Nossa direção de pesquisa: Projetando para acessibilidade

Na nossa investigação inicial, descobrimos que uma barreira significativa à equidade digital é a “lacuna de acessibilidade”, ou seja, o atraso entre o lançamento de uma nova funcionalidade e a criação de uma camada de assistência para a mesma. Para preencher essa lacuna, estamos mudando de ferramentas reativas para sistemas de agente nativos da interface.

Pilar de pesquisa: Usando agentes multissistema para melhorar a acessibilidade

As ferramentas de IA multimodal fornecem um dos caminhos mais promissores para a construção de interfaces acessíveis. Em protótipos específicos, como nosso trabalho com legibilidade web, testamos um modelo onde um orquestrador central atua como gerenciador estratégico de leitura.

Em vez de um usuário navegar por um labirinto complexo de menus, o Orchestrator mantém o contexto compartilhado – compreendendo o documento e tornando-o mais acessível, delegando as tarefas a subagentes especializados.

• O Agente de Resumo: Ele domina documentos complexos, dividindo informações e delegando tarefas importantes a subagentes especializados, tornando claros e acessíveis até mesmo os insights mais profundos.
• O agente de configurações: Lida com ajustes de UI, como dimensionamento de texto, dinamicamente.

Ao testar essa abordagem modular, nossa pesquisa mostra que os usuários podem interagir com os sistemas de forma mais intuitiva, garantindo que tarefas especializadas sejam sempre realizadas pelo especialista certo, sem que o usuário precise procurar o botão “correto”.

Rumo à fluência multimodal

Nossa pesquisa também se concentra em ir além da conversão básica de texto em fala em direção à fluência multimodal. Ao aproveitar a capacidade do Gemini de processar voz, visão e texto simultaneamente, construímos protótipos que podem transformar vídeo ao vivo em descrições de áudio interativas e imediatas.

Não se trata apenas de descrever uma cena; trata-se de consciência situacional. Em nossas sessões de co-design, observamos como permitir que os usuários consultem seu ambiente de forma interativa — solicitando detalhes visuais específicos conforme eles acontecem — pode reduzir a carga cognitiva e transformar uma experiência passiva em uma exploração conversacional ativa.