Cómo usar IA en una auditoría WCAG‑EM

Hace unos días estaba terminando mi plan de investigación sobre accesibilidad e Inteligencia Artificial (IA) de este año y una de las partes que más interesante me pareció fue ver cómo podía la IA ayudar en cada una de las fases de la metodología WCAG-EM y creo que merece la pena hablar sobre cómo creo que se puede usar la IA en una auditoria WCAG-EM.

Pero antes de entrar en materia es necesario que os haga dos aclaraciones o avisos:

Recordad el desafío de las alucinaciones de la Inteligencia Artificial del que os hablaba el otro día
En este post hablo sobre metodología WCAG-EM no sobre informes IRA, lo siento, (aunque igual podéis extrapolar lo que digo)

IA en una auditoría WCAG‑EM: qué tareas delegar y cuáles no

Dicho esto, la clave para encajar la IA en cada fase de WCAG‑EM sin perder el control experto, (los expertos sois vosotros), es tratar a la IA como un asistente especializado que automatiza tareas pesadas (recolección, clasificación, borradores de análisis), mientras las decisiones de alcance, juicio de conformidad y priorización de riesgos siguen estrictamente en manos humanas.

En otras palabras: IA para acelerar el “cómo”, pero nunca para sustituir el “qué” ni el “por qué” de una evaluación profesional. (pero os lo pongo en formato cita que ya sabéis que me gusta mucho)

IA para acelerar el “cómo”, pero nunca para sustituir el “qué” ni el “por qué” de una evaluación profesional.

Por qué importa WCAG‑EM hoy

WCAG‑EM es la metodología del W3C para evaluar de forma estructurada si un sitio web (o, en su versión 2.0, un producto digital más amplio) cumple con las WCAG.

Define un proceso de cinco pasos que no solo ordena el trabajo, sino que también hace la evaluación más repetible, comparable y defendible frente a terceros.

En un contexto donde proliferan herramientas “milagro” de auditoría con IA, WCAG‑EM aporta justo lo que falta: un esqueleto metodológico claro sobre el que decidir dónde encaja la automatización y dónde es peligroso ceder el control.

La conversación ya no es “IA sí o no”, sino “qué partes del flujo de WCAG‑EM son candidatas a IA asistida y bajo qué salvaguardas”.

Recordatorio rápido de las fases

Para refrescar un poco la memoria, WCAG‑EM estructura una evaluación completa en cinco pasos encadenados:

Fase 1: Definir el alcance de la evaluación (objetivos, versión de WCAG, nivel de conformidad, productos y variantes incluidos).
Fase 2: Explorar el producto objetivo para identificar tipos de páginas/vistas y funcionalidades esenciales.
Fase 3: Seleccionar una muestra representativa (estructurada y aleatoria) que cubra plantillas, procesos completos y casos clave.
Fase 4: Auditar esa muestra frente a los criterios de conformidad de WCAG en el nivel objetivo.
Fase 5: Reportar los resultados de forma transparente, trazable y replicable.

La versión 2.0 generaliza de “sitios web” a “productos digitales”, de modo que la misma lógica aplica a apps, kioscos, etc., algo especialmente relevante cuando se mezclan webs con documentos o flujos híbridos.

Principios para usar bien la IA

Antes de entrar fase por fase, conviene fijar unos principios operativos claros si se quiere mantener el control experto:

IA asistida, no IA autónoma: la IA propone, el experto decide. Ninguna decisión de conformidad o de cierre de hallazgo se delega completamente.
Evidencia primero, texto después: la IA puede ayudar a redactar y agrupar, pero la recogida y validación de evidencias sigue siendo responsabilidad humana.
Trazabilidad: cada vez que se utiliza IA para apoyar una fase (por ejemplo, clustering de URLs o redacción de hallazgos), debe poder reconstruirse qué se hizo, con qué herramienta/modelo y con qué entradas.
Escepticismo saludable: cualquier “hallazgo” generado por IA se considera sospechoso hasta que el experto lo valida con inspección manual y herramientas convencionales.

Con estas reglas en mente, se puede entrar en las fases de WCAG‑EM y ver qué encaja de forma razonable.

Fase 1: definir el alcance

En la definición del alcance, la IA puede ayudar a entender el contexto, pero nunca a decidir los objetivos estratégicos de la evaluación.

