesterséges, rengeteg azonnali információval rendelkezik, de nem „okos” abban az értelemben, ahogy azt gondolnánk.
Ebből következik a gyakorlati tanács: minden AI-generált tartalomnál érdemes rákérdezni, milyen forrásokat használt a rendszer, és meg kell kérni, hogy erősítse meg: az adott állítás valóban helytálló-e. Ez nemcsak a hallucináció (kitalált információ) kiszűrésére jó, hanem arra is, hogy megbízhatatlan vagy nem releváns forrásokból származó tartalom ne kerüljön be a végeredménybe.
Vak felhasználóként Miller egy rövid ellenőrzőlistát is megosztott arra, mit érdemes megvizsgálni egy AI-eszköz kiválasztásakor: elérhető-e billentyűzetről, azonosíthatók-e névvel a kezelőfelület elemei, felolvasható-e képernyőolvasóval a válasz (különösen problémás, ha a felület folyamatosan frissül, és emiatt elveszik a fókusz), és visszaáll-e a fókusz másolás után. Ahogy fogalmazott: sok eszköz technikailag hozzáférhető, de nem hatékonyan használható – a munkahelyi környezetben pedig a hatékonyság ugyanolyan fontos, mint a hozzáférhetőség, hiszen a vak munkavállalóknak is ugyanazt a teljesítményt kell nyújtaniuk, mint látó kollégáiknak.
Egyedi GPT-k: személyre szabott chatbotok a tapintható grafikától a helyesírás-ellenőrzésig
Kennedy Zimnick az egyedi GPT-k (custom GPT) témáját mutatta be, amely a ChatGPT-n belüli funkció, de – mint elmondta – az alapelvek más AI-szolgáltatásokra, például a Claude-ra, a Geminire vagy a Copilotra is átvihetők.
Egy egyedi GPT lényegében az általános célú chatbot egy leszűkített, adott feladatra betanított változata: nem kell minden alkalommal újra elmagyarázni, mit várunk tőle, mert az utasítások, a formátum és a szabályok már be vannak építve. Zimnick szerint négy fő elemből áll egy jól működő egyedi GPT: az utasításokból (mi a feladata, milyen hangnemet használjon, mit kerüljön), az opcionális tudásanyagból (feltölthető referenciaanyagok, stílusleírások, WCAG – webes akadálymentesítési irányelvek – szerinti útmutatók), a képességekből (mit tud technikailag elvégezni), és a tesztelésből, amely folyamatos finomítást igényel.
Saját példaként egy tapintható grafikákat generáló egyedi GPT-t mutatott be. A cél itt nem a vizuálisan látványos kép, hanem az volt, hogy a végeredmény tapintható formátumban – dombornyomó vagy más domborító eljárással – is értelmezhető legyen: egyszerű, letisztult, erős körvonalú, árnyékolás és textúra nélküli ábrák, amelyek a lényeges formákra fókuszálnak. Zimnick hangsúlyozta, hogy egy ilyen eszköz sem helyettesíti az emberi felülvizsgálatot – a végleges tapintható grafikát mindig vak szakembernek, tanárnak vagy átírónak kell ellenőriznie, hogy valóban a megfelelő információ kerüljön bele.
Emellett további egyedi asszisztens-ötleteket is felsorolt: konzisztens stílusú képleírót, rendetlen jegyzeteket rendszerezett e-mail formába alakító eszközt, vizuálisan is professzionális megjelenést ellenőrző korrektort, vagy alternatívszöveg-készítő segédet – ez utóbbi különösen hasznos lehet munkahelyi környezetben. Az egyedi GPT létrehozásához fizetős, havi 20 dolláros ChatGPT Plus-előfizetés szükséges; az elkészült eszközök megoszthatók vagy privátban tarthatók, és mások is kereshetnek a nyilvánosan elérhető egyedi GPT-k között.
Képek, jelenetek és videók értelmezése: az emberi és a gépi megoldások együtt
Ron Miller a beszélgetés második felében a vizuális tartalmak értelmezésének fejlődését vázolta fel három szintre bontva: állóképek leírása, jelenetek interpretálása és emberi közreműködéssel történő értelmezés.
A statikus képleírás területén korai eszközként a Seeing AI-t és a PictureSmart AI nevű, a JAWS képernyőolvasóba épített megoldást említette, amelyek képernyőképet tudtak leírni. Az NVDA képernyőolvasóhoz is léteznek kiegészítők, amelyek dokumentumokból optikai karakterfelismeréssel (OCR) tudnak szöveget kinyerni, vagy alapszintű képleírást adnak. A Be My Eyes szolgáltatás, amely eredetileg emberi önkéntesek általi vizuális segítségnyújtásra épült, ma már Be My AI néven gépi leírást is kínál, az Aira szintén ebbe az irányba mozdul el, a ScribeMe pedig kifejezetten a PDF-dokumentumok területén erősödik.
