La IA está cambiando la accesibilidad web sobre todo al agilizar tareas concretas y bien definidas: redactar texto alternativo a gran escala, señalar posibles infracciones de la WCAG en miles de páginas y procesar grandes lotes de documentos como PDF que a un equipo humano le llevaría mucho más tiempo revisar a mano. Lo que no ha hecho es eliminar la necesidad de revisión humana. Las herramientas que combinan la velocidad de la IA con una capa real de comprobación manual son sistemáticamente más creíbles que las que presentan la IA como un sustituto completo y automatizado de las pruebas.
Dónde resulta genuinamente útil la IA hoy
Los modelos de reconocimiento de imágenes han mejorado lo suficiente como para que el texto alternativo generado por IA suponga un ahorro real de tiempo, sobre todo en catálogos grandes o sitios con mucho contenido, donde escribir a mano miles de descripciones individuales no es realista. Varios proveedores de widgets, entre ellos Wawsome y UserWay, integran la generación de texto alternativo y el etiquetado ARIA con IA directamente en su producto principal, precisamente porque escala de una manera que la redacción manual no puede igualar. La IA también encaja bien en tareas de triaje: analizar un sitio grande y priorizar qué páginas o componentes tienen más probabilidad de presentar problemas graves, de modo que el tiempo limitado de un revisor humano se dedique primero a los problemas de mayor impacto en lugar de recorrer las páginas en un orden arbitrario.
La corrección de documentos es otra área donde la IA está teniendo un efecto real y medible. Allyant, una de las operaciones dedicadas más grandes en corrección de documentos y PDF, lanzó a mediados de 2025 un producto de corrección de PDF impulsado por IA, pensado para acelerar el proceso, notoriamente lento y manual, de etiquetar y estructurar grandes volúmenes de PDF para que sean compatibles con lectores de pantalla. Para organizaciones que acumulan años de PDF sin etiquetar, ese tipo de rendimiento asistido por IA supone una mejora práctica real frente a una cola totalmente manual.
Dónde la IA sigue quedándose corta
Las limitaciones aparecen en torno al juicio y al contexto. Un modelo de IA puede generar un texto alternativo plausible, pero puede malinterpretar lo que realmente importa en una imagen, describiendo el fondo de la foto de un producto en lugar de la variante de color concreta que un comprador necesita saber, por ejemplo. Puede señalar un criterio de éxito de la WCAG que parece técnicamente infringido sin entender si el patrón interactivo subyacente tiene sentido en la práctica para un usuario real de lector de pantalla o de teclado. Y no puede evaluar de forma fiable componentes interactivos genuinamente nuevos o muy personalizados, del tipo que no encaja limpiamente en las reglas para las que se entrenó un sistema automatizado.
Esto es, en realidad, la continuación de un patrón que ya existía desde hace tiempo en la corrección automatizada de accesibilidad en general, no algo que haya inventado la IA en particular. Una encuesta vinculada a WebAIM a profesionales de la accesibilidad encontró que el 67% calificaba las herramientas automatizadas de tipo overlay como “nada” o “poco” eficaces, un porcentaje que sube al 72% entre los encuestados que tienen ellos mismos alguna discapacidad, y solo el 2,4% las calificó como muy eficaces. Añadir IA a la capa de automatización ha hecho que tareas puntuales como la redacción de texto alternativo sean más rápidas y a menudo mejores, pero no ha cambiado ese hallazgo de fondo: las herramientas automatizadas, impulsadas o no por IA, detectan una parte relevante pero limitada de las barreras reales de accesibilidad, y la revisión manual sigue siendo necesaria para una afirmación genuina de conformidad.
Las afirmaciones de marketing frente a lo que la IA realmente ofrece
Exagerar lo que corrige automáticamente una herramienta impulsada por IA se ha convertido en un foco concreto de escrutinio regulatorio, no solo en una preocupación abstracta. En 2025 la FTC de Estados Unidos ordenó a accessiBe pagar 1 millón de dólares para resolver cargos relacionados en parte con afirmaciones sobre cuánto de un sitio web podía corregir automáticamente su widget impulsado por IA. Es un recordatorio útil para cualquiera que evalúe un producto de accesibilidad con IA: pregunte con precisión qué hace la IA (redactar texto alternativo, señalar problemas, estructurar documentos) en lugar de aceptar una afirmación general de que “corrige” o “resuelve” la accesibilidad, y compruebe si la revisión manual está incluida o queda enteramente a su cargo.
