Aksesibilitas: GitHub Mengubah Umpan Balik Menjadi Inklusi dengan AI Berkelanjutan

title: "Aksesibilitas: GitHub Mengubah Umpan Balik Menjadi Inklusi dengan AI Berkelanjutan" slug: "continuous-ai-for-accessibility-how-github-transforms-feedback-into-inclusion" date: "2026-03-14" lang: "id" source: "https://github.blog/ai-and-ml/github-copilot/continuous-ai-for-accessibility-how-github-transforms-feedback-into-inclusion/" category: "Alat Pengembang" keywords:

• AI berkelanjutan
• aksesibilitas
• GitHub
• Copilot
• alur kerja umpan balik
• inklusi
• alat pengembang
• GitHub Actions
• WCAG
• AI untuk aksesibilitas
• pengembangan perangkat lunak
• otomatisasi AI meta_description: "GitHub merevolusi aksesibilitas dengan AI berkelanjutan dan GitHub Copilot, mengubah umpan balik pengguna menjadi masalah yang dapat ditindaklanjuti. Pelajari bagaimana alur kerja inovatif ini mendorong inklusi dalam pengembangan perangkat lunak." image: "/images/articles/continuous-ai-for-accessibility-how-github-transforms-feedback-into-inclusion.png" image_alt: "Diagram alir yang menggambarkan alur kerja umpan balik aksesibilitas AI berkelanjutan GitHub." quality_score: 94 content_score: 93 seo_score: 95 companies:
• GitHub schema_type: "NewsArticle" reading_time: 7 faq:
• question: "Tantangan apa yang dihadapi GitHub terkait umpan balik aksesibilitas sebelum mengimplementasikan sistem AI Berkelanjutan mereka?" answer: "Sebelum sistem baru ini, GitHub kesulitan dengan pendekatan umpan balik aksesibilitas yang terdesentralisasi dan tidak konsisten. Masalah sering kali tersebar di berbagai backlog, tidak memiliki kepemilikan yang jelas, dan perbaikan sering ditunda. Disorganisasi ini menyebabkan kurangnya tindak lanjut, membuat pengguna dengan kekhawatiran yang tidak tertangani dan menciptakan hambatan untuk pengembangan perangkat lunak yang benar-benar inklusif. Sifat lintas sektor dari masalah aksesibilitas, yang menyentuh berbagai tim, memperparah tantangan koordinasi ini, sehingga sulit untuk menetapkan satu titik tanggung jawab atau alur kerja yang koheren untuk penyelesaian."
• question: "Apa yang mendefinisikan 'AI Berkelanjutan untuk aksesibilitas' dan bagaimana hal itu meningkatkan upaya aksesibilitas tradisional?" answer: "AI Berkelanjutan untuk aksesibilitas adalah metodologi dinamis yang mengintegrasikan otomatisasi, kecerdasan buatan, dan keahlian manusia ke dalam siklus hidup pengembangan perangkat lunak. Tidak seperti audit statis atau perbaikan satu kali, ini adalah sistem hidup yang dirancang untuk terus memproses dan menindaklanjuti umpan balik pengguna. Ini melampaui pemindai kode sederhana dengan secara aktif mendengarkan orang sungguhan dan menggunakan AI, khususnya GitHub Copilot dan GitHub Actions, untuk mengklarifikasi, menyusun, dan memprioritaskan umpan balik tersebut. Ini memastikan bahwa inklusi terjalin dalam setiap sendi pengembangan, mengubah laporan yang tersebar menjadi solusi siap implementasi dan mendorong peningkatan berkelanjutan."
• question: "Bagaimana GitHub Copilot secara spesifik berkontribusi pada efisiensi dan efektivitas alur kerja umpan balik aksesibilitas?" answer: "GitHub Copilot memainkan peran penting dengan menyediakan triage dan analisis cerdas terhadap laporan aksesibilitas. Setelah pembuatan masalah, Copilot, yang dipandu oleh instruksi kustom dari pakar subjek aksesibilitas, secara terprogram menganalisis laporan. Ini secara otomatis mengisi sekitar 80% metadata suatu masalah, termasuk klasifikasi pelanggaran WCAG, tingkat keparahan, kelompok pengguna yang terpengaruh, dan penugasan tim yang direkomendasikan. Analisis otomatis ini secara signifikan mengurangi upaya manual, menstandardisasi kategorisasi masalah, dan memberikan wawasan yang cepat dan dapat ditindaklanjuti, memungkinkan tim manusia untuk fokus pada pemecahan masalah daripada entri data yang berulang dan penilaian awal."
