本文へスキップ
表示言語: 日本語
監査 / Signal

AIが書く代替テキストに必要な情報が含まれているか、どう確かめるか

大量生成された代替テキストを、画像の役割、属性の正確さ、実際の掲載場所に照らして確認します。

記事の言語: 日本語

Aeneiaのイラスト: 明るい室内で、女性が長い黒髪の三つ編みに赤い櫛を当てている。
目次

モデルが木製の整理箱の写真を見て、「ポーランドの工房で手作りされた環境に優しい整理箱」と書きました。削りたての木の香りまで漂ってきそうな、説得力のある文章です。ところが、ファイルからは産地も製造方法も分からず、素材は突き板かもしれません。流暢な説明は、確認済みの説明とは限りません。

代替テキストを大量に生成するときは、画像を正確に認識したかと、掲載場所で必要な情報を伝えているかを分けて確認します。モデルが物の名前を正しく答えても、説明が多すぎたり少なすぎたり、ページの利用に必要でないことを書いたりします。写真を詳しく説明したキャプションが、画像のテキストによる代替であるalt欄に必ず適するわけでもありません。

画像、ページの文脈、モデルへの指示、出力、公開判断まで、作業の流れ全体を検討します。文章が写真に合っているかだけを見ても、画像の役割は分かりません。矢印がまっすぐ描かれているかだけを見て、どこを指す標識なのかを尋ねないようなものです。

同じファイルでも役割は変わる

机に置かれた整理箱の架空の写真を考えてみましょう。ある場所では工房の紹介文に添える装飾です。別の場所では特定商品のメイン画像です。さらに別の場所では、説明書で仕切りの位置を示します。画素は同じでも、読み手の作業に必要な情報は変わります。

装飾画像の長い説明は、本文に必要な意味を加えず雰囲気を繰り返すかもしれません。商品ページでは、どの製品バリエーションが写っているかが重要な場合があります。説明書では、部品の配置や動作の結果を理解する必要があります。ファイルに自動生成した文章を一つ固定しても、この違いには対応できません。

W3Cの代替テキスト判断ツリーは、文脈における画像の機能と意味に応じて代替テキストを選び、装飾画像に空の代替テキストを使う場合も扱っています。具体的な確認の基礎になります。AIの処理には画像ファイルだけでなく、画像の使い方も渡すべきです。

入力に掲載場所の種類、周囲の文章、関連リンクの動作、読み手に画像から理解してほしいことを記録します。サイト全体を送る必要はありません。定めた役割に必要な資料があれば十分です。「写真を説明して」のように指示が広いほど、正確なキャプションができてもページの課題を解決しない可能性が高まります。

商品へのリンクとなる画像では、完成した画面でリンク全体の名前を確認します。代替テキストが画面上の名前と一緒に読まれる場合も、リンク先を示す唯一の説明になる場合もあります。テキストファイルだけではその関係を確認できません。実際の掲載場所と要素の構造まで受け入れ確認に含めます。

代替テキストと、誰にでも見えるキャプションを混同しないでください。キャプションは写っている製品バリエーション、著作者、撮影の文脈を説明できます。代替テキストは画像を利用する際に必要な意味を伝えます。両方を生成するなら、それぞれの役割と一緒に読まれたときの結果を確認します。同じ長文が二つあれば不要な繰り返しになることがあります。

ウェブサイトのブランド写真を選ぶ際に、画像の役割を定めます。選び方はウェブサイトのブランド写真選びに関する記事 (ポーランド語)でも紹介しています。自動化でも、その判断を説明文の作成工程に引き継ぐべきです。そうしなければ、チームがすでに決めて別の文書にしまった判断を、モデルが推測しなければなりません。

Azure Visionの画像説明に関する文書は、信頼度のスコアを付けて説明候補を生成し、スコア順に並べる仕組みを説明しています。これは画像説明の仕組みに関する情報です。その候補が特定ページの掲載場所に合うかを証明するものではありません。