La IA como herramienta de investigación y priorización para los equipos de accesibilidad
Más allá de generar correcciones directamente, la IA se usa cada vez más para ayudar a los equipos de accesibilidad a decidir dónde concentrar su tiempo limitado. En un sitio grande con miles de páginas, una auditoría manual de todo no es realista para la mayoría de los presupuestos o los plazos, así que la detección de patrones asistida por IA (agrupar plantillas similares, señalar qué tipos de página comparten el mismo componente subyacente y, por tanto, el mismo error de fondo) puede agilizar de forma notable cómo un equipo de accesibilidad reducido delimita su trabajo. En lugar de probar cada página de producto individual de un sitio de comercio electrónico, por ejemplo, un equipo puede identificar que la mayoría de las páginas comparten un puñado de plantillas y priorizar las pruebas manuales directamente sobre esas plantillas, dejando que la corrección se propague a todas las páginas que las usan.
Qué es probable que cambie a continuación
La tendencia en el sector ha sido combinar la automatización impulsada por IA con una capa explícita y publicitada de revisión humana, en lugar de apostar solo por la automatización con IA o solo por auditorías totalmente manuales. Ese giro responde en parte al escepticismo de los profesionales mencionado antes, y en parte a un reconocimiento genuino de que ambos enfoques resuelven problemas distintos: la IA es buena en escala y velocidad, las personas son buenas en el juicio y en los casos límite que ni la IA ni un escáner más simple basado en reglas detectan de forma fiable. Es previsible que más productos de accesibilidad sean explícitos y concretos sobre qué partes de su flujo de trabajo están impulsadas por IA y cuáles involucran a una persona real, ya que esa distinción se está convirtiendo en un diferenciador relevante para compradores cada vez más escépticos ante afirmaciones vagas de automatización, tras haber visto el escrutinio regulatorio a las que se exageraron.
La IA en herramientas de pruebas de accesibilidad específicamente
Más allá de los widgets y la corrección de documentos, la IA también se ha abierto paso en el lado de las pruebas de accesibilidad orientado a los desarrolladores, ayudando a los escáneres automatizados a distinguir mejor una infracción real probable de un falso positivo, y a señalar problemas dependientes del contexto, como si una estructura de encabezados realmente tiene sentido lógico, algo que los escáneres más antiguos basados en reglas solían pasar por alto o señalar en exceso. Esto importa a los equipos de ingeniería que ejecutan comprobaciones de accesibilidad como parte de su flujo de desarrollo habitual, ya que un escáner que genera demasiados falsos positivos deja de tenerse en cuenta rápidamente. La mejora aquí es real pero incremental: hace que las pruebas automatizadas existentes sean notablemente más útiles, sin cambiar el punto de fondo de que las pruebas automatizadas, mejoradas o no con IA, siguen necesitando detrás una capa de pruebas manuales para lograr la conformidad completa.
Cómo aprovechar bien las herramientas de accesibilidad con IA
Trate el resultado de la IA como un buen primer borrador, no como un resultado terminado. Utilícela para gestionar el volumen (generar texto alternativo en un catálogo grande, señalar posibles problemas en un sitio extenso o procesar un backlog de documentos) y luego haga que una persona revise puntualmente una muestra representativa antes de dar el resultado por definitivo, sobre todo en páginas de mucho tráfico y en cualquier elemento implicado en un flujo de compra o de cuenta. Esa combinación (IA para escala y velocidad, revisión humana para el juicio y los casos límite) es donde la tecnología está aportando valor real ahora mismo, y es el modelo hacia el que convergen los proveedores de accesibilidad más creíbles, en lugar de presentar la IA como una solución completa e independiente.
También vale la pena preguntar directamente a un proveedor qué ocurre cuando su IA se equivoca. Un producto maduro debería ofrecer una forma sencilla de señalar y corregir una descripción de texto alternativo generada por IA que sea inexacta o un aviso de problema equivocado, y debería dejar claro si las correcciones retroalimentan la mejora de resultados futuros o hay que volver a aplicarlas cada vez. Ese tipo de flujo de corrección es un indicador razonable de con qué seriedad trata un proveedor, en la práctica, el modelo de “IA más revisión humana”, en lugar de usarlo solo como una frase de marketing.