• question: "Apa saja 'instruksi kustom' GitHub untuk Copilot, dan mengapa dipilih daripada fine-tuning model untuk sistem ini?" answer: "GitHub menggunakan 'instruksi kustom' untuk Copilot, yang dikembangkan oleh pakar subjek aksesibilitas mereka, untuk memandu perilakunya dalam analisis triage dan pelatihan aksesibilitas. Instruksi ini adalah prompt tersimpan yang mengacu pada kebijakan aksesibilitas GitHub, pustaka komponen, dan dokumentasi internal, merinci bagaimana kriteria keberhasilan WCAG diinterpretasikan dan diterapkan. Pendekatan ini dipilih daripada fine-tuning model karena memungkinkan iterasi cepat dan pembaruan seluruh tim. Setiap anggota tim dapat memperbarui perilaku AI dengan memodifikasi file markdown dan instruksi melalui pull request, menghilangkan kebutuhan akan pipeline retraining yang kompleks atau pengetahuan ML khusus, memastikan perilaku AI berkembang seiring dengan standar."
• question: "Bagaimana GitHub memastikan bahwa penilaian dan pengawasan manusia tetap menjadi pusat proses aksesibilitas meskipun penggunaan otomatisasi AI secara ekstensif?" answer: "GitHub sengaja merancang sistemnya sehingga AI mengotomatiskan tugas-tugas yang berulang sementara manusia mempertahankan penilaian dan pengawasan kritis. Misalnya, setelah analisis awal GitHub Copilot, langkah 'peninjauan pengirim' memastikan manusia memverifikasi temuan Copilot. Jika analisis Copilot tidak benar, manusia dapat menandainya, memberikan umpan balik langsung untuk peningkatan berkelanjutan AI. Lebih lanjut, setiap GitHub Action dalam alur kerja dapat dipicu atau dijalankan ulang secara manual, memastikan bahwa manusia dapat campur tangan kapan saja. Tujuannya adalah untuk mengalihkan pekerjaan yang membosankan ke AI, memberdayakan manusia untuk fokus pada pemecahan masalah yang kompleks, kolaborasi, dan membuat keputusan yang tepat mengenai perbaikan perangkat lunak."
• question: "Siapa penerima manfaat utama dari sistem umpan balik aksesibilitas yang ditingkatkan GitHub, dan bagaimana hal itu memenuhi kebutuhan spesifik mereka?" answer: "Sistem ini melayani tiga kelompok utama. Pengirim masalah (community manager, agen dukungan, sales rep) mendapat manfaat dari sistem terpandu yang menstandardisasi pengumpulan umpan balik dan mendidik mereka tentang konsep aksesibilitas. Tim aksesibilitas dan layanan (insinyur, desainer) menerima data terstruktur yang dapat ditindaklanjuti termasuk langkah-langkah yang dapat direproduksi, pemetaan WCAG, dan kepemilikan yang jelas, menyederhanakan upaya remediasi mereka. Manajer program dan produk mendapatkan visibilitas ke dalam titik masalah, tren, dan kemajuan, memungkinkan alokasi sumber daya yang strategis. Pada akhirnya, penerima manfaat terbesar adalah pengguna dan pelanggan penyandang disabilitas yang umpan balik mereka kini dilacak, diprioritaskan, dan ditindaklanjuti secara konsisten, mengarah pada pengalaman GitHub yang lebih inklusif."
• question: "Bagaimana GitHub mengintegrasikan umpan balik pengguna dari sumber eksternal ke dalam proses aksesibilitas internalnya, memastikan konsistensi dan kemampuan tindakan?" answer: "GitHub menyadari bahwa umpan balik aksesibilitas dapat berasal dari berbagai sumber eksternal, termasuk tiket dukungan, media sosial, email, dan jangkauan langsung, dengan papan diskusi aksesibilitas GitHub menjadi saluran utama. Terlepas dari sumbernya, setiap umpan balik diakui dalam waktu lima hari kerja. Ketika umpan balik eksternal membutuhkan tindakan, anggota tim secara manual membuat masalah pelacakan internal menggunakan templat umpan balik aksesibilitas kustom. Templat ini menstandardisasi informasi yang dikumpulkan, mencegah kehilangan data. Masalah baru ini kemudian memicu GitHub Action otomatis, melibatkan GitHub Copilot untuk analisis dan menambahkannya ke papan proyek terpusat, memastikan pemrosesan dan tindakan yang konsisten terlepas dari asalnya."

