{
  "schemaVersion": "1.0",
  "kind": "nilu.article",
  "id": "web-agent-ready-overview",
  "slug": "web-agent-ready-overview",
  "locale": "pt-br",
  "sourceLocale": "pt-br",
  "localizationStatus": "source",
  "title": "Web agent-ready — o que muda quando parte da audiência não é humana",
  "summary": "Três camadas — descobrir, citar, executar — organizam o que muda quando bots e agentes leem seu site, com prioridade e limites claros.",
  "author": "NiLu",
  "publishedAt": "2026-08-07T00:00:00.000Z",
  "updatedAt": "2026-08-07T00:00:00.000Z",
  "canonicalUrl": "https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview/",
  "representations": {
    "html": "https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview/",
    "markdown": "https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview.md",
    "json": "https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview.json"
  },
  "bodyMarkdown": "# Web agent-ready — o que muda quando parte da audiência não é humana\n\nTrês camadas — descobrir, citar, executar — organizam o que muda quando bots e agentes leem seu site, com prioridade e limites claros.\n\nAuthor: NiLu\nLocale: pt-br\nPublished: 2026-08-07\nUpdated: 2026-08-07\nCanonical: https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview/\nMarkdown: https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview.md\nJSON: https://blog.nilu.pro/pt-br/blog/web-agent-ready-overview.json\n\n## Resumo do artigo\n\n- Parte do tráfego que chega a um site sempre foi automatizada; o que mudou é que uma fração dela também gera respostas de IA — e, de forma ainda experimental, age em nome de um usuário.\n- Três jobs distintos — descobrir, citar e executar — organizam prioridade melhor do que tratar tudo como \"SEO com mais schema\".\n- Para o Google, otimizar para recursos de IA no Search ainda é SEO: sem markup especial nem llms.txt como requisito.\n- Execução por agentes (WebMCP) é experimental e não deve orientar orçamento hoje.\n\n## Índice\n\n- [Uma parte da audiência não é humana](#audiencia-nao-humana)\n- [Três camadas: descobrir, citar, executar](#tres-camadas)\n- [Por que não é só \"SEO com mais schema\"](#por-que-nao-e-so-seo-com-schema)\n- [O que priorizar primeiro](#o-que-priorizar-primeiro)\n- [Onde fica o hype](#onde-fica-o-hype)\n- [Incertezas](#incertezas)\n\n<a id=\"audiencia-nao-humana\"></a>\n\n## Uma parte da audiência não é humana\n\nNem todo visitante de um site é uma pessoa lendo em um navegador. Parte do tráfego sempre foi de crawlers e ferramentas automatizadas; o que mudou é que uma fração dela agora também é usada para compor respostas em ferramentas de busca com IA e, de forma ainda experimental, para agir diretamente em nome de um usuário. O Chrome for Developers descreve essa mudança como dois estágios do \"agentic web\": agentes que buscam (searching, onde os fundamentos de SEO continuam valendo) e agentes que usam o site diretamente (using, onde entram árvore de acessibilidade, estabilidade de layout e, no limite, WebMCP). [[1]](#ref-1) A W3C Technical Architecture Group discutiu, num encontro de março de 2026, como distinguir humanos, bots e agentes agindo em nome de usuários na arquitetura da Web — um debate em andamento, sem conclusão fechada publicada no post. [[2]](#ref-2)\n\nUm número costuma circular para ilustrar essa mudança: o relatório Bad Bot 2025 da Imperva, com base na rede própria do fornecedor em 2024, registrou tráfego automatizado (51%) superando o tráfego humano (49%), sendo 37% classificado como bot malicioso e 14% como bot \"bom\". É telemetria de um vendor de segurança sobre a própria base de clientes — não um censo da web — e \"automatizado\" não é sinônimo de \"agente de IA\". Use esse número para justificar política de crawl e monitoramento de bots, não para orçar \"presença em agentes\". [[3]](#ref-3)\n\n<a id=\"tres-camadas\"></a>\n\n## Três camadas: descobrir, citar, executar\n\nÉ útil separar três jobs que costumam ser embrulhados juntos sob \"SEO para IA\":\n\n- **Descobrir** — ser rastreado, indexado e elegível a aparecer em recursos de busca, incluindo os gerados por IA.\n- **Citar** — ser usado como evidência, com link e atribuição, dentro de uma resposta gerativa. Não é a mesma coisa que ocupar uma posição estável de ranking.\n- **Executar** — um agente chamar ações diretamente no site (preencher formulário, comprar, agendar). Hoje isso é experimental.\n\nPara a camada Descobrir, o guia do Google Search Central para recursos de IA generativa afirma que essas funcionalidades estão apoiadas nos mesmos sistemas centrais de qualidade e ranking do Search, e que não existem markup especial de IA nem exigência de arquivo `llms.txt` — otimizar para elas ainda é otimizar para o Search. A documentação \"AI features and your website\" reforça que não há requisito técnico além de estar indexado e elegível a snippet. [[4]](#ref-4) [[5]](#ref-5)\n\nPara a camada Citar, engines generativas recuperam conteúdo e sintetizam respostas com atribuição — a OpenAI descreve o ChatGPT search assim, com uma barra lateral de fontes. [[6]](#ref-6) Não existe hoje um \"placar\" público de posição de citação equivalente ao ranking de busca.\n\nA camada Executar depende de WebMCP, uma proposta ainda em origin trial no Chrome (a partir da versão 149) e documentada pelo W3C Web Machine Learning Community Group como Draft Community Group Report — explicitamente, não é um padrão W3C nem está no caminho para se tornar um. Tem limitações relevantes: exige um contexto de navegador aberto, não funciona sem interface (headless) e a descoberta de capacidades exige visitar o site diretamente. [[7]](#ref-7) [[8]](#ref-8)\n\n<a id=\"por-que-nao-e-so-seo-com-schema\"></a>\n\n## Por que não é só \"SEO com mais schema\"\n\nO mesmo guia do Google lista, entre os equívocos a evitar, apostar em `llms.txt`, markup especial de IA, dividir conteúdo em \"chunks\" para IA ou reescrever textos só para agentes. Dados estruturados continuam úteis quando correspondem ao conteúdo visível — não como atalho de citação. [[4]](#ref-4) O artigo \"Succeeding in AI search\", do Search Central Blog, estende o mesmo conselho people-first e os mesmos requisitos técnicos de sempre (rastreamento, indexação, snippet) às respostas geradas por IA. [[9]](#ref-9)\n\nIsso não invalida separar descobrir, citar e executar — só evita transformar o mapa em ciência comprovada. A linguagem de \"searching vs. using\" do Chrome e de \"humans, bots, agents\" da TAG apoia o vocabulário, mas é linguagem de implementador e de arquitetura, não prova de que o modelo é a melhor forma de descrever 2026. Tratamos as três camadas como hipótese de trabalho testada contra a evidência disponível — não como framework fechado. [[1]](#ref-1) [[2]](#ref-2)\n\n<a id=\"o-que-priorizar-primeiro\"></a>\n\n## O que priorizar primeiro\n\n- **Fundação de SEO** — rastreamento, indexação, elegibilidade a snippet e conteúdo people-first. É a base documentada para aparecer em qualquer recurso de busca com IA. [[4]](#ref-4) [[5]](#ref-5)\n- **Representações limpas** — HTML semântico e conteúdo principal bem distinguível de menus e rodapés; negociar Markdown (`Accept: text/markdown`) é um recurso complementar quando o stack suporta, não uma exigência do Search.\n- **Política de crawl** — separar bots de treinamento dos bots de busca/citação. A OpenAI distingue GPTBot (treinamento), OAI-SearchBot (indexação de busca) e ChatGPT-User (busca em tempo real do usuário); a Anthropic documenta como bloquear seu crawler. [[10]](#ref-10) [[11]](#ref-11) Fornecedores de borda relatam que crawlers de IA já respondem por parcela relevante do tráfego de bots observado nas próprias redes — a Fastly citou quase 80% do tráfego de bots de IA identificado em sua análise; use esse tipo de número para dimensionar custo de banda e origem, não como estatística global da web. [[12]](#ref-12)\n- **Métricas reais** — Search Console (incluindo relatórios de impressão para recursos gen-AI, quando existirem), sessões e conversão — não arquivos `llms.txt` publicados \"porque todo mundo tem\". Um estudo da Ahrefs com cerca de 137 mil sites encontrou que 97% dos arquivos `llms.txt` publicados não receberam nenhuma requisição no mês analisado. [[13]](#ref-13)\n- **Execução (WebMCP)** — observar, sem apostar orçamento; ainda é origin trial e draft de comunidade.\n\n<a id=\"onde-fica-o-hype\"></a>\n\n## Onde fica o hype\n\nO paper que definiu o termo GEO (Generative Engine Optimization) relatou um ganho relativo de visibilidade \"de até 40%\" — mas em um ambiente experimental dos próprios autores, com um pipeline específico (top-5 do Google reprocessado por um modelo no estilo GPT-3.5), não em um produto de ranking público. É evidência de método, não previsão de retorno de negócio. [[14]](#ref-14)\n\nMesmo quando um conteúdo é citado, isso não equivale a uma visita. O Pew Research Center encontrou, numa análise correlacional, taxa de clique em links orgânicos de cerca de 8% quando um resumo de IA aparecia nos resultados do Google, contra cerca de 15% quando não aparecia; só por volta de 1% dos usuários clicou em links dentro do próprio resumo. [[15]](#ref-15) Reportagens do Digiday, citando dados da Digital Content Next, relataram mediana de aproximadamente -10% ano a ano no tráfego de referência vindo do Google entre publishers (com variação ampla entre casos) associada a AI Overviews; outra reportagem, citando a Similarweb, apontou zero-click em buscas de notícias subindo de cerca de 56% para 69%, com o tráfego vindo de plataformas de IA crescendo sem compensar essa perda. São dados de imprensa especializada sobre coortes específicas — úteis como sinal de pressão econômica, não como prova causal universal. [[16]](#ref-16) [[17]](#ref-17)\n\nA qualidade da própria citação também é frágil: um estudo de 2023 (Liu et al.) mediu recall de citação por frase em torno de 51,5% em mecanismos de busca generativa avaliados — quase metade das frases geradas sem uma citação verificável adequada no snapshot estudado. [[18]](#ref-18)\n\n<a id=\"incertezas\"></a>\n\n## Incertezas\n\n- Não se sabe se o modelo de três camadas de fato ajuda a tomar melhores decisões de orçamento, ou só organiza a narrativa sem mudar resultados.\n- Não há lista pública dos critérios exatos que o Google usa para escolher quais links aparecem como suporte em AI Overviews.\n- Não se sabe quando (ou se) WebMCP deixa de ser origin trial / draft de comunidade e se torna padrão estável entre navegadores.\n- Não é possível separar, nos números de tráfego \"automatizado\" tipo Imperva, qual fração é agente agindo em nome de um usuário e qual é crawler ou scraper comum.\n- Não há estudo público que converta métricas sintéticas de \"visibilidade em IA\" em impressões, cliques ou receita reais de publishers.\n\n## Referências\n\n1. <a id=\"ref-1\"></a>[Chrome for Developers — A developer toolkit to make your website agent-ready](https://developer.chrome.com/blog/agent-ready-toolkit). Chrome for Developers. Acesso em 07 ago. 2026.\n2. <a id=\"ref-2\"></a>[W3C — The W3C TAG Meeting in London, March 2026](https://www.w3.org/blog/2026/the-w3c-tag-meeting-in-london-march-2026/). W3C. Acesso em 07 ago. 2026.\n3. <a id=\"ref-3\"></a>[Imperva — 2025 Bad Bot Report](https://www.imperva.com/resources/reports/2025-Bad-Bot-Report.pdf). Imperva. Acesso em 07 ago. 2026.\n4. <a id=\"ref-4\"></a>[Google Search Central — Optimizing your website for generative AI features on Google Search](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide). Google. Acesso em 07 ago. 2026.\n5. <a id=\"ref-5\"></a>[Google Search Central — AI features and your website](https://developers.google.com/search/docs/appearance/ai-features). Google. Acesso em 07 ago. 2026.\n6. <a id=\"ref-6\"></a>[OpenAI — Introducing ChatGPT search](https://openai.com/index/introducing-chatgpt-search/). OpenAI. Acesso em 07 ago. 2026.\n7. <a id=\"ref-7\"></a>[Chrome for Developers — WebMCP](https://developer.chrome.com/docs/ai/webmcp). Chrome for Developers. Acesso em 07 ago. 2026.\n8. <a id=\"ref-8\"></a>[W3C Web Machine Learning Community Group — WebMCP API (Draft Community Group Report)](https://webmachinelearning.github.io/webmcp/). W3C WebML CG. Acesso em 07 ago. 2026.\n9. <a id=\"ref-9\"></a>[Google Search Central Blog — Succeeding in AI search](https://developers.google.com/search/blog/2025/05/succeeding-in-ai-search). Google. Acesso em 07 ago. 2026.\n10. <a id=\"ref-10\"></a>[OpenAI — Crawler / bot documentation](https://developers.openai.com/api/docs/bots). OpenAI. Acesso em 07 ago. 2026.\n11. <a id=\"ref-11\"></a>[Anthropic — Does Anthropic crawl data from the web, and how can site owners block the crawler?](https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler). Anthropic. Acesso em 07 ago. 2026.\n12. <a id=\"ref-12\"></a>[Fastly — New Fastly threat research reveals AI crawlers make up almost 80% of AI bot traffic](https://www.fastly.com/press/press-releases/new-fastly-threat-research-reveals-ai-crawlers-make-up-almost-80-of-ai-bot). Fastly. Acesso em 07 ago. 2026.\n13. <a id=\"ref-13\"></a>[Ahrefs — We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read](https://ahrefs.com/blog/llmstxt-study/). Ahrefs. Acesso em 07 ago. 2026.\n14. <a id=\"ref-14\"></a>[Aggarwal et al. — GEO: Generative Engine Optimization](https://arxiv.org/abs/2311.09735). arXiv. Acesso em 07 ago. 2026.\n15. <a id=\"ref-15\"></a>[Pew Research Center — Google users are less likely to click on links when an AI summary appears in the results](https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/). Pew Research Center. Acesso em 07 ago. 2026.\n16. <a id=\"ref-16\"></a>[Digiday — Google AI Overviews linked to publisher referral traffic drops, new data shows](https://digiday.com/media/google-ai-overviews-linked-to-25-drop-in-publisher-referral-traffic-new-data-shows/). Digiday. Acesso em 07 ago. 2026.\n17. <a id=\"ref-17\"></a>[Digiday — In graphic detail: AI platforms are driving more traffic, but not enough to offset zero-click search](https://digiday.com/media/in-graphic-detail-ai-platforms-are-driving-more-traffic-but-not-enough-to-offset-zero-click-search/). Digiday. Acesso em 07 ago. 2026.\n18. <a id=\"ref-18\"></a>[Liu et al. — Evaluating Verifiability in Generative Search Engines](https://arxiv.org/abs/2304.09848). arXiv. Acesso em 07 ago. 2026.\n"
}