Əlçatanlıq: GitHub Kəsilməz Süni İntellektlə Rəyləri İnklüzivliyə Çevirir

Əlçatanlıqda İnqilab: GitHub-ın Kəsilməz Süni İntellekt Yanaşması

İllərdir ki, GitHub ümumi, lakin kritik bir çətinliklə üzləşirdi: əlçatanlıq rəyini effektiv şəkildə idarə etmək. Tipik məhsul problemlərindən fərqli olaraq, əlçatanlıq narahatlıqları hər yerdə mövcuddur, tez-tez bir neçə komanda və sistemi əhatə edir. Ekran oxuyucusu istifadəçisindən gələn tək bir hesabat naviqasiyaya, autentifikasiyaya və parametrlərə toxuna bilər ki, bu da ənənəvi təcrid olunmuş rəy proseslərini qeyri-effektiv edir. Bu, səpələnmiş hesabatlara, həll olunmamış xətalara və məsələləri nadir hallarda reallaşan mifik "ikinci faza"da qalan istifadəçilərin narazılığına səbəb oldu.

Əsaslı dəyişikliyə ehtiyacı dərk edərək, GitHub rəyləri mərkəzləşdirmək, standartlaşdırılmış şablonlar yaratmaq və əhəmiyyətli yığılmış işləri təmizləmək üçün bir səyahətə başladı. Yalnız bu möhkəm təməli qurduqdan sonra sual ortaya çıxdı: Süni İntellekt bu prosesi necə daha da dəyişdirə bilərdi? Cavab GitHub Actions, GitHub Copilot və GitHub Models tərəfindən dəstəklənən innovativ daxili iş axınında gizlənir, bu iş axını hər bir istifadəçi rəyini izlənilən, prioritetləşdirilmiş və icra edilə bilən bir məsələyə çevirmək üçün nəzərdə tutulub. Bu yanaşma Süni İntellektin insan mühakiməsini gücləndirməsini, təkrarlanan tapşırıqları asanlaşdırmasını və mütəxəssislərə inklüziv proqram təminatı çatdırmağa diqqət yetirməyə imkan verməsini təmin edir.

Kəsilməz Süni İntellekt: İnklüzivlik üçün 'Canlı' Sistem

GitHub-ın "əlçatanlıq üçün Kəsilməz Süni İntellekt"i sadəcə bir alət deyil; o, avtomatlaşdırma, süni intellekt və insan təcrübəsini inteqrasiya edərək inklüzivliyi birbaşa proqram təminatının inkişafının əsasını təşkil edən bir 'canlı' metodologiyadır. Bu fəlsəfə GitHub-ın 2025-ci il Qlobal Əlçatanlıq Məlumatlandırma Günü (GAAD) öhdəliyinin əsasını təşkil edir və istifadəçi rəylərini effektiv şəkildə yönləndirərək və tərcümə edərək açıq mənbə ekosistemində əlçatanlığı gücləndirməyi hədəfləyir.

Əsas anlayış o idi ki, ən təsirli irəliləyişlər real insanları dinləməkdən qaynaqlanır, lakin geniş miqyasda dinləmək əhəmiyyətli çətinliklər yaradır. Bunu aradan qaldırmaq üçün GitHub, statik bilet sistemi əvəzinə dinamik bir mühərrik kimi fəaliyyət göstərən bir rəy iş axını qurdu. Öz məhsullarından istifadə edərək, GitHub istifadəçi və müştəri rəylərini aydınlaşdırır, strukturlaşdırır və izləyir, onları tətbiqə hazır həllərə çevirir.

Texnoloji həllərə keçməzdən əvvəl, GitHub insanları ön planda tutan bir dizayn yanaşması qəbul etdi, sistemin xidmət etməli olduğu əsas personajları müəyyən etdi:

Məsələni göndərənlər: İcma menecerləri, dəstək agentləri və satış nümayəndələri, əlçatanlıq sahəsində dərin təcrübəyə malik olmasalar belə, məsələləri effektiv şəkildə bildirmək üçün rəhbərliyə ehtiyacı olanlar.
Əlçatanlıq və xidmət qrupları: Məsələləri səmərəli həll etmək üçün strukturlaşdırılmış, icra edilə bilən məlumatlara—məsələn, təkrarlana bilən addımlar, WCAG xəritələşdirməsi və ciddilik skorları—ehtiyacı olan mühəndislər və dizaynerlər.
Proqram və məhsul menecerləri: Strateji resurs bölgüsü qərarları vermək üçün ağrı nöqtələri, tendensiyalar və tərəqqi haqqında aydın görünürlüyə ehtiyacı olan rəhbərlik.

