Detectando agentes de IA: como os navegadores do Claude, do ChatGPT e do Perplexity diferem dos humanos

Em 2024, os agentes de IA saíram das demos experimentais para o tráfego de produção. A API Computer Use do Claude consegue conduzir um navegador. As ferramentas de navegação do ChatGPT percorrem sites para responder consultas. O motor de respostas do Perplexity rastreia em tempo real. E uma categoria crescente de assistentes com IA — Browserbase, o Computer Use da Anthropic, o OpenAI Operator — executa tarefas web de ponta a ponta em nome dos usuários.

Para um site, isso cria uma nova categoria de visitante que não se encaixa em nenhum dos baldes da detecção de bots tradicional. Agentes de IA não são scrapers extraindo dados em escala. Não são humanos clicando por uma interface. São algo intermediário — um visitante por sessão, um objetivo por visita, mas executando em velocidade de máquina com precisão mecânica.

Detectá-los importa de um jeito diferente de detectar bots. Às vezes você quer atendê-los (um agente útil comprando para um cliente). Às vezes você quer bloqueá-los (scraping não autorizado por meio de um wrapper de IA). De um jeito ou de outro, primeiro você precisa saber que eles estão lá.

Como os agentes de IA diferem em arquitetura

Três arquiteturas principais produzem tráfego de agentes de IA na web:

Agentes que conduzem navegador rodam um navegador headless ou headful controlado por um LLM. O Computer Use da Anthropic, o OpenAI Operator, o Browserbase e o Skyvern se encaixam aqui. O navegador é um Chrome ou Chromium real. O agente o instrui por manipulação do DOM ou por análise de screenshots e cliques em coordenadas.

Agentes somente API buscam páginas via bibliotecas HTTP (Node.js, Python, Go) e passam o HTML a um LLM para processamento. A maioria dos agentes do Perplexity e dos agentes baseados em busca funciona assim. Não há navegador — apenas uma camada de fetch alimentando texto a um modelo.

Agentes híbridos usam navegador para sites pesados em JavaScript e fetch via API para conteúdo estático. Muitos agentes em produção caem nessa categoria, escolhendo dinamicamente conforme o alvo.

Cada arquitetura deixa fingerprints diferentes.

Sinal 1. Duração da sessão de navegador

Usuários reais têm sessões longas e dispersas. Abrem abas, se distraem, voltam. A duração mediana de uma sessão humana em uma tarefa de decisão é de 8–20 minutos.

Agentes de IA têm sessões curtas e focadas. Uma tarefa típica do Computer Use — reservar um voo, pedir compras de mercado, extrair dados de produto — leva de 30 segundos a 3 minutos de ponta a ponta. A sessão começa com o carregamento da página, executa de 5 a 30 ações em sequência e termina.

Uma sessão com menos de 5 minutos, mais de 10 ações discretas e nenhuma troca de aba é comportamento humano atípico e comportamento de agente típico.

Sinal 2. Precisão do clique em coordenadas

Os agentes que conduzem navegador da Anthropic e da OpenAI usam análise de screenshots para identificar elementos de UI e então clicam em coordenadas. O cálculo da coordenada é preciso ao pixel.

Usuários reais clicam dentro de regiões. Um botão de 200x40 pixels recebe cliques distribuídos por toda a área, com peso maior no centro, mas com variância humana. Agentes de IA clicam dentro de uma faixa estreita — muitas vezes a 2–3 pixels do centro geométrico do elemento. Cem cliques com desvio médio abaixo de 3 pixels não é uma distribuição humana.

A detecção exige coletar as coordenadas dos cliques e analisá-las em relação aos limites dos elementos. Isso funciona bem com dados no nível da sessão.

Sinal 3. Ausência de scroll exploratório

Humanos fazem scroll para ver o que há na página. Descem, voltam, param no meio. Pausam em conteúdo que chama a atenção. Seus traçados de scroll são irregulares.

Agentes de IA fazem scroll só quando necessário. Se o objetivo é clicar em Adicionar ao carrinho e o botão está acima da dobra, o agente pode nunca fazer scroll. Se o elemento-alvo está abaixo da dobra, o agente rola uma única vez, direto até o alvo, e executa.

Sessões com menos de 2 mudanças de direção de scroll, ou com velocidade de scroll constante em todos os eventos, indicam navegação orientada a tarefa, não exploração.

Sinal 4. Temporização da entrada de texto

Usuários reais digitam a uma taxa de 30–60 palavras por minuto, com pausas variáveis, exclusões ocasionais e microcorreções. A temporização das teclas segue uma distribuição com alta variância e taxa de exclusão diferente de zero.

Agentes de IA preenchem formulários colando valores ou simulando teclas em cadência fixa — muitas vezes 50–100 caracteres por segundo, de modo uniforme, sem exclusões. Um campo preenchido em 200ms com uma string de 30 caracteres e zero backspaces não é entrada humana.

Sinal 5. Ausência de erros de digitação

Relacionado, mas distinto: humanos erram ao digitar. Em 1000 caracteres de entrada de texto, usuários reais produzem de 15 a 40 correções. Agentes de IA produzem zero. Um envio de formulário com 3 campos totalizando mais de 100 caracteres e zero correções é incomum para um humano.

Sinal 6. Inconsistências de user agent

Alguns agentes de IA usam user agents personalizados que os identificam explicitamente: perplexity-user, ChatGPT-User, ClaudeBot. São agentes educados, que seguem a convenção de autoidentificação e frequentemente respeitam o robots.txt.

A detecção aqui é trivial — ler o user agent e comparar com listas conhecidas. O valor está em saber quando servi-los de forma diferente (ou bloqueá-los, se você não quiser scraping).