Usos razonables de IA en esta fase:

Mapear el ecosistema digital inicial: dado un dominio o un conjunto de URLs de partida, se puede usar un crawler asistido por IA para detectar subdominios, secciones destacadas, microsites y servicios asociados que deberían entrar (o al menos considerarse) en el alcance.
Resumir documentación: cuando existe documentación funcional o técnica extensísima (pliegos, RFP, manuales de producto), un modelo de lenguaje puede extraer los módulos, canales y plataformas relevantes para decidir qué se incluye en la evaluación inicial y qué queda fuera.
Ayudar a formular preguntas: la IA puede sugerir listas de preguntas estándar para afinar alcance (versiones tecnológicas, contenidos de terceros, productos en desuso, etc.), que el consultor adapta y prioriza según el contexto.

Dónde no se debe delegar:

La definición de la versión de WCAG objetivo (2.1 o 2.2), el nivel de conformidad y el encaje con marcos legales (EAA, EN 301549, normativa local).
La decisión de qué productos digitales quedan dentro o fuera del alcance cuando hay ambigüedad (p. ej., intranets, portales de proveedores, apps antiguas).
La aceptación de riesgos: por ejemplo, decidir conscientemente excluir una parte marginal del ecosistema por coste/beneficio.

El patrón sano es: dejar que la IA te haga una radiografía rápida del terreno y un borrador de briefing, pero que el “marco de juego” final lo pacten seres humanos con responsabilidad y autoridad.

Fase 2: explorar el producto

Aquí la combinación de crawler + IA brilla, siempre que se tenga claro que explorar no es todavía “evaluar” conformidad. WCAG‑EM pide identificar páginas/vistas comunes, estados de página y funcionalidades esenciales.

Cómo puede ayudar la IA en esta fase:

Mapeo de vistas: a partir de un rastreo bien configurado, la IA puede agrupar URLs por plantillas, componentes o patrones funcionales (p. ej., todos los listados de productos, todos los formularios de alta, todos los detalles de ficha). Esto facilita luego la selección de muestra.
Detección de funcionalidades clave: analizando textos, títulos y estructuras de navegación, la IA puede sugerir qué funcionalidades son claramente esenciales (compra, registro, consulta de saldo, solicitud de cita, descarga de documentos, etc.). El experto valida y completa la lista.
Marcado de zonas de riesgo: sin hacer una auditoría formal, se puede pedir a la IA que señale posibles áreas problemáticas para exploración posterior (p. ej., componentes muy dinámicos, contenido audiovisual sin marcas obvias de subtitulado, flujos con muchos pasos).

Limitaciones:

La IA tiende a sobregeneralizar y puede asumir que todas las vistas de un tipo se comportan igual; aquí el experto tiene que identificar “bichos raros”: módulos viejos, embeds de terceros, plantillas a medio migrar.
Para productos con roles múltiples (cliente, gestor, administrador, proveedor), la IA puede pasar por alto vistas destinadas a perfiles menos visibles. Hace falta conocimiento de negocio para identificarlas.
La exploración también puede abarcar documentos incrustados (PDF, Word, etc.): la IA sirve para inventariar tipos de documento, detectar plantillas recurrentes y localizar volúmenes más críticos, pero sin entrar aún en su accesibilidad concreta.

La IA convierte esta fase en algo mucho más rápido y sistemático, pero el mapa final de funcionalidades y vistas clave debe ser aprobado por alguien que entienda el producto y su contexto regulatorio.

Fase 3: seleccionar la muestra

La selección de la muestra es uno de los puntos donde más valor puede aportar la IA en términos de eficiencia… y donde más peligro hay si se pierde el control experto. WCAG‑EM recomienda combinar muestra estructurada y aleatoria para cubrir plantillas, procesos completos y casos comunes y singulares.

Aportes realistas de la IA en la selección de muestra:

Agrupación para muestra estructurada: usar IA para agrupar páginas/vistas por:
- Plantilla visual/estructural.
- Tipo de funcionalidad (búsqueda, compra, alta, descarga).
- Tipo de usuario objetivo (cliente final, empleado, proveedor). Esto ayuda a proponer un set mínimo de instancias de cada grupo para asegurar representatividad.
Detección de procesos completos: la IA puede ayudar a identificar secuencias de vistas que conforman un proceso (p. ej., buscar producto → añadir al carrito → checkout → confirmación) y proponer la cadena mínima de pantallas para incluir en la muestra.
Muestreo aleatorio asistido: una vez definida la estructura, la IA puede seleccionar de forma aleatoria X páginas adicionales dentro de cada grupo para cubrir variaciones no evidentes.