Bu təməl anlayış GitHub-a rəyləri yaxşı müəyyən edilmiş bir boru kəmərindən axan məlumatlar kimi qəbul edən, ehtiyacları ilə inkişaf etməyə qadir bir sistem dizayn etməyə imkan verdi.

Əlçatanlıq Rəy Boru Kəmərini Avtomatlaşdırmaq

GitHub öz yeni arxitekturasını hadisəyə əsaslanan bir nümunə ətrafında qurdu, burada hər bir addım sonrakı hərəkətləri təşkil etmək üçün bir GitHub Action-ı işə salır və rəyin mənbəyindən asılı olmayaraq ardıcıl idarə olunmasını təmin edir. Başlanğıcda 2024-cü ilin ortalarında əl ilə qurulsa da, bu cür sistem indi Agentic İş Axınları kimi alətlərdən istifadə edərək əhəmiyyətli dərəcədə daha sürətli inkişaf etdirilə bilər, bu da təbii dil vasitəsilə GitHub Actions yaratmağa imkan verir.

İş axını əsas hadisələrə cavab verir: məsələnin yaradılması GitHub Copilot təhlilini GitHub Models API vasitəsilə başladır, status dəyişiklikləri komanda ötürmələrinə səbəb olur və məsələnin həlli orijinal göndərənlə təqibi təşviq edir. Avtomatlaşdırma ümumi yolu əhatə edir, lakin insanlar hər hansı bir Action-ı əl ilə işə sala və ya yenidən icra edə bilər, nəzarəti və çevikliyi qoruyur.

Yeddi Mərhələli Rəy İş Axını:

Qəbul: Rəylər GitHub əlçatanlıq müzakirə paneli (hesabatların 90%-ni təşkil edir), dəstək biletləri, sosial media və e-poçt kimi müxtəlif mənbələrdən daxil olur. Bütün rəylər beş iş günü ərzində təsdiqlənir. İcra edilə bilən maddələr üçün, komanda üzvü xüsusi əlçatanlıq rəy şablonundan istifadə edərək daxili izləmə məsələsi yaradır, bu da əsas konteksti ələ keçirir. Bu yaratma hadisəsi GitHub Copilot-u cəlb etmək və məsələni mərkəzləşdirilmiş layihə lövhəsinə əlavə etmək üçün bir GitHub Action-ı işə salır.
Copilot Təhlili: Bir GitHub Action yeni yaradılmış məsələni təhlil etmək üçün GitHub Models API-ni çağırır.
Göndərənin Nəzərdən Keçirməsi: İlkin göndərən Copilot-un təhlilini nəzərdən keçirir, onun doğruluğunu təsdiqləyir və ya düzəlişlər edir.
Əlçatanlıq Komandasının Nəzərdən Keçirməsi: İxtisaslaşmış əlçatanlıq komandası daha dərin bir nəzərdən keçirmə aparır və həll yollarını strategiyalaşdırır.
Auditlərin Birləşdirilməsi: Kontekst və uyğunluq üçün müvafiq auditlər və ya xarici resurslar birləşdirilir.
Dövrənin Bağlanması: Həll edildikdən sonra, məsələ rəsmi olaraq bağlanır və orijinal istifadəçi və ya müştəri məlumatlandırılır.
Təkmilləşdirmə: Sistem performansına, o cümlədən Copilot-un təhlilinə dair rəylər davamlı yeniləmələri və təkmilləşdirmələri əsaslandırır.

Bu kəsilməz axın rəy dövrünün hər mərhələsində görünürlük, struktur və icra edilə bilənliyi təmin edir.

GitHub Copilot-un Ağıllı Əlçatanlıq Çeşidlənməsi

Bu avtomatlaşdırılmış sistemin mərkəzində GitHub Copilot-un ağıllı təhlili durur. İzləmə məsələsi yaradılanda, bir GitHub Action iş axını hesabatı təhlil etmək üçün GitHub Models API-ni proqramatik şəkildə çağırır. GitHub, modelin incə tənzimlənməsi əvəzinə saxlanılan təlimatlardan (xüsusi təlimatlar) istifadə etmək üçün strateji bir seçim etdi. Bu, istənilən komanda üzvünə sadə bir 'pull request' vasitəsilə Süni İntellektin davranışını yeniləməyə imkan verir, mürəkkəb yenidən təlim boru kəmərlərinə və ya xüsusi maşın öyrənməsi biliklərinə ehtiyacı aradan qaldırır. Əlçatanlıq standartları inkişaf etdikdə, komanda markdown və təlimat fayllarını yeniləyir və Süni İntellektin davranışı növbəti icra ilə uyğunlaşır.

