대규모 언어 모델 (LLMs)이 기능적인 사용자 인터페이스 (User Interfaces)를 합성하는 능력이 점점 향상됨에 따라, 접근성 컴퓨팅 (Accessibility Computing) 분야에서 근본적인 질문이 제기됩니다: extit{AI 기반 접근성 시스템은 어디까지 도달할 수 있는가?} 본 논문은 자율 접근성 시스템의 운영 한계와 확장 잠재력을 추론하기 위한 공식적 프레임워크인 extit{접근성 역량 경계 (Accessibility Capability Boundary, ACB)}를 소개하며, 이 이론을 실제 시스템 결과물에 기반하여 정립합니다. 우리는 접근성을 단순한 이진적 준수 속성이 아니라, 배포 지연 시간 (Deployment Latency), 인지 부하 (Cognitive Load), 인프라 의존성 (Infrastructure Dependency), 오프라인 지속성 (Offline Persistence), 상호작용 복잡성 (Interaction Complexity), 그리고 적응성 (Adaptability)을 포함한 측정 가능한 변수들에 의해 제약되는 동적이고 다차원적인 역량 공간 (Capability Space)으로 모델링합니다. 우리는 표준 브라우저 API (Browser APIs)를 활용하여 단일 파일 HTML 결과물로 구축된 AI 생성 브라우저 네이티브 시스템이, 배포 마찰을 거의 제로에 가깝게 줄이고 신속하며 문맥 특화적인 인터페이스 적응을 가능하게 함으로써 ACB를 극적으로 확장할 수 있다고 주장합니다. 우리는 두 가지 실제 탐색적 프로토타입의 분석을 통해 이론적 프레임워크를 뒷받침합니다. 첫 번째는 네팔의 시각 장애인을 위해 배포된 AI 생성 브라우저 네이티브 접근성 인터페이스입니다. 두 번째는 구체적인 시스템 결과물로서 역할을 하는, 시각 장애인을 위한 완전한 기능을 갖춘 오픈 소스 웹캠 정렬 보조 도구입니다. 공식적인 정의, 명제, 그리고 비교 평가 매트릭스를 통해, 우리는 이러한 시스템이 도달할 수 있는 영역과 도달할 수 없는 접근성 역량 공간의 영역을 규정합니다. 나아가 우리는 이 패러다임의 엄격한 경계를 구성하는 남아있는 계산적, 인프라적, 그리고 검증적 제약 사항들을 식별합니다. 본 연구는 자율 접근성 컴퓨팅의 확장 가능한 한계를 이해하기 위한 이론적 토대를 제공하며, 접근성 인지 AI 시스템 (Accessibility-aware AI Systems)에 대한 향후 연구 과제를 제안합니다.