@endpush Automatyczna korekta w CMS – jak czytać komunikaty i czego nie ignorować? – WCAG Akademia
Dostępność cyfrowa WCAG 2.2 AA Szukaj Kontakt
Czytanie i wygląd Ustaw stronę dla siebie

Czytanie i wygląd

Zmiany wyglądu działają również przy wyłączonym asystencie. Nie zastępują dostępności strony.

Wygląd strony

Ustawienia zapisujemy tylko w tej przeglądarce. Przywrócenie wyglądu usuwa ten zapis. Powiększenie przeglądarki pozostaje dostępne niezależnie.

Czytanie treści

Usługa głosu zostanie sprawdzona po otwarciu panelu.

Czytamy widoczną treść główną. Pomijamy menu, formularze i panele boczne. Nie używamy mikrofonu. Przy wyborze głosu asystenta czytany tekst trafia do skonfigurowanej usługi mowy. Nie przełączamy automatycznie na inny głos.

Szkoły i przedszkola

Automatyczna korekta w CMS – jak czytać komunikaty i czego nie ignorować?

Co system może poprawić sam, dlaczego czasem odrzuca materiał i kiedy decyzję musi podjąć redaktor.

Automat pomaga, ale nie zna całego kontekstu

System może uporządkować formatowanie, wychwycić część problemów i zaproponować poprawkę. Nie powinien jednak sam zmieniać sensu informacji.

Dlaczego materiał może zostać odrzucony?

Powodów może być kilka: brak wymaganej struktury, nieobsługiwany typ załącznika, za duży plik, zdjęcie przesłane w niewłaściwej formie albo naruszenie zasad publikacji ustawionych dla placówki.

Czego nie robić

  • Nie wysyłaj w kółko tego samego błędnego materiału w nadziei, że w końcu przejdzie.
  • Nie zastępuj tekstu zrzutem ekranu.
  • Nie zakładaj, że skoro automat coś poprawił, wszystko jest zgodne z WCAG.

Co zrobić?

Przeczytaj komunikat, popraw materiał źródłowy i wyślij go jeszcze raz. Jeśli komunikat jest niejasny, przekaż go administratorowi albo osobie, która opiekuje się CMS-em.

Informacja redakcyjna: materiał został przygotowany przy wsparciu narzędzi AI i podlegał redakcji człowieka.

Asystent korzysta z AI. Odpowiedzi mogą wymagać weryfikacji.

Jak działa AI?

Funkcje AI w WCAG Akademii są obecnie wykonywane na prywatnej, lokalnej stacji obliczeniowej operatora projektu, działającej w prywatnej infrastrukturze domowej.

Obecna stacja wykorzystuje NVIDIA RTX A5000 z 24 GB pamięci VRAM, około około 128 GB RAM oraz 2× Intel Xeon E5-2667 v4, łącznie 32 wątki.

W zależności od zadania wykorzystywane są lokalne modele:

  • wcag-fast — szybkie odpowiedzi asystenta.
  • wcag-documents — dokumenty, treści i ETR.
  • wcag-general — ogólna analiza treści.
  • wcag-master — bardziej złożona analiza i kontrola jakości.
  • qwen3-embedding — wyszukiwanie w lokalnej bazie wiedzy RAG.

Lokalne przetwarzanie na pojedynczej stacji roboczej może być wolniejsze niż usługi dużych centrów danych. Prostsze zadania zwykle kończą się szybciej, a analiza dokumentów, ETR lub większych materiałów może wymagać kilkunastu albo kilkudziesięciu sekund.

Projekt jest rozwijany. Wraz ze wzrostem liczby użytkowników infrastruktura będzie stopniowo modernizowana.

AI może popełnić błąd. Wynik jest pomocą w pracy, a nie automatycznym potwierdzeniem zgodności z WCAG, ETR, RODO ani innymi przepisami.

Nie wprowadzaj danych osobowych ani informacji poufnych, jeżeli nie są potrzebne do wykonania zadania.

Zgłoś problem z odpowiedzią AI
Co jest nie tak?

Nie wklejaj danych osobowych ani poufnych informacji. Wystarczy krótko opisać problem.