AI-kod behöver alltid mänsklig granskning – lärdomar från Googles Modern Web Guidance

Att låta en LLM skriva grundkoden låter lockande. Google försökte förenkla processen med initiativet Modern Web Guidance (MWG) – ett försök att ge AI-agenter färdiga riktlinjer för tillgänglighet, prestanda och säkerhet.

Resultatet blev inte lika bra som löftet.

Tillgänglighet får inte vänta till version 2

Många ser tillgänglighet som en finputsning som kan läggas till senare. Det är en missuppfattning. Om MVP:n inte uppfyller WCAG-kraven från början är den inte redo för produktion.

Google visade ett enkelt exempel: en accordion-komponent med animation. Koden som genererades fungerade inte i Firefox och klarade inte WCAG AA. Trots att MWG lovade både "Baseline-Aware Integration" och "Progressive Enhancement" ignorerade agenten sina egna riktlinjer.

Det är inte ett misstag. Det är så LLMs fungerar.

Icke-deterministiskt beteende skapar osäkerhet

Googles egen dokumentation erkänner problemet:

"LLMs are non-deterministic. Even if we do everything right, there is no guarantee any guideline will be used for any given prompt."

Till skillnad från linters eller typsystem som tvingar fram regler, kan LLMs bara föreslå lösningar. Det finns ingen garanti för att rätt riktlinje hämtas eller tillämpas korrekt.

Ofullständig täckning förvärrar problemen

MWG saknade riktlinjer för vanliga komponenter som toast-notiser. När en utvecklare ber om en sådan komponent får AI:n bara generella råd att luta sig mot. Ju mer splittrad informationen är, desto svårare blir det för modellen att kombinera rätt delar.

Vad det innebär för dina projekt

Om du använder AI för att generera kod idag gäller följande:

LLM:en är en skrivassistent, inte en QA-ingenjör. All kod behöver granskas manuellt – särskilt när det gäller:

• Tillgänglighet (WCAG AA är ett krav för de flesta kommersiella projekt)
• Webbläsarkompatibilitet (löften om "baseline-stöd" måste verifieras)
• Säkerhet (AI-kod kan introducera dolda sårbarheter)
• Prestanda (SPA:er som genereras utan optimering blir ofta tunga)

Framtidens arbetssätt

Detta betyder inte att AI-assisterad utveckling är meningslös. Men det kräver nya rutiner:

1. Sluta behandla AI-kod som färdig. Granska den lika noggrant som kollegors kod.
2. Skapa feedback-loopar. Skicka tillbaka fel till modellen så den kan lära sig.
3. Kräv tydligare varningar. Ramverk som lovar "modern web guidance" bör vara öppna med riskerna.
4. Automatisera tester. Verktyg som axe, WAVE och Lighthouse bör ingå i CI/CD-pipelinen.

På NameOcean ser vi AI som ett kraftfullt verktyg för boilerplate och idéarbete. Men det ersätter inte mänskligt omdöme – särskilt inte när det gäller standarder och användarupplevelse.

I en tid där kod kan genereras automatiskt blir den verkliga kompetensen att granska, korrigera och ta ansvar för det som når användarna. Det arbetet kräver fortfarande en människa.