Mike Calvo, a Pneuma Solutions társalapítója a Double Tap Weekendben arról beszélt, hogyan tervez felhasználói felületeket mesterséges intelligencia segítségével anélkül, hogy programozó lenne, és miért hozhat áttörést a cég új, kifejezetten dokumentum-akadálymentesítésre tréningezett AI-modellje.
A beszélgetés apropóját egy sor fejlesztés adta: a RIM (Remote Incident Manager) nevű távoli számítógép-elérő szoftver mobilkliense, a Scribe nevű dokumentumkezelő alkalmazás, valamint az Accessible Archive nevű, hamarosan piacra kerülő termék, amely saját tréningezésű AI-modellekkel teszi elérhetővé a dokumentumok tömeges akadálymentesítését. Az adásban Steven Scott beszélgetett Calvóval arról, hogyan jutott el a cég idáig, és milyen szerepet játszik mindebben a mesterséges intelligencia – mind mérnöki, mind társadalmi értelemben.
Ki Mike Calvo, és mit csinál a Pneuma Solutions
Mike Calvo vak vállalkozó, aki üzlettársával, Matt Campbell-lel 2019-ben alapította meg a Pneuma Solutions nevű céget azzal a céllal, hogy különféle médiatartalmakat és dokumentumokat tegyenek akadálymentessé. A cég munkája kezdetben, nagyjából 2023-ig, hagyományos eszközökre – például az ABBYY FineReader szoftverre – és úgynevezett heurisztikákra, azaz előre megírt szabályokra épült: a szoftver egy adott mintázat alapján döntötte el, hogyan kezeljen egy dokumentumot. Ennek a megközelítésnek megvoltak a maga korlátai: bizonyos szélsőséges esetekben a feldolgozás elrontotta a dokumentum vizuális megjelenését, ami komoly problémát jelentett, mivel a legtöbb megrendelő cégnél a dokumentumok kiválasztásáért felelős munkatársak látók, és egy vizuálisan hibás dokumentumot egyszerűen nem fogadnak el – függetlenül attól, hogy képernyőolvasóval tökéletesen működik-e.
Calvo elmondása szerint nem programozó, hanem több mint 25 éve felhasználói felületek (UI) és felhasználói élmény (UX) tervezésével foglalkozó szakember. Korábban zenei produkciós háttérrel rendelkezett, és hosszú éveken át kellett elmagyaráznia mérnököknek és fejlesztőknek – köztük Matt Campbellnek –, hogy egy-egy elképzelését hogyan ültessék át működő szoftverbe.
A RIM: számítógép vezérlése zsebből
A beszélgetés egyik központi témája a RIM (Remote Incident Manager) volt, a Pneuma Solutions távoli asztali elérést biztosító szoftvere. A RIM eddig is lehetővé tette, hogy valaki Windows- vagy Mac-gépről vezéreljen egy másik Windows- vagy Mac-gépet, most azonban megjelent egy iOS-kliens is, az Android-verzió pedig hamarosan következik. Ezzel a telefonról is irányítható a számítógép – de csak egy irányban: telefonról lehet vezérelni egy PC-t vagy Mac-et, fordítva, vagyis számítógépről telefont, egyelőre nem.
A funkció gyakorlati haszna, hogy a felhasználónak nem kell magával cipelnie egy laptopot ahhoz, hogy hozzáférjen a saját, megszokott beállításokkal, képernyőolvasóval és kiegészítőkkel felszerelt otthoni gépéhez – elég egy telefon és akár egy kompakt, csatlakoztatható billentyűzet. A RIM emellett lehetőséget ad úgynevezett segítő munkamenetekre is, amikor valaki távolról nyújt technikai segítséget egy másik felhasználónak; ezek a munkamenetek mobilon egyelőre ingyenesek és korlátlanok. Az otthoni géphez való, saját célú távoli visszacsatlakozás azonban fizetős szolgáltatás, mivel ehhez a Pneuma Solutionsnek folyamatosan nyitva tartott kapcsolatot kell fenntartania – ennek díja nagyjából havi 10 dollár.
A RIM fejlesztésében két fejlesztő, Quinn és Mason vett részt; Mason korábban az NVDA képernyőolvasó mobilos távoli elérési funkcióját fejlesztette, mielőtt csatlakozott a Pneuma Solutionshez. A RIM egyébként éppen szeptemberben ünnepli megjelenésének évfordulóját.
