पहुंच-योग्यता: GitHub सतत AI के साथ फीडबैक को समावेशन में बदलता है

पहुंच-योग्यता में क्रांति: GitHub का सतत AI दृष्टिकोण

सालों से, GitHub को एक सामान्य लेकिन महत्वपूर्ण चुनौती का सामना करना पड़ रहा था: पहुंच-योग्यता फीडबैक को प्रभावी ढंग से प्रबंधित करना। विशिष्ट उत्पाद मुद्दों के विपरीत, पहुंच-योग्यता संबंधी चिंताएं व्यापक होती हैं, जो अक्सर कई टीमों और प्रणालियों में फैली होती हैं। एक स्क्रीन रीडर उपयोगकर्ता की एक ही रिपोर्ट नेविगेशन, प्रमाणीकरण और सेटिंग्स को छू सकती है, जिससे पारंपरिक पृथक फीडबैक प्रक्रियाएं अप्रभावी हो जाती हैं। इसके कारण बिखरी हुई रिपोर्टें, अनसुलझे बग और उन उपयोगकर्ताओं की निराशा हुई जिनके मुद्दे एक काल्पनिक "दूसरे चरण" में बने रहे जो शायद ही कभी वास्तविक हुआ।

मौलिक बदलाव की आवश्यकता को पहचानते हुए, GitHub ने फीडबैक को केंद्रीकृत करने, मानकीकृत टेम्पलेट बनाने और एक महत्वपूर्ण बैकलॉग को साफ़ करने की दिशा में एक यात्रा शुरू की। इस मजबूत नींव को स्थापित करने के बाद ही यह सवाल उठा: AI इस प्रक्रिया को और कैसे बदल सकता है? इसका उत्तर एक अभिनव आंतरिक वर्कफ़्लो में निहित है, जो GitHub Actions, GitHub Copilot और GitHub Models द्वारा संचालित है, जिसे उपयोगकर्ता के फीडबैक के हर टुकड़े को एक ट्रैक किए गए, प्राथमिकता वाले और कार्रवाई योग्य मुद्दे में लगातार बदलने के लिए डिज़ाइन किया गया है। यह दृष्टिकोण सुनिश्चित करता है कि AI मानवीय निर्णय को बढ़ाता है, दोहराए जाने वाले कार्यों को सुव्यवस्थित करता है और विशेषज्ञों को समावेशी सॉफ्टवेयर प्रदान करने पर ध्यान केंद्रित करने की अनुमति देता है।

सतत AI: समावेशन के लिए एक जीवित प्रणाली

GitHub का "पहुंच-योग्यता के लिए सतत AI" केवल एक उपकरण से कहीं अधिक है; यह एक जीवित पद्धति है जो ऑटोमेशन, आर्टिफिशियल इंटेलिजेंस और मानव विशेषज्ञता को एकीकृत करती है ताकि समावेशन को सीधे सॉफ्टवेयर विकास के ताने-बाने में बुना जा सके। यह दर्शन 2025 के वैश्विक पहुंच-योग्यता जागरूकता दिवस (GAAD) प्रतिज्ञा के प्रति GitHub की प्रतिबद्धता का आधार है, जिसका लक्ष्य उपयोगकर्ता के फीडबैक को सार्थक प्लेटफॉर्म सुधारों में प्रभावी ढंग से रूट और अनुवाद करके ओपन-सोर्स इकोसिस्टम में पहुंच-योग्यता को मजबूत करना है।

मुख्य अहसास यह था कि सबसे प्रभावशाली सफलताएं वास्तविक लोगों को सुनने से आती हैं, फिर भी बड़े पैमाने पर सुनना महत्वपूर्ण चुनौतियां प्रस्तुत करता है। इसे दूर करने के लिए, GitHub ने एक फीडबैक वर्कफ़्लो बनाया जो एक स्थिर टिकटिंग प्रणाली के बजाय एक गतिशील इंजन के रूप में कार्य करता है। अपने स्वयं के उत्पादों का लाभ उठाते हुए, GitHub उपयोगकर्ता और ग्राहक फीडबैक को स्पष्ट करता है, संरचित करता है और ट्रैक करता है, इसे कार्यान्वयन-तैयार समाधानों में परिवर्तित करता है।

