Исследования показывают, что современные большие языковые модели при написании кода часто игнорируют стандарты цифровой доступности. В ходе анализа работы Claude Code было выявлено, что нейросети склонны предлагать решения, которые соответствуют базовой функциональности, но не учитывают потребности пользователей с ограниченными возможностями. В частности, модели редко используют семантически корректную разметку HTML, пропускают атрибуты ARIA и не обеспечивают полноценную поддержку управления с клавиатуры, если это не указано в явном запросе.
Проблема заключается в том, что модели обучаются на огромных массивах кода из открытых репозиториев, где стандарты доступности часто не соблюдаются. В результате ИИ воспроизводит паттерны, которые упрощают разработку, но создают барьеры для доступности интерфейсов. Это приводит к тому, что сгенерированный код требует значительной доработки или ручного аудита для соответствия требованиям WCAG (Web Content Accessibility Guidelines).
Для бизнеса и разработчиков это означает необходимость внедрения дополнительных проверок в пайплайны автоматизации. Использование ИИ-ассистентов в текущем виде требует обязательного контроля качества кода на предмет инклюзивности, так как модели по умолчанию отдают приоритет краткости и стандартным решениям, игнорируя доступность как критический параметр архитектуры приложения.