そのため、信頼度だけを公開条件にしないでください。物の認識、根拠のない付け足しの有無、役割との一致を別々に評価します。異なる問いだからです。整理箱を認識した候補のスコアが高くても、仕切りの取り付け方を説明しているとは限りません。

異なる誤りを見つける小さな事例集を作る

まず、実際の使われ方を代表する画像を選びます。膨大な数は必要ありませんが、無地の背景に物が一つ写った簡単な写真だけでは不足です。よく似た製品バリエーション、全体が見えない細部、文字を含む要素、隣の段落を読んで初めて意味が分かる画像を加えます。

各画像について、確認済みの情報、役割、周囲の文章、許されない推測を記した評価カードを用意します。一つの模範文だけを唯一の正解にしないでください。モデルは別の言葉でも意味を正確に伝えられます。評価すべきなのは担当者の文章の好みではなく、情報です。

架空の整理箱では、主張を三種類に分けます。一つ目は、見える仕切りの数や物の置き方など、目で確認できること。二つ目は、承認済みの商品資料にある素材や寸法。三つ目は、環境への配慮、産地、耐久性など、根拠なく付け加えたことです。重要な主張の根拠をそれぞれたどれるようにします。

細部の写真は過信を確認する事例です。接合部の一部と端だけが写っているとします。「何年も長持ちする頑丈な固定部」という説明は、画像認識を超えています。称賛を無害な表現として扱うより、確認のために止める方がよいでしょう。商品の性能には別の根拠が必要です。

似た製品バリエーションを扱う事例では、正しい対象への割り当てを確認します。ファイルに二つの仕切りが写っているのに商品ページが三つの仕切りを持つ製品バリエーションを扱っているなら、文章だけでは資料の矛盾を直せません。正しい画像か正しいカタログ項目を確かめます。altの一語を直すだけでは、資料が別の商品を指す問題を隠すことにもなります。

Aeneiaのコンセプト写真

画像内の文字については、小さな文字や記号にも注意します。モデルによる読み取りには別の確認が必要な場合があります。「K22」と「K2Z」は見た目が少し違うだけでも、カタログの異なる箇所を指す可能性があります。コードが作業に重要なら承認済みの資料と比べます。流暢な文だからといって、すべての文字が正しいとは限りません。

説明書では、動作と画像の関係を確認します。説明は商品の一般名に戻るのではなく、現在の手順の理解を助けるべきです。接合部を理解するために本文で追加説明が必要なら、ページ編集時に決めます。CMSに入力欄があるからといって、説明書全体を一つの欄に詰め込もうとしないでください。

画像にデータや文字を含むラベルがある場合は、どこまで書き写してよいかも確認します。モデルが公開したくない詳細を説明文に移すことがあります。自動的なデータ除去の工程は別途確認が必要です。その限界についてはデータの自動除去を確認する記事 (ポーランド語)も参照できます。altから氏名を省いても、表示される画像から氏名が消えるわけではありません。

読めない例や曖昧な例も加えます。どの結果を人に回すか、不確実性を記録にどう残すかをチームであらかじめ決めます。「おそらく何かを示していると思われます」という長い文を公開するためではありません。必要な判断の根拠がないところで自動処理を止めるためです。

音声会話でも、コードを聞き間違える似た問題があります。AI音声アシスタントの会話の順番を確認する記事 (ポーランド語)は、入力の認識と意味の受け取りを分けています。画像でも、技術的な分析結果と、正しい商品および情報の役割の確認を区別できます。

文章の一覧だけでなく公開工程を受け入れ確認する

大量処理では、結果を画像の具体的な使用場所に結び付けます。同じ写真が装飾と説明書に使われるなら、ファイルのアドレスだけでは足りません。ページ、場所、素材のバージョンを再現できる記録が必要です。そうしないと、正しい文章が別の要素に入りやすくなります。

意図的に空にした代替テキストと、まだ結果を作成できていない状態を分けます。作業データではどちらも空欄に見えますが、対応は異なります。前者には装飾と判断した記録を、後者には保留理由や処理エラーを残します。そうしないと、自動処理が意図的な空欄を埋めたり、未処理の画像を承認済みと判断したりします。文字数だけでなく判断の状態を確認します。