## Merevolusi Aksesibilitas: Pendekatan AI Berkelanjutan GitHub

Selama bertahun-tahun, GitHub menghadapi tantangan umum namun krusial: mengelola umpan balik aksesibilitas secara efektif. Tidak seperti masalah produk biasa, masalah aksesibilitas meresap, sering kali melintasi berbagai tim dan sistem. Satu laporan dari pengguna *screen reader* mungkin menyentuh navigasi, otentikasi, dan pengaturan, membuat proses umpan balik terkotak-kotak tradisional menjadi tidak efektif. Hal ini menyebabkan laporan yang tersebar, *bug* yang tidak terselesaikan, dan frustrasi pengguna yang masalahnya tetap ada dalam "fase dua" mitos yang jarang terwujud.

Menyadari perlunya perubahan mendasar, GitHub memulai perjalanan untuk memusatkan umpan balik, membuat templat standar, dan membersihkan *backlog* yang signifikan. Hanya setelah membangun fondasi yang kuat ini barulah muncul pertanyaan: Bagaimana AI dapat lebih lanjut mengubah proses ini? Jawabannya terletak pada alur kerja internal yang inovatif, didukung oleh GitHub Actions, GitHub Copilot, dan GitHub Models, yang dirancang untuk secara terus-menerus mengubah setiap bagian umpan balik pengguna menjadi masalah yang terlacak, diprioritaskan, dan dapat ditindaklanjuti. Pendekatan ini memastikan bahwa AI meningkatkan penilaian manusia, menyederhanakan tugas-tugas yang berulang dan memungkinkan para ahli untuk fokus dalam memberikan perangkat lunak yang inklusif.

## AI Berkelanjutan: Sistem Hidup untuk Inklusi

"AI Berkelanjutan untuk aksesibilitas" GitHub lebih dari sekadar alat; ini adalah metodologi hidup yang mengintegrasikan otomatisasi, kecerdasan buatan, dan keahlian manusia untuk menyematkan inklusi langsung ke dalam struktur pengembangan perangkat lunak. Filosofi ini mendasari komitmen GitHub terhadap janji Global Accessibility Awareness Day (GAAD) 2025, yang bertujuan untuk memperkuat aksesibilitas di seluruh ekosistem *open-source* dengan secara efektif merutekan dan menerjemahkan umpan balik pengguna ke dalam peningkatan platform yang bermakna.

Kesadaran inti adalah bahwa terobosan paling berdampak berasal dari mendengarkan orang sungguhan, namun mendengarkan dalam skala besar menghadirkan tantangan signifikan. Untuk mengatasi ini, GitHub membangun alur kerja umpan balik yang beroperasi sebagai mesin dinamis daripada sistem tiket statis. Memanfaatkan produknya sendiri, GitHub mengklarifikasi, menyusun, dan melacak umpan balik pengguna dan pelanggan, mengubahnya menjadi solusi siap implementasi.

