Przez większą część ery smartfonów technologie wspomagające, na których polegały osoby niewidome, dzieliły się na dwa rodzaje. Były wąskie, drogie urządzenia jednego przeznaczenia — kamera do odczytu tekstu, identyfikator kolorów, jednostka GPS z niezgrabnym głosem — oraz aplikacje łączące użytkownika z człowiekiem, ponieważ żadna maszyna nie potrafiła wiarygodnie opisać nieuporządkowanego świata wizualnego. Pierwsza opcja była kosztowna i zawodna. Druga działała, ale oznaczała konieczność proszenia innej osoby za każdym razem, gdy ktoś chciał sprawdzić, czy mleko nie jest przeterminowane.

Zwrot nastąpił w marcu 2023 roku, gdy OpenAI ogłosiło GPT-4 i wybrało aplikację dla osób niewidomych Be My Eyes jako flagowe wdrożenie demonstracyjne możliwości modelu wizualnego. Po raz pierwszy model ogólnego przeznaczenia — nie wąsko wyspecjalizowany klasyfikator — mógł spojrzeć na dowolne zdjęcie i odpowiadać na pytania o nie w płynnym języku naturalnym. Ta jedna zdolność — opisz cokolwiek, a potem odpowiadaj na pytania uzupełniające — okazała się dokładnie tym, czego w tej dziedzinie brakowało. W ciągu osiemnastu miesięcy została wbudowana w telefony, okulary, czytniki ekranu i laski.

Ten primer przegląda tę falę w sześciu obszarach: aplikacje do asystencji wizualnej, urządzenia do noszenia, narzędzia nawigacyjne, czytniki ekranu systemów operacyjnych, przełomy w dziedzinie brajla i grafiki dotykowej oraz warstwa internetowa pod spodem tego wszystkiego. Przez cały czas zadajemy to samo pytanie, które stawiamy każdemu nowemu narzędziu: nie „czy wygląda imponująco w demonstracji?”, ale „czy osoba niewidoma otrzymuje poprawną, użyteczną odpowiedź wtedy, gdy jej potrzebuje?”. Szczera odpowiedź w 2026 roku brzmi: „znacznie częściej niż w 2022 roku — i nadal nie na tyle często, by ufać bezrefleksyjnie”. Mamy w polu widzenia obie połowy tego zdania.

Najważniejsza zmiana jest też najmniej widoczna: żyje w aplikacjach, które ludzie już mieli. Kategoria podzieliła się na dwie warstwy, które teraz współpracują — natychmiastowy opis AI dla rutynowego pytania i człowiek na linii na moment, który ma znaczenie. Najsilniejsze przepływy pracy pozwalają użytkownikowi zacząć od modelu i eskalować do człowieka jednym dotknięciem.

Poniższe karty przedstawiają praktyczne działanie pięciu usług dominujących w codziennym użyciu — nie twierdzenia marketingowe. Kolumna „Zastrzeżenie” to ta, którą należy przeczytać w pierwszej kolejności.

Trzymanie telefonu i kierowanie jego kamerą jest wykonalne, ale zajmuje rękę i informuje wszystkich w pobliżu dokładnie o tym, co się robi. Najważniejszą zmianą sprzętową tego okresu było przeniesienie kamery na głowę — tam, gdzie wskazuje kierunek wzroku użytkownika i uwalnia obie ręce. Dwie rzeczy umożliwiły to jednocześnie: tanie, przyzwoite kamery do noszenia na głowie oraz model wystarczająco dobry, by nadawał sens temu, co widzą.

Przełomem był listopad 2024 roku, gdy Meta dodała tryb dla osób niewidomych do swoich popularnych okularów Ray-Ban Meta poprzez integrację z Be My Eyes — funkcję „Zadzwoń do wolontariusza”, która strumieniuje widok z perspektywy pierwszej osoby do widzącego pomocnika, obok własnego AI firmy Meta, które na żądanie może opisać to, co jest przed użytkownikiem. Po raz pierwszy urządzenie wspomagające miało postać okularów przeciwsłonecznych, które ludzie i tak chcieli nosić — nie wyróżniającego się sprzętu medycznego.

Nawigacja to najtrudniejszy problem w tej dziedzinie, ponieważ koszt błędnej odpowiedzi to krawężnik, klatka schodowa lub droga. Omawiany okres przyniósł realny postęp w dwóch odrębnych podproblemach: wykrywaniu tego, co jest bezpośrednio wokół użytkownika, i orientacji w budynku, gdzie GPS przestaje działać.

Najcichsza rewolucja dokonała się wewnątrz czytnika ekranu. Przez lata największą luką, na którą napotykały osoby niewidome, był nieopisany obraz — zdjęcie, wykres, mem bez tekstu alternatywnego. Między 2024 a 2026 rokiem każda główna platforma dostarczyła wbudowane rozwiązanie: wystarczy skierować czytnik ekranu na obraz, a wbudowany model go opisze, a następnie przyjmuje pytania uzupełniające. To, co wcześniej wymagało aplikacji trzeciej strony, jest teraz kwestią jednego naciśnięcia klawisza.