Límites que no se deben traspasar:

Nunca aceptar una muestra “ciega” generada íntegramente por IA sin revisión: es fácil que deje fuera flujos críticos poco enlazados, contenidos muy usados pero escondidos en la arquitectura de información, o vistas internas importantes para ciertos colectivos.
La IA no sabe de prioridades de negocio ni de riesgo legal; puede proponer una distribución teóricamente equilibrada que ignore que, por ejemplo, el flujo de contratación online es muchísimo más sensible que el blog corporativo.
En entornos con documentos, la IA no debería decidir sola qué PDFs o Word son representativos; sí puede agrupar por plantilla, tipo de contenido y fecha, pero la selección final debe ponderar impacto (p. ej., condiciones generales, tarifas, formularios oficiales frente a notas de prensa antiguas).
En la práctica, la IA se emplea para construir un “borrador de muestra maestra” que luego el experto recorta, amplía y pondera según: impacto en usuarios, criticidad legal, áreas históricamente conflictivas y compromisos adquiridos con el comitente.

Fase 4: auditar con criterio

La fase 4 es donde es más tentador dejar que la IA “lo haga todo” y donde más claro debe ser el límite: la responsabilidad de declarar conformidad frente a WCAG sigue siendo humana. WCAG‑EM pide auditar la muestra frente a los requisitos de conformidad y las WCAG en el nivel definido.

Aquí la IA se puede encajar de forma granular en varios niveles:

4.1. Prechequeo automático potenciado

Integración con motores de reglas: combinar axe‑core, Lighthouse, WAVE, etc., con capas de IA que:
- Agrupen errores repetidos y los relacionen con componentes o patrones.
- Generen resúmenes ejecutivos de los principales tipos de fallo por plantilla o flujo.
Análisis de HTML/CSS/ARIA con LLMs: pedir a un modelo de lenguaje que revise fragmentos de código y:
- Explique por qué un determinado patrón puede ser problemático.
- Sugiera qué criterios de WCAG 2.1/2.2 podrían estar implicados, a modo de orientación, nunca de decisión final.

El valor aquí es acelerar la fase “mecánica”: menos tiempo buscado error por error, más en entender implicaciones y priorizar.

4.2. Soporte al análisis experto

Usos avanzados que encajan bien con el rol del consultor:

Generar hipótesis de barreras: a partir de capturas de pantalla, árbol de accesibilidad o descripciones, la IA puede sugerir posibles problemas que el experto verifica manualmente (orden de foco, estructura de encabezados, usos erróneos de roles ARIA, etc.).
Clasificación y etiquetado de hallazgos: un modelo de lenguaje puede ayudar a asignar cada hallazgo a: criterio WCAG, severidad preliminar, tipo de impacto en usuario, área responsable. El experto revisa y corrige, pero ahorra tiempo en tareas repetitivas.
Apoyo al testing de documentos:
- Etiquetado preliminar de PDFs para identificar falta de jerarquía, ausencia de texto alternativo, tablas complejas, etc.
- Revisión de contenido textual (lenguaje claro, jerarquía de títulos, consistencia terminológica) en Word o PowerPoint.

El patrón es claro: la IA aumenta la productividad del auditor, pero las decisiones de severidad, conformidad/no conformidad y recomendación priorizada siguen siendo humanas.

4.3. Zonas rojas: nunca delegar

Hay ámbitos donde, hoy por hoy, delegar en IA sería profesionalmente temerario:

Experiencia con lector de pantalla real: orden del foco, verbosity, redundancias, comportamiento en componentes interactivos complejos, gestión de errores en formularios, etc.
Pruebas con teclado y dispositivos de apoyo: interacción con menús, diálogos, widgets personalizados, accesibilidad de atajos, focus trapping.
Criterios que exigen juicio fino: como muchos relacionados con cognición (claridad de instrucciones, previsibilidad, carga cognitiva) o con patrones oscuros que pueden ser accesibles técnicamente pero inaceptables éticamente.
Casos límite legales: cuando se evalúan justificaciones de “carga desproporcionada”, excepciones parciales o decisiones que pueden acabar en un litigio.