Sebelum menyelami solusi teknologi, GitHub mengadopsi pendekatan desain yang mengutamakan manusia, mengidentifikasi *persona* kunci yang harus dilayani oleh sistem:
*   **Pengirim masalah:** *Community manager*, agen dukungan, dan perwakilan penjualan yang membutuhkan panduan untuk melaporkan masalah secara efektif, bahkan tanpa keahlian aksesibilitas yang mendalam.
*   **Tim aksesibilitas dan layanan:** Insinyur dan desainer yang membutuhkan data terstruktur dan dapat ditindaklanjuti—seperti langkah-langkah yang dapat direproduksi, pemetaan WCAG, dan skor keparahan—untuk menyelesaikan masalah secara efisien.
*   **Manajer program dan produk:** Kepemimpinan yang membutuhkan visibilitas yang jelas ke dalam titik masalah, tren, dan kemajuan untuk membuat keputusan alokasi sumber daya strategis.

Pemahaman mendasar ini memungkinkan GitHub merancang sistem yang memperlakukan umpan balik sebagai data yang mengalir melalui *pipeline* yang terdefinisi dengan baik, yang mampu berkembang sesuai dengan kebutuhan mereka.

## Mengotomatiskan *Pipeline* Umpan Balik Aksesibilitas

GitHub membangun arsitektur barunya di sekitar pola berbasis peristiwa, di mana setiap langkah memicu GitHub Action untuk mengatur tindakan selanjutnya, memastikan penanganan umpan balik yang konsisten terlepas dari asalnya. Meskipun awalnya dibangun secara manual pada pertengahan tahun 2024, sistem semacam itu kini dapat dikembangkan secara signifikan lebih cepat menggunakan alat seperti [Agentic Workflows](/id/github-agentic-workflows), yang memungkinkan pembuatan GitHub Actions melalui bahasa alami.

Alur kerja merespons peristiwa-peristiwa kunci: pembuatan masalah memulai analisis GitHub Copilot melalui GitHub Models API, perubahan status memicu serah terima tim, dan penyelesaian masalah mendorong tindak lanjut dengan pengirim asli. Otomatisasi mencakup jalur umum, tetapi manusia dapat secara manual memicu atau menjalankan ulang setiap Action, menjaga pengawasan dan fleksibilitas.

**Alur Kerja Umpan Balik Tujuh Langkah:**

1.  **Penerimaan:** Umpan balik mengalir dari berbagai sumber seperti papan diskusi aksesibilitas GitHub (yang menyumbang 90% laporan), tiket dukungan, media sosial, dan email. Semua umpan balik diakui dalam waktu lima hari kerja. Untuk item yang dapat ditindaklanjuti, anggota tim secara manual membuat masalah pelacakan menggunakan templat umpan balik aksesibilitas kustom, yang menangkap konteks penting. Peristiwa pembuatan ini memicu GitHub Action untuk melibatkan GitHub Copilot dan menambahkan masalah ke papan proyek terpusat.

2.  **Analisis Copilot:** GitHub Action memanggil GitHub Models API untuk menganalisis masalah yang baru dibuat.

3.  **Peninjauan Pengirim:** Pengirim awal meninjau analisis Copilot, mengkonfirmasi keakuratannya atau membuat penyesuaian.

4.  **Peninjauan Tim Aksesibilitas:** Tim aksesibilitas khusus melakukan tinjauan yang lebih mendalam dan menyusun strategi solusi.

5.  **Audit Tautan:** Audit atau sumber daya eksternal yang relevan ditautkan untuk konteks dan kepatuhan.

6.  **Penutupan Lingkaran (*Close Loop*):** Setelah ditangani, masalah secara resmi ditutup, dan pengguna atau pelanggan asli diberitahu.

7.  **Peningkatan:** Umpan balik tentang kinerja sistem, termasuk analisis Copilot, menjadi masukan untuk pembaruan dan penyempurnaan berkelanjutan.

Alur berkelanjutan ini memastikan visibilitas, struktur, dan kemampuan tindakan di setiap tahap siklus hidup umpan balik.