A jelenetleírás ennél tovább megy: nem csupán statikus, alt-szöveg-szerű leírást ad, hanem interaktív – utólag rá lehet kérdezni részletekre, például egy fotón látható kutya fajtájára vagy egy ember ruházatának márkajelzésére. Miller ugyanakkor felhívta a figyelmet arra is, hogy a jelenetleíráshoz kapcsolódó egyik újabb funkció, a képen szereplő személyek azonosítása (arcfelismeréssel, kontaktlistából vagy szélesebb webes adatbázisból) komoly adatvédelmi vitákat vált ki, jóllehet technikailag már megvalósítható.
A harmadik szint az emberi interpretáció, amelyet Miller elsősorban az adatvédelem szempontjából emelt ki: egy olyan szolgáltatásnál, mint az Aira, ahol a munkatársakat kifejezetten kiképzik a bizalmas dokumentumok, például orvosi iratok kezelésére, a felhasználó mégis megőrzi a döntési szabadságát afölött, mit oszt meg és hogyan – ez a fajta emberi közreműködés olyan mérlegelési lehetőséget ad, amit a mai AI-eszközök önmagukban még nem tudnak biztosítani.
Végül Miller a videóleírás és a hangalámondásos leírás (audio description) fejlődő területét említette. Míg mozifilmeknél és sorozatoknál már megszokott az audio description, a YouTube-on és más platformokon terjedő rövid videók túlnyomó többsége leírás nélkül marad – itt kezdenek megjelenni az AI-alapú leírók, bár ezek működése egyelőre nem zökkenőmentes: gyakran szükség van előre megadott időzítésre vagy szkriptre ahhoz, hogy a leírás valóban a képernyőn történtekhez igazodjon.
Hallgatói visszajelzés: kritikák a BrailleNote Evolve-ról
Az epizódot egy hallgatói levél zárta: Bryant, egy idahói hallgató, levelében arról számolt be, hogy a podcast korábbi, a HumanWare BrailleNote Evolve-ját bemutató adása alapján kezdetben lelkesen fontolgatta a készülék beszerzését egy siketvak személyeknek szóló amerikai támogatási programon keresztül – végül azonban egy BrailleSense 7 mellett döntött, és megosztotta, miért nem választotta a BrailleNote Evolve-ot.
Első kifogása az akkumulátor-üzemidő: az eszköz mindössze öt óra használatot bír ki, ami szerinte nem elegendő egy teljes iskolai napra, különösen mivel a készüléket kifejezetten diákoknak szánják. Nem tartja indokoltnak, hogy egy ilyen feldolgozási igényű eszköz ilyen rövid ideig bírja töltés nélkül, amikor sok Windows laptop is hosszabb üzemidőt nyújt.
Második kritikája a KeySoft nevű operációs rendszer korlátozott funkcionalitására vonatkozik: véleménye szerint jelenlegi formájában a KeySoft-nak nincs önálló, dedikált szövegszerkesztője, ezért az eszközt nem is nevezné igazi jegyzetelő (note taker) készüléknek – a korábbi BrailleNote Touch-hoz képest is kevesebb program érhető el rajta, ami szerinte komoly hiányosság.
Harmadik problémaként azt említette, hogy a KeySoft optimalizációi kizárólag az NVDA képernyőolvasóhoz készültek: aki JAWS-t használ az eszközön, nem tudja kihasználni a Microsoft Word-höz és más Microsoft-termékekhez kapcsolódó testreszabásokat – ezt komoly hibának nevezte, főleg mivel a gyártó egyébként külön JAWS-verziót is kínál a BrailleNote Evolve-hoz.
Végül kiemelte, hogy csalódást okozott számára a Copilot+ hardver hiánya is – ez szerinte jelentős hátrány, mivel a Copilot funkciói sokat jelenthetnek vak felhasználók számára; a beépített processzort nem nevezte rossznak, de szerinte jóval erősebb is lehetne. Bryant hangsúlyozta, hogy az eszköz még viszonylag új, és bízik benne, hogy a jövőbeli frissítések orvosolják majd ezeket a hiányosságokat.
Összegzés
Az epizódból kirajzolódó közös szál az, hogy a mesterséges intelligencia az elmúlt egy-két évben látványosan fejlődött – legyen szó hosszú dokumentumok kezeléséről, vállalati környezetbe illesztett asszisztensekről, egyedi célra szabott chatbotokról vagy a képek és videók értelmezéséről –, ám minden előadó egyetértett abban, hogy az emberi ellenőrzés, a kritikus gondolkodás és – vak felhasználók esetében – a hozzáférhetőség és a hatékonyság alapos vizsgálata továbbra is nélkülözhetetlen. A hallgatói visszajelzés a BrailleNote Evolve-ról pedig emlékeztet arra, hogy az új eszközök gyakorlati használhatóságát végső soron mindig a felhasználók tapasztalata dönti el.
A cikk az Access On podcast 88. epizódja alapján, AI felhasználásával készült, ezért apróbb pontatlanságokat tartalmazhat.