Γιατί ο κώδικας από AI χρειάζεται ανθρώπινο έλεγχο: Τι μας δίδαξε η πρωτοβουλία της Google

Η ιδέα ότι η τεχνητή νοημοσύνη μπορεί να γράψει κώδικα για εμάς φαίνεται ιδανική. Δίνεις οδηγίες, παίρνεις έτοιμο αποτέλεσμα και προχωράς γρήγορα. Η Google προσπάθησε να κάνει ακριβώς αυτό με το Modern Web Guidance (MWG) — να δώσει στα AI εργαλεία συγκεκριμένες οδηγίες για να φτιάχνουν προσβάσιμες, γρήγορες και ασφαλείς ιστοσελίδες.

Όμως στην πράξη τα πράγματα δεν πήγαν τόσο ομαλά.

Η προσβασιμότητα που συχνά ξεχνάμε

Αν η προσβασιμότητα δεν είναι μέρος της αρχικής σχεδίασης, τότε το έργο σου δεν είναι έτοιμο για πραγματική χρήση. Δεν είναι κάτι που προσθέτεις αργότερα. Είναι θεμελιώδες.

Στο demo του MWG, η Google έδωσε μια απλή οδηγία: να δημιουργηθεί ένα accordion component με ομαλή κίνηση. Το αποτέλεσμα όμως δεν δούλευε σωστά στον Firefox και δεν πληρούσε τα βασικά πρότυπα WCAG Level AA. Παρόλο που το MWG υπόσχεται «Baseline-Aware Integration» και «Progressive Enhancement», το μοντέλο αγνόησε τις οδηγίες του.

Αυτό δεν είναι τυχαίο. Έτσι λειτουργούν τα LLMs.

Η απρόβλεπτη συμπεριφορά των μοντέλων

Στην τεκμηρίωση του MWG υπάρχει μια σημαντική παραδοχή: ακόμα κι αν οι οδηγίες είναι σωστές, δεν υπάρχει καμία εγγύηση ότι το μοντέλο θα τις ακολουθήσει. Τα LLMs δεν εφαρμόζουν κανόνες όπως ένας linter ή ένας compiler. Απλώς προτείνουν λύσεις — και μερικές φορές τις αγνοούν εντελώς.

Ελλιπής κάλυψη προτύπων

Το MWG ξεκίνησε με περιορισμένη κάλυψη σε βασικά UI components. Για παράδειγμα, δεν υπήρχε ξεχωριστή οδηγία για toast notifications. Όταν λείπει η στοχευμένη καθοδήγηση, το μοντέλο προσπαθεί να συνθέσει κάτι από γενικές οδηγίες — και συχνά αποτυγχάνει.

Τι σημαίνει αυτό για εσάς

Αν χρησιμοποιείς AI για να γράφεις παραγωγικό κώδικα σήμερα, πρέπει να ξέρεις τα εξής:

• Το AI είναι βοηθός συγγραφής, όχι ελεγκτής ποιότητας.
• Κάθε γραμμή χρειάζεται ανθρώπινη αναθεώρηση.
• Η συμμόρφωση με WCAG AA, η δοκιμή σε πολλαπλά browsers, η ασφάλεια και η απόδοση δεν καλύπτονται αυτόματα.

Πώς μπορούμε να προχωρήσουμε

Η λύση δεν είναι να σταματήσουμε να χρησιμοποιούμε AI. Είναι να το χρησιμοποιούμε πιο έξυπνα:

1. Να ελέγχουμε τον κώδικα με την ίδια προσοχή που θα είχαμε σε team review.
2. Να δημιουργούμε feedback loops ώστε τα μοντέλα να μαθαίνουν από τα λάθη τους.
3. Να απαιτούμε ξεκάθαρες προειδοποιήσεις από τα εργαλεία που χρησιμοποιούμε.
4. Να ενσωματώνουμε automated accessibility testing στο CI/CD pipeline.

Στη NameOcean πιστεύουμε στη δύναμη της τεχνητής νοημοσύνης για γρήγορο scaffolding και ιδέες. Αλλά δεν αντικαθιστά την ανθρώπινη κρίση — ειδικά όταν μιλάμε για standards και εμπειρία χρήστη.

Στην εποχή του AI coding, η πραγματική ικανότητα δεν είναι να γράφεις κώδικα. Είναι να τον ελέγχεις, να τον διορθώνεις και να αναλαμβάνεις την ευθύνη για αυτό που φτάνει στον τελικό χρήστη.