Mesterséges intelligencia mint tervezőeszköz
Calvo kiemelte, hogy bár nem tud kódot írni, a mesterséges intelligencia – konkrétan a Claude nevű AI-asszisztens – segítségével maga tervezte meg több termékük felhasználói felületét, köztük a RIM kezelőfelületét, a Scribe képernyőit, valamint a később megjelenő Remediation Station elrendezését. Elmondása szerint korábban is meg kellett tanítania munkatársainak, hogyan értelmezzék az elképzeléseit, most azonban az AI-eszközök képesek elég pontosan lefordítani egy szóbeli vagy szöveges leírást működő felületre ahhoz, hogy vak tervezők aktívan részt vegyenek a fejlesztésben.
Ez alól üzlettársa, Matt Campbell sem kivétel: Calvo szerint Matt kezdetben szkeptikus volt az AI-jal kapcsolatban, ma viszont már maga is rendszeresen használja a Claude-ot. A csapat fiatalabb fejlesztője, Mason, Calvo elmondása szerint jellemzően úgynevezett „vibe coding” technikával dolgozik, vagyis inkább irányítja, mint kézzel írja a kódot, ennek ellenére fizetett fejlesztőként alkalmazza a cég. Calvo szerint egyre több fejlesztő működik hasonlóan: a kódot az AI írja, a fejlesztő pedig inkább szerkesztőként, ellenőrzőként vesz részt a folyamatban, akár több párhuzamos projektet is felügyelve.
Az Accessible Archive: saját tréningezésű AI-modellek dokumentumokhoz
A Pneuma Solutions egyik legfontosabb bejelentése az Accessible Archive nevű, hamarosan induló termék. Ennek lényege, hogy a cég nem a nagy, általános célú nyelvi modelleket – például a ChatGPT-t, a Gemini-t vagy a Claude-ot – használja a dokumentumok feldolgozására, hanem saját, kifejezetten dokumentum-akadálymentesítésre tréningezett modelleket fejlesztett. Ezeket Calvo fia, David tréningezte, aki a Johns Hopkins Egyetemen szerzett informatikai diplomát – osztályában a legjobb három hallgató között végzett, teljes ösztöndíjjal –, és a mesterséges intelligencia területére specializálódott.
A modellek tréningezéséhez a cég egy több millió akadálymentes dokumentumból álló korpuszt használt fel, amelyet Calvo és Campbell évtizedes tapasztalata alapján állítottak össze. Az így létrejött modellek – Calvo megfogalmazásában – „semmi máshoz nem értenek”, csak a dokumentum-akadálymentesítéshez, cserébe ebben nagyon jók, és mivel jóval kisebbek egy általános nagy nyelvi modellnél, helyben, saját infrastruktúrán, akár egyetlen, megfelelő videokártyával (GPU) felszerelt gépen is futtathatók.
Ennek két gyakorlati következménye van. Egyrészt megszűnik az oldalankénti díjazás, mivel a feldolgozás nem egy külső, elszámolás alapú szolgáltatáson keresztül történik. Másrészt Calvo elmondása szerint a technológia a dokumentum eredeti vizuális megjelenésének nagyjából 99 százalékát megőrzi – ő maga hangsúlyozta, hogy jogi okokból nem mond 100 százalékot, csak azt, hogy a dokumentumok megfelelnek az elvárt szabványoknak. A cég emellett dolgozik egy asztali kliensen is azok számára, akiknek – például orvosi átiratok kezelése miatt – nem szabad internetkapcsolatot használniuk: nekik elég egy megfelelő GPU-val (Calvo példaként egy 3090-es vagy 5090-es videokártyát említett) felszerelt gép ahhoz, hogy helyben végezzék el a feldolgozást.
Miért sürgető ez most: jogi kötelezettségek és a valós idejű akadálymentesítés
Calvo a beszélgetésben elmagyarázta, mit jelent pontosan a dokumentum-akadálymentesítés, vagyis remediáció: egy régen, akadálymentességi szempontok figyelembevétele nélkül készült dokumentumot – tipikusan egy PDF-fájlt – úgy alakítanak át, hogy megfeleljen a WCAG (Web Content Accessibility Guidelines, azaz webes tartalmak akadálymentességi irányelvei) szabványnak. Ez a gyakorlatban azt jelenti, hogy a dokumentum címsorai megfelelő hierarchiába (H1-től H6-ig) vannak rendezve, táblázatai és listái helyesen vannak jelölve, a benne szereplő képekhez pedig alternatív szöveges leírás (alt text) tartozik.