La IA puede ayudar a documentar lo que se observa (transcribir sesiones, generar resúmenes), pero no a observar en lugar del experto.

Fase 5: informar y dar seguimiento

La fase de reporte es donde más se está usando IA en la práctica, y con razón: transformar hallazgos técnicos en informes entendibles para negocio es intensivo y muy estructurado. WCAG‑EM enfatiza la necesidad de documentar claramente el alcance, la muestra, los métodos y los resultados para garantizar transparencia y replicabilidad.

Buenas formas de encajar IA aquí:

Redacción multicapas del informe:
- Tomar la base de datos de hallazgos y pedir a la IA borradores de:
  - Resumen ejecutivo para dirección.
  - Sección técnica para desarrollo.
  - Recomendaciones prácticas para producto/UX.
- El experto revisa matices, ejemplos y priorización antes de entregar.
Agrupación inteligente de hallazgos: usar IA para:
- Detectar duplicidades (mismo problema en múltiples vistas).
- Proponer agrupaciones por componente, patrón de diseño o librería UI.
- Generar “historias” que expliquen cómo una misma causa genera múltiples síntomas.
Tablas de trazabilidad: pedir a la IA que monte, a partir de datos ya validados, matrices de: criterio WCAG → pantallas afectadas → severidad → responsables → dependencia técnica.

En el seguimiento continuo:

Generación de backlog accesible: traducir hallazgos validados a historias de usuario o tickets para Jira/Azure DevOps con criterios de aceptación alineados con WCAG.
Comparación entre iteraciones: usar IA para comparar informes de iteraciones distintas y destacar mejoras, regresiones y áreas persistentemente problemáticas.

De nuevo, el control experto se mantiene porque:

La firma del informe es humana.
Los mensajes clave, conclusiones y compromisos se revisan manualmente.
Cualquier afirmación fuerte (p. ej., “el sitio cumple WCAG 2.2 AA en su conjunto”) se basa en juicio profesional, no en lo que “dice la IA”.

Gobernanza y control experto

Por encima de las fases, si se quiere usar IA sin perder control ni credibilidad, hace falta algo más que integrar herramientas: hace falta gobernanza. Algunas piezas clave:

Política interna de uso de IA en auditoría: documentar decisiones como:
- En qué fases se autoriza el uso de IA y para qué tareas concretas.
- Qué outputs requieren siempre revisión y firma humana.
- Qué herramientas/modelos están aprobados (por confidencialidad, cumplimiento, calidad).
Registro de intervenciones de IA: anotar de forma sistemática en la documentación interna cuándo se ha usado IA (p. ej., para clustering de URLs, redacción de resúmenes o propuestas de solución) y cómo se ha validado después.
Formación específica de los auditores: no basta con saber de accesibilidad; hay que entender cómo funcionan los modelos de IA, sus sesgos, sus límites y cómo evaluar su output críticamente.
Separación de responsabilidades: evitar que la misma persona que configura y opera la herramienta de IA sea la única que valida sus resultados en evaluaciones críticas o litigiosas.
Comunicación transparente con el cliente: incluir en la metodología que se comparte con el comitente cómo y para qué se está utilizando IA, siempre insistiendo en que la responsabilidad última es del equipo experto.

Cuando se articula todo esto, encajar la IA en una auditoría WCAG‑EM deja de ser una amenaza a la autoridad del consultor y se convierte en una ventaja competitiva: permite dedicar más tiempo al análisis cualitativo, a la estrategia de remediación y al acompañamiento de equipos, y menos a tareas mecánicas de rastreo, copiado y formateo.

En resumen práctico: seguir al pie de la letra las fases de WCAG‑EM como esqueleto, identificar en cada una qué tareas son mecánicas y repetitivas (candidatas a IA) y cuáles dependen del juicio experto, y diseñar flujos donde la IA siempre “empuja” pero nunca “decide”. Eso mantiene intacto el control experto y, al mismo tiempo, demuestra que la metodología no está reñida con las herramientas más modernas, sino que las ordena y las pone a trabajar a favor de la calidad y de la defensa profesional de la auditoría.