Outros agentes rodam frameworks que conduzem navegador e herdam o user agent que o navegador usar — tipicamente Chrome. Esses são mais difíceis de identificar apenas pelo user agent e exigem sinais comportamentais.

Sinal 7. Renderização de WebGL em headless

Agentes que conduzem navegador usando o Chromium em modo headless expõem o renderer SwiftShader que discutimos no artigo sobre o Puppeteer. Qualquer sessão em que o renderer de WebGL contenha SwiftShader e o visitante execute mais de 10 ações deliberadas é quase certamente um agente de IA conduzindo um navegador.

Frameworks de agente mais novos (Browserbase, algumas configurações do Skyvern) rodam Chrome headful para evitar esse sinal. Eles apresentam strings de GPU reais. Isso significa que o WebGL sozinho é insuficiente para detectar agentes modernos — necessário como filtro inicial, não como solução completa.

Sinal 8. Aderência perfeita à estrutura da página

Usuários reais clicam em links mesmo quando um redirecionamento de página está em andamento. Interrompem a si mesmos. Dão clique duplo quando um clique bastaria. Clicam em coisas que não são links.

Agentes de IA seguem o DOM. Quando querem navegar, emitem uma ação contra um elemento específico. Não clicam no elemento errado nem recarregam no meio do carregamento. Suas sessões se desenrolam com uma linearidade mecânica que nenhum humano distraído produz.

Traçados de sessão com aderência perfeita — todo clique em um elemento válido, todo campo de formulário preenchido na ordem do DOM, toda transição de página precedida por uma ação intencional — se leem como conduzidos por agente.

Sinal 9. Tempo até a interação igual a zero

Usuários reais precisam de tempo para processar uma página. Eles leem. Escaneiam. Entendem antes de agir.

Agentes de IA fazem o parse do DOM instantaneamente. O intervalo entre o carregamento completo da página e a primeira ação do usuário, para um usuário real, é tipicamente de 1,5–4 segundos, mesmo em páginas simples. Para agentes de IA, pode ficar abaixo de 200ms — o tempo que o LLM leva para identificar o elemento-alvo no DOM.

Um tempo de primeira ação muito rápido em uma página que exige compreensão do conteúdo é um forte sinal de agente.

Sinal 10. Padrões de fetch HTTP dos agentes somente API

O Perplexity, alguns fluxos de tool use do Claude e a maioria dos agentes baseados em busca não rodam navegadores. Eles buscam as páginas diretamente via bibliotecas HTTP.

Esses agentes deixam os sinais de TLS e HTTP que discutimos antes — fingerprint do undici do Node.js, fingerprint do requests do Python, fingerprint do net/http do Go. Eles tipicamente não executam JavaScript, então não acionam nenhuma detecção no lado do cliente.

A detecção de agentes somente API acontece na camada de rede: hashes JA4 de TLS, ordenação dos headers HTTP, comportamentos de navegador ausentes (nenhum fetch de favicon, nenhum beacon de analytics, nenhuma requisição de fontes). Se você quer identificar esses agentes, precisa olhar tanto para o que não está acontecendo quanto para o que está.

Sinal 11. Objetivos de sessão em formato de tarefa

O sinal mais forte não é técnico — é comportamental. As sessões de agentes de IA são orientadas a objetivo de um jeito que sessões humanas raramente são.

Um usuário real procurando um produto pode olhar 8 itens, comparar especificações em 3 abas, ler avaliações, abandonar e voltar uma hora depois, e então comprar. Um agente de IA vai até o produto, extrai as especificações, adiciona ao carrinho, finaliza a compra. Em menos de 90 segundos. Sem desvios.

Sistemas de detecção que acompanham taxas de conclusão de objetivo no nível da sessão conseguem identificar tráfego de agente pela densidade de tarefas concluídas com sucesso em sessões curtas. É um sinal mais lento, mas altamente confiável quando combinado com sinais por ação.

Servindo agentes de forma diferente

Uma vez identificado, o tráfego de agentes de IA pode ser tratado de várias formas:

• Bloquear — se o site não quer acesso automatizado, negar na borda. Barato e simples.

• Servir conteúdo alternativo — responder com uma versão otimizada para API (JSON, dados estruturados) que é mais barata de gerar do que a página HTML completa.

• Limitar a taxa — permitir agentes, mas restringir sua taxa de requisições para preservar o desempenho do site.

• Cobrar — alguns sites estão começando a cobrar das empresas de IA pelo acesso programático aos seus dados. A detecção é pré-requisito para o faturamento.

• Servir normalmente — se o agente está agindo em nome de um cliente real, atendê-lo é negócio.

Sites diferentes farão escolhas diferentes. O que importa tecnicamente é ter a detecção implantada para que a escolha esteja disponível.

O alvo em movimento

Os frameworks de agentes de IA melhoram mês a mês. A Anthropic lança atualizações do Computer Use que adicionam variância de scroll. O Browserbase adiciona jitter de mouse. O OpenAI Operator introduz simulação de erros de digitação. Cada geração de framework fecha parte da superfície de detecção descrita acima.

As técnicas que funcionam em 2026 precisarão de atualização até 2027. Mas a realidade subjacente não vai mudar: agentes de IA executam tarefas. Humanos vivenciam sites. Essa assimetria produz sinal, sejam quais forem as técnicas específicas que os agentes usem para tentar se misturar.

Os stacks de detecção que tratam os agentes de IA como uma categoria persistente e em evolução — em vez de um problema resolvido de uma vez — manterão a visibilidade. Os que lançam um único detector e seguem em frente verão sua cobertura degradar silenciosamente.