写真の要点を外したり読み違えたりするAI生成の代替テキスト

ある文具店が、2027年の週間手帳を4色で売っています。商品ページの写真は、セージ色の表紙、1週間のページを開いたところ、4色を並べたところの3枚です。ショップのメディアライブラリーには、AIで代替テキストを付けるアドオンが入っています。写真をアップロードすると、アドオンは写真を画像説明サービスに送り、返ってきた文をそのまま写真の代替テキストに書き込みます。その欄を開く人はいないまま、ページが公開されます。

スクリーンリーダーの利用者が写真を順に移動すると、「白いテーブルの上の緑色のノート、画像」「罫線のあるページを開いたノート、画像」「緑、青、ピンクの3冊のノート、画像」と聞こえます。ファイル名でも「画像」の一語でもなく、どれも丁寧な説明に聞こえます。しかし最初の2枚は、写っているものを挙げるだけで、写真がそこにある理由を伝えていません。伝えるべきだったのは、2027年版の手帳であること、見開きで1週間を見渡せて、メモ欄も付いた作りであることです。3枚目は間違っています。手帳は4冊で、色はセージ、ネイビー、テラコッタ、サンドです。テラコッタが欲しい買い手はピンクがあると聞かされ、サンドという色があることは最後まで知りません。

達成基準1.1.1「非テキストコンテンツ」は、情報を伝える画像に、同じ目的を果たすテキストの代替を求めています。この写真の目的は手帳を売ること、つまり表紙、中の作り、色を見せることです。この画像説明サービスが受け取るのは画素だけです。商品も、ページも、3枚目が色を選ぶ写真であることも知らないため、見分けられた物の名前を並べるだけで、写真を読み違えれば、写真にないことまで代替テキストに書いてしまいます。どれほど自然な文でも、画像で伝えたいことを抜かしたり取り違えたりしていれば、同じ目的は果たせません。

サービス自体は頼まれたとおりに動いています。問題は、返ってきた文の扱い方です。文はそのまま alt 属性に入ってページに公開され、商品を知っている人が読む段階がどこにもありません。Microsoftは、Officeの自動代替テキストについて、生成された文を確認して編集し、「高信頼で生成された説明」のような注記を削除するよう案内しています。アップロードの時点で代替テキストの欄に書き込むアドオンでは、この確認が抜け落ちます。

代替テキストは、写真が読み込めなかったときに表示される文でもあり、読み上げや翻訳のツールが受け取る文でもあります。ショップでは、お金を払う前に商品の見た目を知る唯一の手段であることも少なくありません。

10グループ中2グループに影響

• 全盲 （影響あり）
• 弱視 （影響あり）
• 色覚 （影響なし）
• ろう （影響なし）
• 難聴 （影響なし）
• 発話 （影響なし）
• 手の操作 （影響なし）
• 筋力・可動域 （影響なし）
• 認知 （影響なし）
• 光過敏 （影響なし）

• 視覚を使わない スクリーンリーダーを使う買い手には「緑、青、ピンクの3冊のノート」と聞こえ、写真には手帳が4冊あって、ピンクは1冊もないことを知る手段がありません。売っていない色を選ぶか、本当なら選んだはずの色を一度も聞かずに終わります。
• 視覚が限られる 写真の形は分かっても、色や表紙の小さな金色の年号までは見えない人は、その細部を代替テキストで確かめようとして、推測を聞かされます。

axe は alt 属性のない画像を、ANDI はファイル名を含む代替テキストを探します。この代替テキストは文章になっているため、どちらにも引っかかりません。文と写真を見比べることも、ショップが何色を売っているかを知ることも、チェックツールにはできません。この診断は、生成ツールの注記（「高信頼で生成された説明」など）が残った代替テキストを、確認の手がかりとして報告します。注記は人が確認する際に削除するものなので、残っていれば、読まれないまま公開された可能性が高いと言えます。注記のない生成された文は、ほかの代替テキストと見分けが付きません。写真だけを渡して別のAIに確認させても、見るのは同じ画素で、商品について知っていることも変わりません。