Az Egyesült Államokban egyre több törvény – Calvo példaként a Title II szabályozást említette – kötelezi a szervezeteket arra, hogy nyilvánosan elérhető dokumentumaikat, weboldalaikat és szoftvereiket akadálymentessé tegyék. Ez különösen ijesztő lehet olyan szervezeteknek, amelyeknek akár több tízmillió oldalnyi elmaradása van a témában, miközben a hagyományos, emberi munkaerőre épülő akadálymentesítő szolgáltatók oldalanként 17-18 dollárt is elkérhetnek a munkáért. A Pneuma Solutions technológiája – Calvo szerint – ezt a költséget jelentősen csökkentheti, mivel a szolgáltató cégek akár saját szerverükön is futtathatják a modelleket, az emberi ellenőrzést (human in the loop) pedig megtarthatják, csak épp nem minden egyes oldalra kiterjesztve.
A cég emellett egy olyan koncepciót is bevezetett, amit házon belül „JIT akadálymentesítésnek” (just-in-time, azaz valós idejű akadálymentesítés) neveznek: ez azt jelenti, hogy egy dokumentum már a feltöltés vagy publikálás pillanatában automatikusan akadálymentessé válik, mielőtt egyáltalán megjelenne. Calvo példaként egy bírósági iratbenyújtást hozott fel, ahol egy peres fél különféle beszkennelt dokumentumokat – számlákat, adóbevallást, kézzel írt nyugtákat – tölt fel egy portálra; ha a rendszerben ott a technológia, ezek a dokumentumok azonnal akadálymentesek lesznek, így egy vak ügyvéd is el tudja olvasni őket, anélkül hogy külön remediációs folyamatra kellene várni.
A Scribe nevű, dokumentumokra és mobilhasználatra szánt alkalmazás – amely jelenleg zártkörű béta tesztelés alatt áll, és hamarosan nyilvános bétába kerül – már most tartalmazza ennek a technológiának egy részét. Calvo fontosnak tartotta tisztázni, hogy a Scribe nem azonos a hasonló nevű ScribeMe alkalmazással, amelyet más fejlesztő készített a Ray-Ban Meta okosszemüvegekhez – a két termék teljesen független egymástól, még ha a névválasztás miatt könnyen összekeverhetők is.
Az AI mint esélyegyenlőségi eszköz a vak közösség számára
A beszélgetés végén Calvo tágabb kontextusba helyezte a témát: szerinte a mesterséges intelligencia komoly esélyegyenlőségi eszköz lehet a vakok számára, mert innentől kezdve nem feltétlenül kell kódolni tudni ahhoz, hogy valaki szoftvert fejlesszen – elég pontosan megfogalmazni, mit szeretne elérni. Ez szerinte munkalehetőségeket teremthet olyan vak embereknek, akiket korábban a magas munkanélküliség és a sorozatos elutasítások tartottak távol a munkaerőpiactól, és lehetővé teheti, hogy vakok vakoknak fejlesszenek szoftvereket és alkalmazzanak egymást.
Példaként említette Allisont, aki állítása szerint egy akadálymentes virtuális gépet fejlesztett annak ellenére, hogy korábban nem volt sem programozó, sem fejlesztő – csak felismerte a problémát, és a rendelkezésre álló AI-eszközökkel nekilátott megoldani azt. Calvo szerint hasonló történetek egyre gyakrabban fordulhatnak elő, ahogy a mesterséges intelligencia elérhetőbbé válik.
Az adásban szó esett még egy Plaud Note Pro néven emlegetett, AI-alapú hangalapú jegyzetelő eszközről is, amely megbeszélések rögzítése után automatikusan jegyzeteket, teendőlistákat és naptárbejegyzéseket készít – Calvo ezt is a mesterséges intelligencia mindennapi életet megkönnyítő alkalmazásainak egyik példájaként hozta fel.
Összegzés
A Pneuma Solutionsnél tehát a mesterséges intelligencia nem csupán egy újabb funkció, hanem a cég működésének két, egymástól eltérő szintjén is fontos szerepet kap: egyfelől tervezőeszközként, amely lehetővé teszi, hogy vak szakemberek programozói tudás nélkül is aktívan alakítsák a szoftverfejlesztést, másfelől saját tréningezésű, szűk feladatra optimalizált modellek formájában, amelyek a dokumentum-akadálymentesítés költségeit és minőségét egyaránt átalakíthatják.
A cikk a Double Tap podcast 2026. szeptember 5-i, „Why Blind-Built Software Works Better, With Mike Calvo” című adása alapján készült, mesterséges intelligencia felhasználásával, ezért apróbb pontatlanságokat tartalmazhat. Az epizód elérhető itt: Why Blind-Built Software Works Better, With Mike Calvo