Poniższa macierz porównuje, gdzie każda platforma wylądowała. Wzorzec jest spójny — opis obrazów przez AI wszędzie, rozumienie obrazu z kamery na żywo najsilniejsze na urządzeniach mobilnych, obsługa brajla pogłębiona w Apple — ale szczegóły decydują, które narzędzie pasuje do danego użytkownika. Metodologię testowania i narzędzia omawia szerzej nasz przewodnik po narzędziach do testowania czytników ekranu, a podstawowym standardem jest WCAG 2.2.

Fala Apple z maja 2025 roku zasługuje na osobną wzmiankę, ponieważ poszerzyła definicję dostępności. Braille Access zamienia iPhone’a, iPada, Maca lub Vision Pro w pełnoprawne urządzenie do notatek brajlowskich komunikujące się natywnie z odświeżalnym wyświetlaczem. Accessibility Reader to ogólnosystemowy tryb czytania dla osób słabowidzących i z dysleksją. Accessibility Nutrition Labels umieszczają informacje o funkcjach dostępności aplikacji bezpośrednio na jej stronie w App Store, dzięki czemu osoba niewidoma może sprawdzić przed pobraniem, czy aplikacja będzie działać — strukturalna zachęta, która wywiera presję na każdego dewelopera, by robił lepiej.

Jedna wcześniejsza funkcja zasługuje tu na wzmiankę: Personal Voice, która pozwala nagrać i zsyntetyzować model własnego głosu. Powstała z myślą o osobach tracących zdolność mówienia, ale wskazuje na szerszą przyszłość, w której syntetyczny głos w uchu użytkownika niewidomego może być głosem, który sam wybrał.

Wśród całego AI najbardziej zaległym przełomem był mechaniczny. Odświeżalne wyświetlacze brajlowskie przez dziesięciolecia pokazywały jeden wiersz tekstu — w porządku dla prozy, bezużyteczne dla podręcznika matematyki, mapy czy wykresu. Marzenie o pełnej stronie dynamicznego brajla i grafiki dotykowej miało w branży nawet własną nazwę — „Święty Brajl” — i przez lata pozostawało marzeniem.

W 2024 roku marzenie stało się rzeczywistością. Monarch, owoc partnerstwa American Printing House for the Blind i HumanWare, to pierwsze masowe urządzenie pokazujące dziesięć linii brajla i grafiki dotykowej na tej samej odświeżalnej powierzchni — dzięki czemu uczeń może poczuć wykres słupkowy, diagram geometryczny lub mapę i jednocześnie odczytać jej etykiety brajlowskie. Jest oparty na Androidzie, importuje pliki grafiki dotykowej i obsługuje wschodzący wieloliniowy format eBraille. Cena jest wysoka — rzędu pięciu cyfr — dlatego trafia głównie do uczniów przez finansowanie instytucjonalne, a nie do osób prywatnych. Koreański Dot Pad, tablicowy wyświetlacz dotykowy natywnie obsługiwany przez Apple, atakuje ten sam problem od strony konsumenckiej. Szerszy rynek omawia nasz przewodnik kupującego po odświeżalnych wyświetlaczach brajlowskich.

Każda sekcja powyżej zawierała kolumnę „Zastrzeżenie” z określonego powodu. Postęp jest realny, ale primer sprzedający wyłącznie zalety wyrządzałby swoim czytelnikom niedźwiedzią przysługę. Cztery ograniczenia dotyczą całego krajobrazu i każdy rzetelny nabywca powinien je rozważyć przed zapoznaniem się z materiałami marketingowymi.

Napisana uczciwie historia lat 2023–2026 to historia dramatycznie podniesionego sufitu i ledwo ruszającej się podłogi. Osoba niewidoma w 2026 roku może robić rzeczy, które w 2022 roku były science fiction — zapytać parę okularów przeciwsłonecznych, co jest na menu, poczuć pod palcami odświeżający się wykres, uzyskać opis dowolnego zdjęcia jednym naciśnięciem klawisza. To realne rozszerzenie niezależności, które dotarło szybciej, niż ktokolwiek w tej branży przewidywał.

Ale podłoga — rzeczy, które muszą działać za każdym razem — utrzymała się. Model nadal halucynuje. Kamera nadal widzi za dużo. Świetna aplikacja nadal nie może naprawić zepsutej strony internetowej ani zastąpić instruktora mobilności. Dojrzałość tego momentu nie tkwi w demonstracjach; tkwi w dokładnej wiedzy, któremu narzędziu zaufać do którego zadania i które wymagają weryfikacji. Najlepsi praktycy i użytkownicy już tak myślą: maszyna dla szybkości, człowiek na moment, który ma znaczenie, i laska w dłoni przez cały czas.

Następne trzy lata będą oceniane według podłogi, nie sufitu. Jeśli wskaźniki halucynacji spadną, jeśli dobry sprzęt stanieje i jeśli leżąca u podstaw sieć w końcu dogoni technologię wspomagającą na jej szczycie, przepaść między tym, co możliwe, a tym, co niezawodne, zamknie się. Do tego czasu obowiązuje zasada przenikająca każdą sekcję tego primeru: narzędzia to niezwykły szkic wzroku na żądanie — a ostatnie słowo należy do użytkownika, nie do modelu.