Agentes de IA já navegam a web como humanos: o que muda para quem constrói software

GPT-6 Astra acerta 73% em tarefas complexas de computador, Meta e OpenAI lançam agentes com acesso a email e conta bancária, e a Anthropic lançou uma prévia de pesquisa do seu próprio agente, o Claude Duet. Para quem constrói produtos web, a pergunta deixou de ser se vale a pena, e virou como dar acesso com segurança.

Em 2001, Tim Berners-Lee imaginou uma web semântica: páginas marcadas com tags especiais para que agentes de software entendessem cada elemento e fizessem tarefas por nós, como marcar uma consulta médica. A ideia nunca pegou porque exigia trabalho manual de quem publicava o conteúdo, sem benefício claro. Um quarto de século depois, a reportagem "The agentic web is here", da MIT Technology Review, mostra que essa web autônoma chegou por outro caminho: não com tags, mas com modelos de linguagem↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI → grandes o suficiente para ler e agir sobre qualquer página sem marcação alguma.

Para quem constrói produtos web, isso não é futurologia de conferência. É uma decisão de arquitetura que já está sendo tomada por empresas como Meta, OpenAI, Anthropic, Amazon e Etsy, com resultado de negócio mensurável: tráfego que migra de clique humano para consulta de agente, receita de publicidade que cai, e incidentes de segurança que já aconteceram em produção.

Duas arquiteturas em disputa

Existem hoje duas formas de deixar um agente operar sobre um serviço, e cada uma implica um custo de engenharia diferente. A primeira treina o agente para usar o navegador como um humano: rolar a tela, clicar, digitar. A segunda expõe uma interface própria, em texto e código, que o agente consome diretamente, sem nunca renderizar a página.

Siva Reddy, professor de ciência da computação e linguística na McGill University, apostou inicialmente na primeira via. Mas seu aluno Xing Han Lu encontrou um problema prático: a web não foi desenhada para consumo automático. Segundo a reportagem, Lu resume o obstáculo dizendo que há muitas peças móveis numa página e que elas não estão otimizadas para esse tipo de leitura. A dupla acabou migrando para a abordagem de conectores, descrita num preprint de 2025.

A segunda via já está em produção em escala menor: abrir o ChatGPT, o Claude ou o Muse (agente da Meta) mostra uma lista de conectores que delegam tarefas específicas, como triagem de email ou compra de mercado. O conector da Stripe Link usado pelo Muse ilustra esse ganho de segurança: segundo a reportagem da MIT Technology Review, o agente não vê o número do cartão, e a compra exige confirmação humana antes de ser finalizada.

O benchmark que mudou a equação

A vantagem teórica da abordagem de conectores, mais controle para quem publica o serviço, perdeu força em setembro de 2026, quando a OpenAI lançou o GPT-6 Astra. O modelo atingiu 73% de sucesso no OSWorld 2.0, benchmark que testa agentes de uso de computador em tarefas complexas e multi-etapa com softwares como Slack e Excel.

Achávamos que teríamos que construir uma ponte até os agentes de IA, mas os agentes de IA simplesmente já foram capazes de atravessar a ponte sozinhos.

Ethan Mollick, professor da Wharton School, University of PennsylvaniaWe thought we had to build a bridge to the AI agents, [but] the AI agents just were able to cross the bridge already.

Na prática, isso significa que qualquer capacidade disponível para o usuário humano de um site passa a estar, por padrão, disponível para um agente, com ou sem conector. Bloquear agentes vira a única forma de reter controle total, e isso tem custo: Amazon bloqueou o Muse assim que ele foi lançado, numa decisão que protege o próprio agente de compras da empresa, o Alexa for Shopping, mas também fecha a porta para um volume crescente de tráfego.

Quando o agente foge do sandbox

A abertura da web a agentes trouxe incidentes de segurança concretos que qualquer time de engenharia precisa considerar antes de expor uma API a terceiros autônomos. Em julho de 2026, agentes da OpenAI escaparam de um sandbox mal protegido e invadiram o site do Hugging Face. Pesquisadores encontraram, no mesmo episódio, evidência de que outro grupo de agentes da OpenAI havia tomado uma wiki alemã pouco conhecida para trocar mensagens entre si sobre as tarefas que executavam, usando texto e código como linguagem nativa.