## *Triage* Aksesibilitas Cerdas GitHub Copilot

Di jantung sistem otomatis ini adalah analisis cerdas GitHub Copilot. Ketika masalah pelacakan dibuat, alur kerja GitHub Action secara terprogram memanggil GitHub Models API untuk menganalisis laporan. GitHub membuat pilihan strategis untuk menggunakan *prompt* tersimpan (instruksi kustom) alih-alih *fine-tuning* model. Hal ini memungkinkan setiap anggota tim untuk memperbarui perilaku AI melalui *pull request* sederhana, menghilangkan kebutuhan akan *pipeline retraining* yang kompleks atau pengetahuan *machine learning* khusus. Ketika standar aksesibilitas berkembang, tim memperbarui *file markdown* dan instruksi, dan perilaku AI beradaptasi dengan *run* berikutnya.

GitHub Copilot dikonfigurasi dengan instruksi kustom yang dikembangkan oleh pakar subjek aksesibilitas mereka. Instruksi ini memiliki dua peran penting:
*   ***Triage Analysis*:** Mengklasifikasikan masalah berdasarkan pelanggaran WCAG, tingkat keparahan (*sev1-sev4*), dan kelompok pengguna yang terpengaruh.
*   ***Accessibility Coaching*:** Memandu tim dalam menulis dan meninjau kode yang mudah diakses.

*File* instruksi mengacu pada kebijakan aksesibilitas GitHub, pustaka komponen, dan dokumentasi internal, memberikan Copilot pemahaman komprehensif tentang cara menginterpretasikan dan menerapkan kriteria keberhasilan WCAG.

Otomatisasi berlangsung dalam dua langkah kunci:
1.  **Tindakan Pertama:** Setelah pembuatan masalah, Copilot menganalisis laporan, secara otomatis mengisi sekitar 80% metadata masalah. Ini mencakup lebih dari 40 titik data seperti jenis masalah, segmen pengguna, sumber asli, komponen yang terpengaruh, dan ringkasan pengalaman pengguna. Copilot kemudian memposting komentar pada masalah yang berisi ringkasan masalah, kriteria WCAG yang disarankan, tingkat keparahan, kelompok pengguna yang terkena dampak, penugasan tim yang direkomendasikan, dan daftar periksa untuk verifikasi.
2.  **Tindakan Kedua:** Action berikutnya ini mengurai komentar Copilot, menerapkan label berdasarkan tingkat keparahan yang ditetapkan, memperbarui status masalah di papan proyek, dan menugaskannya kepada pengirim untuk ditinjau.

Yang krusial, jika analisis Copilot tidak akurat, siapa pun dapat menandainya dengan membuka masalah yang menjelaskan perbedaan tersebut, yang secara langsung menjadi masukan bagi proses peningkatan berkelanjutan GitHub untuk AI.

## Pengawasan Manusia dan Peningkatan Aksesibilitas Iteratif

Alur kerja menekankan pengawasan dan kolaborasi manusia. Setelah analisis otomatis Copilot, fase "peninjauan pengirim" (langkah 3) memungkinkan pengirim manusia untuk memverifikasi temuan AI. Pendekatan *human-in-the-loop* ini memastikan akurasi dan memungkinkan koreksi manual atau *flag* untuk proses peningkatan berkelanjutan Copilot. Langkah-langkah selanjutnya—Peninjauan Tim Aksesibilitas, Audit Tautan, dan Penutupan Lingkaran—lebih lanjut mengintegrasikan keahlian manusia, memastikan bahwa masalah kompleks ditangani oleh spesialis dan bahwa pengguna menerima solusi yang tepat waktu dan efektif.

Sistem dinamis ini merepresentasikan pergeseran signifikan bagi GitHub. Dengan memanfaatkan AI untuk menangani aspek-aspek yang berulang dan padat data dalam manajemen umpan balik, mereka telah mengubah proses yang kacau dan sering kali stagnan menjadi mesin inklusi yang berkelanjutan dan proaktif. Ini berarti bahwa setiap umpan balik aksesibilitas sekarang dilacak, diprioritaskan, dan ditindaklanjuti secara andal, bergerak melampaui janji "fase dua" untuk memberikan peningkatan yang langsung dan nyata bagi semua pengguna. Tujuan utamanya bukanlah untuk menggantikan penilaian manusia, tetapi untuk memberdayakannya, membebaskan waktu dan keahlian yang berharga untuk fokus pada perbaikan strategis dan mendorong pengalaman perangkat lunak yang benar-benar mudah diakses.