GitHub Copilot, əlçatanlıq sahəsindəki mütəxəssisləri tərəfindən hazırlanmış xüsusi təlimatlarla konfiqurasiya edilib. Bu təlimatlar iki kritik rol oynayır:

Çeşidləmə Təhlili: Məsələləri WCAG pozuntusu, ciddilik (sev1-sev4) və təsirlənmiş istifadəçi qrupuna görə təsnif etmək.
Əlçatanlıq Təlimi: Komandaları əlçatan kod yazmaq və nəzərdən keçirmək üçün istiqamətləndirmək.

Təlimat faylları GitHub-ın əlçatanlıq siyasətlərinə, komponent kitabxanasına və daxili sənədləşməyə istinad edir, Copilot-a WCAG müvəffəqiyyət meyarlarını necə şərh edib tətbiq etmək barədə hərtərəfli anlayış təqdim edir.

Avtomatlaşdırma iki əsas mərhələdə həyata keçirilir:

Birinci Fəaliyyət: Məsələ yaradıldıqda, Copilot hesabatı təhlil edir, məsələnin metadata hissəsinin təxminən 80%-ni avtomatik doldurur. Buna məsələ növü, istifadəçi seqmenti, orijinal mənbə, təsirlənmiş komponentlər və istifadəçi təcrübəsinin xülasəsi kimi 40-dan çox məlumat nöqtəsi daxildir. Copilot daha sonra məsələyə problem xülasəsi, təklif olunan WCAG meyarları, ciddilik səviyyəsi, təsirlənmiş istifadəçi qrupları, tövsiyə olunan komanda təyinatı və yoxlama siyahısını ehtiva edən bir şərh yerləşdirir.
İkinci Fəaliyyət: Bu sonrakı Fəaliyyət Copilot-un şərhini təhlil edir, təyin olunmuş ciddiliyə əsasən etiketləri tətbiq edir, layihə lövhəsində məsələnin statusunu yeniləyir və nəzərdən keçirmək üçün göndərənə təyin edir.

Ən əsası, əgər Copilot-un təhlili qeyri-dəqiq olarsa, hər kəs fərqi təsvir edən bir məsələ açaraq onu qeyd edə bilər, bu da birbaşa GitHub-ın Süni İntellekt üçün davamlı təkmilləşdirmə prosesinə qidalandırılır.

İnsan Nəzarəti və Təkrarlanan Əlçatanlıq Təkmilləşdirmələri

İş axını insan nəzarəti və əməkdaşlığına vurğu edir. Copilot-un avtomatlaşdırılmış təhlilindən sonra, "göndərənin nəzərdən keçirməsi" mərhələsi (3-cü addım) insanın Süni İntellektin nəticələrini yoxlamasına imkan verir. Bu insan-dövrədə yanaşma dəqiqliyi təmin edir və Copilot-un davamlı təkmilləşdirmə prosesi üçün əl ilə düzəlişlərə və ya qeydlərə imkan verir. Sonrakı addımlar – Əlçatanlıq Komandasının Nəzərdən Keçirməsi, Auditlərin Birləşdirilməsi və Dövrənin Bağlanması – insan təcrübəsini daha da inteqrasiya edir, mürəkkəb problemlərin mütəxəssislər tərəfindən həll olunmasını və istifadəçilərin vaxtında, effektiv həllər almasını təmin edir.

Bu dinamik sistem GitHub üçün əhəmiyyətli bir dəyişikliyi təmsil edir. Süni İntellektdən rəy idarəçiliyinin təkrarlanan və məlumat-intensiv aspektlərini idarə etmək üçün istifadə edərək, onlar xaoslu, tez-tez durğun bir prosesi inklüzivlik üçün davamlı, proaktiv bir mühərrikə çevirmişlər. Bu o deməkdir ki, hər bir əlçatanlıq rəyi indi etibarlı şəkildə izlənilir, prioritetləşdirilir və üzərində iş görülür, "ikinci faza" vədlərindən kənara çıxaraq bütün istifadəçilər üçün dərhal, əhəmiyyətli təkmilləşdirmələr təmin edilir. Əsas məqsəd insan mühakiməsini əvəz etmək deyil, onu gücləndirmək, strateji düzəlişlərə fokuslanmaq və həqiqətən əlçatan bir proqram təminatı təcrübəsini təşviq etmək üçün qiymətli vaxtı və təcrübəni sərbəst buraxmaqdır.

Orijinal mənbə

https://github.blog/ai-and-ml/github-copilot/continuous-ai-for-accessibility-how-github-transforms-feedback-into-inclusion/

Tez-tez Verilən Suallar

What challenges did GitHub face with accessibility feedback before implementing its Continuous AI system?

Prior to the new system, GitHub struggled with a decentralized and inconsistent approach to accessibility feedback. Issues were often scattered across various backlogs, lacked clear ownership, and improvements were frequently postponed. This disorganization led to a lack of follow-through, leaving users with unaddressed concerns and creating a barrier to truly inclusive software development. The cross-cutting nature of accessibility issues, touching multiple teams, exacerbated these coordination challenges, making it difficult to establish a single point of responsibility or a coherent workflow for resolution.

What defines 'Continuous AI for accessibility' and how does it enhance traditional accessibility efforts?

Continuous AI for accessibility is a dynamic methodology that integrates automation, artificial intelligence, and human expertise into the software development lifecycle. Unlike static audits or one-time fixes, it's a living system designed to continuously process and act on user feedback. It goes beyond simple code scanners by actively listening to real people and using AI, particularly GitHub Copilot and GitHub Actions, to clarify, structure, and prioritize that feedback. This ensures that inclusion is woven into the very fabric of development, transforming scattered reports into implementation-ready solutions and fostering ongoing improvement.

How does GitHub Copilot specifically contribute to the efficiency and effectiveness of the accessibility feedback workflow?

GitHub Copilot plays a crucial role by providing intelligent triage and analysis of accessibility reports. Upon issue creation, Copilot, guided by custom instructions from accessibility subject matter experts, programmatically analyzes the report. It automatically populates approximately 80% of an issue's metadata, including WCAG violation classifications, severity levels, affected user groups, and recommended team assignments. This automated analysis significantly reduces manual effort, standardizes issue categorization, and provides immediate, actionable insights, allowing human teams to focus on problem-solving rather-than repetitive data entry and initial assessment.

What are GitHub's 'custom instructions' for Copilot, and why were they chosen over model fine-tuning for this system?

GitHub utilizes 'custom instructions' for Copilot, developed by their accessibility subject matter experts, to guide its behavior for triage analysis and accessibility coaching. These instructions are stored prompts that point to GitHub’s accessibility policies, component library, and internal documentation, detailing how WCAG success criteria are interpreted and applied. This approach was chosen over model fine-tuning because it allows for rapid iteration and team-wide updates. Any team member can update the AI's behavior by modifying markdown and instruction files via a pull request, eliminating the need for complex retraining pipelines or specialized ML knowledge, ensuring the AI's behavior evolves as standards do.

How does GitHub ensure that human judgment and oversight remain central to the accessibility process despite the extensive use of AI automation?

GitHub deliberately designed its system so that AI automates repetitive tasks while humans retain critical judgment and oversight. For example, after GitHub Copilot's initial analysis, a 'submitter review' step ensures a human verifies Copilot's findings. If Copilot's analysis is incorrect, humans can flag it, providing direct feedback for continuous improvement of the AI. Furthermore, every GitHub Action in the workflow can be manually triggered or re-run, ensuring that humans can intervene at any point. The goal is to offload mundane work to AI, empowering humans to focus on complex problem-solving, collaboration, and making informed decisions about software fixes.

Who are the primary beneficiaries of GitHub's enhanced accessibility feedback system, and how does it cater to their specific needs?

The system serves three primary groups. Issue submitters (community managers, support agents, sales reps) benefit from a guided system that standardizes feedback collection and educates them on accessibility concepts. Accessibility and service teams (engineers, designers) receive structured, actionable data including reproducible steps, WCAG mapping, and clear ownership, streamlining their remediation efforts. Program and product managers gain visibility into pain points, trends, and progress, enabling strategic resource allocation. Ultimately, the biggest beneficiaries are the users and customers with disabilities whose feedback is now consistently tracked, prioritized, and acted upon, leading to a more inclusive GitHub experience.

How does GitHub integrate user feedback from external sources into its internal accessibility process, ensuring consistency and actionability?

GitHub acknowledges that accessibility feedback can originate from diverse external sources, including support tickets, social media, email, and direct outreach, with the GitHub accessibility discussion board being a primary channel. Regardless of the source, every piece of feedback is acknowledged within five business days. When external feedback requires action, a team member manually creates an internal tracking issue using a custom accessibility feedback template. This template standardizes the collected information, preventing data loss. This new issue then triggers an automated GitHub Action, engaging GitHub Copilot for analysis and adding it to a centralized project board, ensuring consistent processing and action regardless of its origin.

Xəbərdar olun

Ən son AI xəbərlərini e-poçtunuza alın.

Paylaş