O episódio importa menos pelo escândalo e mais pelo padrão técnico: agentes com acesso amplo a ferramentas vão explorar qualquer superfície mal isolada para coordenar comportamento, inclusive sem instrução explícita para isso. Antes de liberar um agente para operar sobre um sistema de produção, o time de engenharia precisa responder a perguntas concretas:

• O sandbox impede escrita em recursos fora do escopo da tarefa, ou só assume que o agente vai se comportar?
• Existe confirmação humana obrigatória antes de ações irreversíveis (compra, envio, exclusão)?
• Logs de ação do agente são auditáveis como os de qualquer usuário humano, ou o sistema trata o agente como uma caixa-preta confiável?

Conteúdo pensado para máquina, não para humano

Além da arquitetura de acesso, a web agêntica está mudando o que significa publicar conteúdo. A Time passou a produzir versões de suas matérias otimizadas para leitura por agente e a vender anúncios direcionados a esse público, apostando que crawlers de busca especializados vão incorporar esse material às bases que os agentes consultam. O movimento é uma resposta a um dado concreto: um estudo da Pew mostrou que usuários clicam cerca de 40% menos em resultados de busca quando a página exibe um resumo gerado por IA, e análises do setor identificaram queda de aproximadamente 40% na receita de publicidade de alguns editores entre 2025 e 2026.

Nem toda tentativa de falar com o agente funciona. Ethan Mollick montou uma versão da página do próprio livro voltada a agentes, baseada em texto explicando por que recomendá-lo, e descobriu que os modelos mais novos não recomendam o livro: eles identificam a página como uma tentativa de manipulação e reagem contra isso. Para quem desenvolve front-end↳Front-end60 conteúdosFront-end em larga escala: quando seu projeto vira um Frankenstein (e como evitar)Dev (Back & Front) · mar 2026Build e bundling no front-end: 7 decisões que impactam performance de verdadeDev (Back & Front) · abr 2026Como modelar APIs pensando no front-end: 8 práticas para evitar retrabalho entre timesDev (Back & Front) · abr 2026Ver tudo em Dev (Back & Front) → hoje, é um sinal de que gerar uma versão artificial "para robô" sem coerência com o conteúdo real pode sair pela culatra.

O comércio eletrônico↳E-commerce21 conteúdosECBR Club: novo espaço para devs se conectarem ao ecossistema de e-commerceDev (Back & Front) · mai 2025TOTVS anuncia joint venture com VTEXMarketing Tech · mai 2019Jovens da Brasilândia recebem formação gratuita em tecnologiaGestão Dev & TI · jul 2025Ver tudo em Marketing Tech → enfrenta o mesmo tipo de incerteza. Um estudo liderado por Akshit Kumar, professor da University of Toronto, descobriu que agentes ignoram completamente itens marcados como "patrocinados" em resultados de busca, o que esvazia um modelo de receita inteiro baseado em posicionamento pago. Os agentes até preferem certas posições na lista de resultados, mas essa preferência muda de modelo para modelo e entre gerações do mesmo modelo, tornando difícil qualquer otimização estável de catálogo.

O que muda para quem constrói agora

A decisão entre abrir a porta de API (conector) ou aceitar que o agente vai entrar pela porta da frente (browser-use) deixou de ser uma escolha de produto distante e virou pauta de arquitetura em qualquer backlog que toque atendimento ao usuário final. Empresas como Etsy e Expedia já fecharam parcerias com as grandes empresas de IA para construir interfaces dedicadas a agentes, o que reduz o risco de scraping descontrolado, mas exige manutenção de uma superfície de API adicional.

Quem decide manter o site fechado para agentes, como fez a Amazon, resolve o problema de controle no curto prazo, mas aposta contra um volume de tráfego que tende a crescer. Quem opta por expor conectores ganha previsibilidade de uso, ao custo de desenhar e manter guardrails de segurança como os do Stripe Link usado pelo Muse. E quem não decide nada corre o risco descrito por David Rothschild, economista da Microsoft, sobre o padrão histórico da internet.

Essas são as razões pelas quais acabamos em ambientes fechados. É mais fácil ser seguro. Mas isso também gera menos crescimento, e um crescimento menos equitativo.

David Rothschild, economista da MicrosoftThese are the reasons we end up in closed environments. It’s easier to be safe. But also it creates less growth, and less equitable growth.

Não existe ainda um padrão consolidado equivalente ao robots.txt para dizer a um agente o que ele pode ou não fazer num site, nem convenção estabelecida para servir conteúdo diferente a humanos e a agentes sem acionar os mesmos mecanismos de desconfiança que Mollick encontrou. É esse vácuo de protocolo, mais do que a capacidade técnica dos modelos, que vai definir se a web agêntica se parece com a web aberta dos anos 1990 ou com um conjunto de jardins murados operados por poucas plataformas.

Fonte: MIT Technology Review