तकनीकी समाधानों में गोता लगाने से पहले, GitHub ने एक people-first डिज़ाइन दृष्टिकोण अपनाया, उन प्रमुख व्यक्तियों की पहचान की जिनकी प्रणाली को सेवा करने की आवश्यकता थी:

समस्या प्रस्तुतकर्ता: समुदाय प्रबंधक, सहायता एजेंट और बिक्री प्रतिनिधि जिन्हें गहन पहुंच-योग्यता विशेषज्ञता के बिना भी मुद्दों को प्रभावी ढंग से रिपोर्ट करने के लिए मार्गदर्शन की आवश्यकता होती है।
पहुंच-योग्यता और सेवा टीमें: इंजीनियर और डिजाइनर जिन्हें मुद्दों को कुशलतापूर्वक हल करने के लिए संरचित, कार्रवाई योग्य डेटा—जैसे दोहराने योग्य कदम, WCAG मैपिंग और गंभीरता स्कोर—की आवश्यकता होती है।
कार्यक्रम और उत्पाद प्रबंधक: नेतृत्व को दर्द बिंदुओं, प्रवृत्तियों और प्रगति में स्पष्ट दृश्यता की आवश्यकता होती है ताकि रणनीतिक संसाधन आवंटन निर्णय लिए जा सकें।

इस मौलिक समझ ने GitHub को एक ऐसी प्रणाली डिजाइन करने की अनुमति दी जो फीडबैक को एक अच्छी तरह से परिभाषित पाइपलाइन के माध्यम से बहने वाले डेटा के रूप में मानती है, जो उनकी जरूरतों के साथ विकसित होने में सक्षम है।

पहुंच-योग्यता फीडबैक पाइपलाइन को स्वचालित करना

GitHub ने अपनी नई वास्तुकला को एक घटना-संचालित पैटर्न के आसपास बनाया, जहाँ प्रत्येक चरण बाद की कार्रवाइयों को ऑर्केस्ट्रेट करने के लिए एक GitHub Action को ट्रिगर करता है, जिससे फीडबैक के स्रोत की परवाह किए बिना उसका लगातार संचालन सुनिश्चित होता है। जबकि शुरू में 2024 के मध्य में मैन्युअल रूप से बनाया गया था, ऐसी प्रणाली को अब एजेंटिक वर्कफ़्लो जैसे उपकरणों का उपयोग करके काफी तेजी से विकसित किया जा सकता है, जो प्राकृतिक भाषा के माध्यम से GitHub Actions बनाने की अनुमति देते हैं।

वर्कफ़्लो प्रमुख घटनाओं पर प्रतिक्रिया देता है: समस्या निर्माण GitHub Models API के माध्यम से GitHub Copilot विश्लेषण शुरू करता है, स्थिति परिवर्तन टीम हैंड-ऑफ को ट्रिगर करते हैं, और समस्या समाधान मूल प्रस्तुतकर्ता के साथ follow-up को प्रेरित करता है। ऑटोमेशन सामान्य मार्ग को कवर करता है, लेकिन मानव किसी भी Action को मैन्युअल रूप से ट्रिगर या फिर से चला सकते हैं, जिससे निरीक्षण और लचीलापन बना रहता है।

सात-चरणीय फीडबैक वर्कफ़्लो:

इनटेक (प्राप्त करना): फीडबैक विभिन्न स्रोतों जैसे GitHub पहुंच-योग्यता चर्चा बोर्ड (जो 90% रिपोर्टों के लिए जिम्मेदार है), सपोर्ट टिकट, सोशल मीडिया और ईमेल से आता है। सभी फीडबैक को पांच कार्य दिवसों के भीतर स्वीकार किया जाता है। कार्रवाई योग्य मदों के लिए, एक टीम सदस्य कस्टम पहुंच-योग्यता फीडबैक टेम्पलेट का उपयोग करके मैन्युअल रूप से एक ट्रैकिंग समस्या बनाता है, जो आवश्यक संदर्भ को कैप्चर करता है। यह निर्माण घटना GitHub Copilot को संलग्न करने और समस्या को एक केंद्रीकृत प्रोजेक्ट बोर्ड में जोड़ने के लिए एक GitHub Action को ट्रिगर करती है।
Copilot विश्लेषण: एक GitHub Action नई बनाई गई समस्या का विश्लेषण करने के लिए GitHub Models API को कॉल करता है।
प्रेषक समीक्षा: प्रारंभिक प्रस्तुतकर्ता Copilot के विश्लेषण की समीक्षा करता है, उसकी सटीकता की पुष्टि करता है या समायोजन करता है।
पहुंच-योग्यता टीम समीक्षा: विशेषज्ञ पहुंच-योग्यता टीम एक गहन समीक्षा करती है और समाधानों की रणनीति बनाती है।
ऑडिट लिंक करें: संदर्भ और अनुपालन के लिए प्रासंगिक ऑडिट या बाहरी संसाधनों को लिंक किया जाता है।
लूप बंद करें: एक बार संबोधित होने के बाद, समस्या को औपचारिक रूप से बंद कर दिया जाता है, और मूल उपयोगकर्ता या ग्राहक को सूचित किया जाता है।
सुधार: Copilot के विश्लेषण सहित, प्रणाली के प्रदर्शन पर फीडबैक निरंतर अपडेट और परिशोधन को सूचित करता है।

यह सतत प्रवाह फीडबैक जीवनचक्र के हर चरण में दृश्यता, संरचना और कार्रवाई-योग्यता सुनिश्चित करता है।

GitHub Copilot का इंटेलिजेंट पहुंच-योग्यता वर्गीकरण (Triage)

इस स्वचालित प्रणाली के मूल में GitHub Copilot का बुद्धिमत्तापूर्ण विश्लेषण है। जब एक ट्रैकिंग समस्या बनाई जाती है, तो एक GitHub Action वर्कफ़्लो प्रोग्रामेटिक रूप से GitHub Models API को रिपोर्ट का विश्लेषण करने के लिए कॉल करता है। GitHub ने मॉडल फाइन-ट्यूनिंग के बजाय संग्रहीत प्रॉम्प्ट (कस्टम निर्देश) का उपयोग करने का एक रणनीतिक विकल्प चुना। यह किसी भी टीम सदस्य को एक साधारण पुल अनुरोध के माध्यम से AI के व्यवहार को अपडेट करने की अनुमति देता है, जिससे जटिल री-ट्रेनिंग पाइपलाइन या विशेष मशीन लर्निंग ज्ञान की आवश्यकता समाप्त हो जाती है। जब पहुंच-योग्यता मानक विकसित होते हैं, तो टीम मार्कडाउन और निर्देश फ़ाइलों को अपडेट करती है, और AI का व्यवहार अगली रन के साथ अनुकूलित होता है।

GitHub Copilot को उनके पहुंच-योग्यता विषय वस्तु विशेषज्ञों द्वारा विकसित कस्टम निर्देशों के साथ कॉन्फ़िगर किया गया है। ये निर्देश दो महत्वपूर्ण भूमिकाएं निभाते हैं:

वर्गीकरण विश्लेषण: WCAG उल्लंघन, गंभीरता (sev1-sev4) और प्रभावित उपयोगकर्ता समूह द्वारा समस्याओं का वर्गीकरण करना।
पहुंच-योग्यता कोचिंग: टीमों को सुलभ कोड लिखने और उसकी समीक्षा करने में मार्गदर्शन करना।

निर्देश फ़ाइलें GitHub की पहुंच-योग्यता नीतियों, घटक लाइब्रेरी और आंतरिक दस्तावेज़ों का उल्लेख करती हैं, जो Copilot को WCAG सफलता मानदंडों की व्याख्या और उन्हें लागू करने के तरीके की व्यापक समझ प्रदान करती हैं।

ऑटोमेशन दो प्रमुख चरणों में सामने आता है:

पहला एक्शन: समस्या निर्माण पर, Copilot रिपोर्ट का विश्लेषण करता है, स्वचालित रूप से समस्या के मेटाडेटा का लगभग 80% पॉपुलेट करता है। इसमें 40 से अधिक डेटा बिंदु शामिल हैं जैसे समस्या प्रकार, उपयोगकर्ता खंड, मूल स्रोत, प्रभावित घटक, और उपयोगकर्ता के अनुभव का सारांश। Copilot तब समस्या पर एक टिप्पणी पोस्ट करता है जिसमें समस्या का सारांश, सुझाए गए WCAG मानदंड, गंभीरता स्तर, प्रभावित उपयोगकर्ता समूह, अनुशंसित टीम असाइनमेंट और सत्यापन के लिए एक चेकलिस्ट शामिल होती है।
दूसरा एक्शन: यह बाद का Action Copilot की टिप्पणी को पार्स करता है, असाइन की गई गंभीरता के आधार पर लेबल लागू करता है, प्रोजेक्ट बोर्ड पर समस्या की स्थिति को अपडेट करता है, और समीक्षा के लिए प्रस्तुतकर्ता को असाइन करता है।

महत्वपूर्ण रूप से, यदि Copilot का विश्लेषण गलत है, तो कोई भी विसंगति का वर्णन करते हुए एक समस्या खोलकर इसे ध्वजांकित कर सकता है, सीधे AI के लिए GitHub की निरंतर सुधार प्रक्रिया में योगदान कर सकता है।

मानव निरीक्षण और पुनरावृत्ति पहुंच-योग्यता संवर्द्धन

वर्कफ़्लो मानव निरीक्षण और सहयोग पर जोर देता है। Copilot के स्वचालित विश्लेषण के बाद, "प्रेषक समीक्षा" चरण (चरण 3) मानव प्रस्तुतकर्ता को AI के निष्कर्षों को सत्यापित करने की अनुमति देता है। यह मानव-इन-द-लूप दृष्टिकोण सटीकता सुनिश्चित करता है और Copilot की निरंतर सुधार प्रक्रिया के लिए मैन्युअल सुधार या झंडे की अनुमति देता है। बाद के चरण—पहुंच-योग्यता टीम समीक्षा, ऑडिट लिंक करें, और लूप बंद करें—मानव विशेषज्ञता को और एकीकृत करते हैं, यह सुनिश्चित करते हुए कि जटिल समस्याओं को विशेषज्ञों द्वारा संबोधित किया जाता है और उपयोगकर्ताओं को समय पर, प्रभावी समाधान प्राप्त होते हैं।

यह गतिशील प्रणाली GitHub के लिए एक महत्वपूर्ण बदलाव का प्रतिनिधित्व करती है। AI का लाभ उठाकर फीडबैक प्रबंधन के दोहराए जाने वाले और डेटा-गहन पहलुओं को संभालने के लिए, उन्होंने एक अराजक, अक्सर स्थिर प्रक्रिया को समावेशन के लिए एक निरंतर, सक्रिय इंजन में बदल दिया है। इसका मतलब है कि पहुंच-योग्यता फीडबैक के हर टुकड़े को अब विश्वसनीय रूप से ट्रैक किया जाता है, प्राथमिकता दी जाती है और उस पर कार्रवाई की जाती है, जो "दूसरे चरण" के वादों से आगे बढ़कर सभी उपयोगकर्ताओं के लिए तत्काल, ठोस सुधार प्रदान करती है। अंतिम लक्ष्य मानवीय निर्णय को प्रतिस्थापित करना नहीं है, बल्कि इसे सशक्त बनाना है, रणनीतिक सुधारों पर ध्यान केंद्रित करने और वास्तव में सुलभ सॉफ्टवेयर अनुभव को बढ़ावा देने के लिए मूल्यवान समय और विशेषज्ञता को मुक्त करना है।

मूल स्रोत

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

अक्सर पूछे जाने वाले प्रश्न

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.

अपडेट रहें

नवीनतम AI समाचार अपने इनबॉक्स में पाएं।

शेयर करें