Ir para o conteúdo
Por NiLu Atualizado

Web agent-ready — o que muda quando parte da audiência não é humana

Três camadas — descobrir, citar, executar — organizam o que muda quando bots e agentes leem seu site, com prioridade e limites claros.

Resumo do artigo

  • 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.
  • Três jobs distintos — descobrir, citar e executar — organizam prioridade melhor do que tratar tudo como "SEO com mais schema".
  • Para o Google, otimizar para recursos de IA no Search ainda é SEO: sem markup especial nem llms.txt como requisito.
  • Execução por agentes (WebMCP) é experimental e não deve orientar orçamento hoje.

Uma parte da audiência não é humana

Nem 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] 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]

Um 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]

Três camadas: descobrir, citar, executar

É útil separar três jobs que costumam ser embrulhados juntos sob “SEO para IA”:

  • Descobrir — ser rastreado, indexado e elegível a aparecer em recursos de busca, incluindo os gerados por IA.
  • 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.
  • Executar — um agente chamar ações diretamente no site (preencher formulário, comprar, agendar). Hoje isso é experimental.

Para 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] [5]

Para 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] Não existe hoje um “placar” público de posição de citação equivalente ao ranking de busca.

A 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] [8]

Por que não é só “SEO com mais schema”

O 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] 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]

Isso 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] [2]

O que priorizar primeiro

  • 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] [5]
  • 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.
  • 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] [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]
  • 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]
  • Execução (WebMCP) — observar, sem apostar orçamento; ainda é origin trial e draft de comunidade.

Onde fica o hype

O 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]

Mesmo 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] 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] [17]

A 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]

Incertezas

  • 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.
  • Não há lista pública dos critérios exatos que o Google usa para escolher quais links aparecem como suporte em AI Overviews.
  • Não se sabe quando (ou se) WebMCP deixa de ser origin trial / draft de comunidade e se torna padrão estável entre navegadores.
  • 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.
  • Não há estudo público que converta métricas sintéticas de “visibilidade em IA” em impressões, cliques ou receita reais de publishers.

Referências

  1. Chrome for Developers — A developer toolkit to make your website agent-ready. Chrome for Developers. Acesso em 07 ago. 2026.
  2. W3C — The W3C TAG Meeting in London, March 2026. W3C. Acesso em 07 ago. 2026.
  3. Imperva — 2025 Bad Bot Report. Imperva. Acesso em 07 ago. 2026.
  4. Google Search Central — Optimizing your website for generative AI features on Google Search. Google. Acesso em 07 ago. 2026.
  5. Google Search Central — AI features and your website. Google. Acesso em 07 ago. 2026.
  6. OpenAI — Introducing ChatGPT search. OpenAI. Acesso em 07 ago. 2026.
  7. Chrome for Developers — WebMCP. Chrome for Developers. Acesso em 07 ago. 2026.
  8. W3C Web Machine Learning Community Group — WebMCP API (Draft Community Group Report). W3C WebML CG. Acesso em 07 ago. 2026.
  9. Google Search Central Blog — Succeeding in AI search. Google. Acesso em 07 ago. 2026.
  10. OpenAI — Crawler / bot documentation. OpenAI. Acesso em 07 ago. 2026.
  11. Anthropic — Does Anthropic crawl data from the web, and how can site owners block the crawler?. Anthropic. Acesso em 07 ago. 2026.
  12. Fastly — New Fastly threat research reveals AI crawlers make up almost 80% of AI bot traffic. Fastly. Acesso em 07 ago. 2026.
  13. Ahrefs — We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read. Ahrefs. Acesso em 07 ago. 2026.
  14. Aggarwal et al. — GEO: Generative Engine Optimization. arXiv. Acesso em 07 ago. 2026.
  15. Pew Research Center — 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.
  16. Digiday — Google AI Overviews linked to publisher referral traffic drops, new data shows. Digiday. Acesso em 07 ago. 2026.
  17. Digiday — In graphic detail: AI platforms are driving more traffic, but not enough to offset zero-click search. Digiday. Acesso em 07 ago. 2026.
  18. Liu et al. — Evaluating Verifiability in Generative Search Engines. arXiv. Acesso em 07 ago. 2026.