結果の欠落や一部だけの処理も確認します。モデルが一件の説明を作らなかった場合、システムが適当なファイル名や別画像の古い文章で置き換えてはいけません。対応は画像の役割と公開工程に応じて決めます。適切な編集判断を待つ対象として示します。

完成したページでサンプルを確認します。読み上げ方、周囲の文章との重複、リンクにおける動作の名前を見ます。一つの欄が正確でも、サイト全体のアクセシビリティを確認したことにはなりません。利用の流れ全体については企業サイトのアクセシビリティに関する記事 (ポーランド語)で扱っています。説明文生成の運用レビューは、自分の対象範囲を正直に示すべきです。ツールがより広い報告書を作るなら、AIによる自動アクセシビリティ評価の対象範囲を確認します。対象範囲を調べる方法は自動アクセシビリティ評価の対象範囲に関する記事 (ポーランド語)で確認できます。ページのどの状態を訪問し、どの判断を手動確認に残したかを見ます。

評価者には画像と文脈が必要です。文章だけの表でも不自然な表現は見つけられますが、要素の数や製品バリエーションが合っているかは確かめられません。結果から素材へ簡単に移動できる確認画面を用意します。そうしなければ確認に時間がかかり、疲れによって細部を見落としやすくなります。

結果は誤りの種類ごとに分類します。根拠なく追加した素材、誤ったリンク先、不要な繰り返しには異なる修正が必要です。「altの品質」という平均値一つでは、説明書だけに現れる重要な問題を隠すことがあります。ファイル数だけでなく、確認した使用場所の数も記録します。

Aeneia Auditのサービスは、企業におけるAI利用の確認を紹介しており、作業前に範囲を決めます。

次の生成を行う前に、承認済みの編集内容を守る方法も確認します。人が説明書の代替テキストを直した場合、自動処理が痕跡なく新しい候補で上書きしてはいけません。バージョン、判断した人、更新理由を記録します。新しい結果は公開前に比較できます。これにより、カタログを更新するたびに同じ誤りを繰り返すのではなく、前回の確認で得た知識を保てます。

モデルへの指示を改善したら、同じ事例に戻り、近い事例もいくつか加えます。商品写真の結果が改善しても、装飾画像も改善したとは限りません。AI品質の回帰テストでは、画像の役割と確認済み情報の境界を残します。事例の比較方法はAI出力の回帰テストに関する記事 (ポーランド語)で詳しく扱っています。後の変更を文章の流暢さだけで評価せずに済みます。

再確認のきっかけも定めます。モデルの変更、別のページテンプレート、写真の新しい用途、商品の更新などです。ファイル自体が変わらなくても、同じ文章が意味を失うことがあります。画像のリンク先が変わるなら、代替テキストも見直す必要があります。自動処理がその変更点を把握できるようにします。

編集者には短い事例集と例外を報告する方法を渡します。全員が画像認識の技術を知る必要はありません。ただし、商品には仕切りが二つなのに説明には三つとある、隣の説明を繰り返している、と指摘できる必要があります。その指摘は個人の修正で消えず、工程の改善につながるべきです。

適切に受け入れ確認された自動化とは、すべての画像に最も長い説明を書いたものではありません。必要な情報を用意し、確認済みのこととモデルが推測したことの境界を守る助けになるものです。短い説明が適切な場合も、別の伝達方法がよい場合も、疑問が解決するまで公開を止める場合もあります。木の香りは、カタログに根拠が示されるまでは書き手の想像の中に置いておきましょう。

Aeneia / Aeneia編集部

編集部による記事です。本文中に出典へのリンクがあります。

Aeneiaについて

ご一緒したブランド

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 在ポーランド中国大使館
  • Mixa
Aeneia / Initium

知識から決断へ

整理したい課題をお聞かせください。どこから始めるかを一緒に決めます。

Aeneiaに問い合わせる

パートナーのソリューションを活用しています

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear