Detekce AI agentů: Jak se prohlížeče Claude, ChatGPT a Perplexity liší od lidí

V roce 2024 AI agenti přešli z experimentálních dem do produkčního provozu. Computer Use API od Anthropicu umí řídit prohlížeč. Prohlížecí nástroje ChatGPT navigují po webech, aby odpověděly na dotazy. Answer engine Perplexity prochází web v reálném čase. A rostoucí kategorie asistentů poháněných AI — Browserbase, Computer Use od Anthropicu, OpenAI Operator — vykonává komplexní webové úlohy jménem uživatelů.

Pro web tím vzniká nová kategorie návštěvníka, která se nevejde ani do jednoho ze škatulek tradiční bot detection. AI agenti nejsou scrapery, které ve velkém těží data. Nejsou to lidé proklikávající se rozhraním. Jsou něčím mezi tím — jeden návštěvník na relaci, jeden cíl na návštěvu, ale provedený strojovou rychlostí s mechanickou přesností.

Jejich detekce má jinou váhu než detekce botů. Někdy je chcete obsloužit (užitečný agent nakupující za zákazníka). Někdy je chcete zablokovat (neautorizovaný scraping přes AI wrapper). Ať tak či onak, nejdřív musíte vědět, že tam jsou.

Jak se AI agenti liší architektonicky

Provoz AI agentů na webu vytvářejí tři hlavní architektury:

Agenti řídící prohlížeč provozují headless nebo headful prohlížeč řízený LLM. Sem spadají Computer Use od Anthropicu, OpenAI Operator, Browserbase i Skyvern. Prohlížeč je skutečný Chrome nebo Chromium. Agent jej instruuje pomocí manipulace s DOM nebo přes analýzu screenshotů a kliknutí na souřadnice.

Agenti pouze přes API stahují stránky přes HTTP knihovny (Node.js, Python, Go) a předávají HTML LLM ke zpracování. Většina agentů založených na Perplexity a vyhledávání funguje takto. Není tu žádný prohlížeč — jen stahovací vrstva přivádějící text do modelu.

Hybridní agenti používají prohlížeč pro weby náročné na JavaScript a stahování přes API pro statický obsah. Do této kategorie spadá mnoho produkčních agentů, kteří se dynamicky rozhodují podle cíle.

Každá architektura zanechává jiné fingerprinty.

Signál 1. Délka relace prohlížeče

Skuteční uživatelé mají dlouhé, nesoustředěné relace. Otevírají karty, nechají se rozptýlit, vrátí se. Medián délky lidské relace u rozhodovací úlohy je 8–20 minut.

AI agenti mají krátké, soustředěné relace. Typická úloha Computer Use — rezervovat let, objednat potraviny, extrahovat data o produktu — trvá od začátku do konce 30 sekund až 3 minuty. Relace začíná načtením stránky, provede 5–30 akcí v posloupnosti a skončí.

Délka relace pod 5 minut s více než 10 samostatnými akcemi a bez přepínání karet prohlížeče je atypické lidské chování a typické chování agenta.

Signál 2. Přesnost kliknutí na souřadnice

Agenti řídící prohlížeč od Anthropicu a OpenAI používají analýzu screenshotů k identifikaci prvků rozhraní a pak klikají na souřadnice. Výpočet souřadnic je přesný na pixel.

Skuteční uživatelé klikají do oblastí. Tlačítko o rozměru 200×40 pixelů dostává kliknutí rozprostřená po celé ploše, s převahou ke středu, ale s lidskou variabilitou. AI agenti klikají v úzkém pásu — často do 2–3 pixelů od geometrického středu prvku. Sto kliknutí s průměrnou odchylkou pod 3 pixely není lidské rozdělení.

Detekce vyžaduje sběr souřadnic kliknutí a jejich analýzu vzhledem k hranicím prvku. Na datech o délce relace to funguje dobře.

Signál 3. Absence průzkumného scrollování

Lidé scrollují, aby viděli, co na stránce je. Scrollují dolů, pak zpět nahoru, pak do půlky. Zastavují se u obsahu, který upoutá jejich pozornost. Jejich stopy scrollování jsou roztrhané.

AI agenti scrollují jen, když je to nutné. Pokud je cílem kliknout na Přidat do košíku a tlačítko je nad ohybem stránky, agent nemusí scrollovat vůbec. Pokud je cílový prvek pod ohybem, agent scrolluje jednou, přímo k cíli, a pak provede akci.

Relace s méně než 2 změnami směru scrollování nebo s rychlostí scrollování konstantní napříč všemi událostmi scrollování naznačují prohlížení řízené úlohou, ne průzkum.

Signál 4. Časování textového vstupu

Skuteční uživatelé píší rychlostí 30–60 slov za minutu, s proměnlivými pauzami, občasným mazáním a mikroopravami. Časování stisků kláves sleduje rozdělení s vysokou variabilitou a nenulovou mírou mazání.

AI agenti vyplňují formuláře vkládáním hodnot nebo simulací stisků kláves v pevném rytmu — často 50–100 znaků za sekundu, rovnoměrně, bez mazání. Pole vyplněné za 200 ms řetězcem o 30 znacích a nulovým počtem backspace není lidský vstup.

Signál 5. Absence překlepů

Související, ale odlišné: lidé dělají překlepy. Na 1000 znacích textového vstupu skuteční uživatelé vyprodukují 15–40 oprav. AI agenti nula. Odeslání formuláře se 3 poli o celkem 100+ znacích a nulovým počtem oprav je pro člověka neobvyklé.

Signál 6. Nesrovnalosti v user agentu

Někteří AI agenti používají vlastní user agenty, kteří je explicitně identifikují: perplexity-user, ChatGPT-User, ClaudeBot. Jde o zdvořilé agenty, kteří dodržují konvenci sebeidentifikace a často respektují robots.txt.

Detekce je zde triviální — přečtěte user agent, porovnejte se známými seznamy. Hodnota spočívá v tom, že víte, kdy je obsloužit jinak (nebo je zablokovat, pokud scraping nechcete).

Jiní agenti provozují frameworky řídící prohlížeč a přebírají user agent, který prohlížeč používá — typicky Chrome. Ti se z user agentu samotného identifikují hůř a vyžadují behaviorální signály.

Signál 7. WebGL rendering v headless režimu

Agenti řídící prohlížeč, kteří používají Chromium v headless režimu, odhalují renderer SwiftShader, o němž jsme mluvili v článku o Puppeteeru. Jakákoli relace, kde WebGL renderer obsahuje SwiftShader a návštěvník provede 10+ záměrných akcí, je téměř jistě AI agent řídící prohlížeč.

Novější agentní frameworky (Browserbase, některé konfigurace Skyvern) provozují headful Chrome, aby se tomuto signálu vyhnuly. Prezentují skutečné GPU řetězce. To znamená, že samotné WebGL nestačí k detekci moderních agentů — je nutné jako počáteční filtr, ne jako úplné řešení.

Signál 8. Dokonalé dodržování struktury stránky

Skuteční uživatelé klikají na odkazy i tehdy, když právě probíhá přesměrování stránky. Přerušují sami sebe. Kliknou dvakrát, když by stačilo jednou. Klikají na věci, které nejsou odkazy.

AI agenti následují DOM. Když chtějí navigovat, vyvolají akci proti konkrétnímu prvku. Neklikají na špatný prvek ani neobnovují stránku uprostřed načítání. Jejich relace se odvíjejí s mechanickou linearitou, jakou žádný rozptýlený člověk nevytvoří.

Stopy relace s dokonalým dodržováním — každé kliknutí na platný prvek, každé pole formuláře vyplněné v pořadí DOM, každý přechod stránky předcházený záměrnou akcí — se čtou jako řízené agentem.

Signál 9. Čas do interakce je nulový

Skuteční uživatelé potřebují čas na zpracování stránky. Čtou. Prohlížejí. Než začnou jednat, porozumí.

AI agenti parsují DOM okamžitě. Doba mezi dokončením načtení stránky a první uživatelskou akcí je u skutečného uživatele typicky 1,5–4 sekundy i na jednoduchých stránkách. U AI agentů to může být pod 200 ms — čas, který LLM potřebuje k identifikaci cílového prvku v DOM.

Velmi rychlý čas první akce na stránce vyžadující porozumění obsahu je silný signál agenta.

Signál 10. Vzorce HTTP stahování u agentů pouze přes API

Perplexity, některé toky Claude s použitím nástrojů a většina agentů založených na vyhledávání neprovozují prohlížeče. Stahují stránky přímo přes HTTP knihovny.

Tito agenti zanechávají TLS a HTTP signály, o nichž jsme mluvili dříve — fingerprint Node.js undici, fingerprint Python requests, fingerprint Go net/http. Typicky nespouštějí JavaScript, takže nespouštějí detekci na straně klienta vůbec.

Detekce agentů pouze přes API probíhá na síťové vrstvě: TLS JA4 hashe, řazení HTTP hlaviček, chybějící chování specifické pro prohlížeč (žádné stažení faviconu, žádný analytický beacon, žádné požadavky na fonty). Pokud chcete tyto agenty identifikovat, musíte sledovat, co se neděje, stejně jako to, co se děje.

Signál 11. Cíle relace formované úlohou

Nejsilnější signál není technický — je behaviorální. Relace AI agentů jsou cílené způsobem, jakým lidské relace jen zřídka bývají.

Skutečný uživatel hledající produkt si možná prohlédne 8 položek, porovná specifikace napříč 3 kartami, přečte recenze, vzdá to a vrátí se za hodinu, a pak koupí. AI agent přejde k produktu, extrahuje specifikace, přidá do košíku, projde pokladnou. Pod 90 sekund. Bez odchylky.

Detekční systémy, které sledují míru dokončení cíle na úrovni relace, dokážou identifikovat provoz agentů podle hustoty úspěšného dokončení úloh v krátkých relacích. Je to pomalejší signál, ale vysoce spolehlivý, když se zkombinuje se signály na úrovni jednotlivých akcí.

Obsluha agentů odlišně

Jakmile je provoz AI agentů identifikován, lze jej řešit několika způsoby:

• Zablokovat — pokud web nechce automatizovaný přístup, odmítněte na okraji sítě. Levné a jednoduché.

• Obsloužit alternativním obsahem — odpovězte verzí optimalizovanou pro API (JSON, strukturovaná data), jejíž generování je levnější než plná HTML stránka.

• Omezit rychlost — povolte agenty, ale omezte jejich frekvenci požadavků, abyste zachovali výkon webu.

• Zpoplatnit — některé weby začínají účtovat AI firmám za programový přístup k jejich datům. Detekce je předpokladem fakturace.

• Obsloužit normálně — pokud agent jedná jménem skutečného zákazníka, jeho obsluha je byznys.

Různé weby udělají různá rozhodnutí. Technicky je podstatné mít detekci na svém místě, aby ta volba byla k dispozici.

Pohyblivý cíl

Frameworky AI agentů se zlepšují každý měsíc. Anthropic dodává aktualizace Computer Use, které přidávají variabilitu scrollování. Browserbase přidává chvění myši. OpenAI Operator zavádí simulaci překlepů. Každá generace frameworku uzavírá část detekční plochy popsané výše.

Techniky, které fungují v roce 2026, budou do roku 2027 potřebovat aktualizaci. Ale základní realita se nezmění: AI agenti vykonávají úlohy. Lidé weby prožívají. Tato asymetrie produkuje signál, ať už agenti používají k pokusu o splynutí jakékoli konkrétní techniky.

Detekční stacky, které berou AI agenty jako trvalou, vyvíjející se kategorii — ne jako jednou provždy vyřešený problém — si udrží viditelnost. Ty, které nasadí jediný detektor a jdou dál, zjistí, že jejich pokrytí tiše upadá.