Os agentes silenciosos já estão no seu site

Um agente silencioso é uma automação que atua por meio de um navegador comum ou de uma sessão de cliente, sem fornecer uma identidade de agente verificável. Pode ser um assistente legítimo que atua em nome do cliente, um agente não autorizado que excede suas atribuições ou uma automação maliciosa que imita o comportamento de um agente. 

Quando atividades humanas e automatizadas ocorrem na mesma sessão autenticada, torna-se mais difícil distinguir entre as duas. Sem a identificação explícita do agente, as empresas precisam recorrer a sinais comportamentais e técnicos que nem sempre revelam o quadro completo: ao flexibilizar a detecção para acomodar agentes legítimos, você corre o risco de expor seu negócio a automações maliciosas; ao torná-la mais rigorosa, corre o risco de bloquear atividades autorizadas pelos clientes. 

Durante a maior parte da história do gerenciamento de bots, qualquer automação que valesse a pena ser adotada se identificava por si mesma. Os crawlers de pesquisa publicaram seus usuários-agentes e seus intervalos de IP. Por exemplo, um site poderia identificar o Googlebot, confirmá-lo e tratá-lo de forma diferente de um scraper anônimo. Esse acordo funcionou porque o operador do bot queria ser reconhecido.

Os agentes de atendimento ao cliente violaram o acordo sem intenção. Eles foram desenvolvidos para usar a web da mesma forma que uma pessoa o faz; assim, eles operam um navegador, navegam entre páginas, preenchem formulários e contornam as dificuldades da mesma maneira que um ser humano faria. 

• O Muse é executado em uma máquina virtual na nuvem da Meta, com um navegador integrado. 

• O Instinct mantém uma área de trabalho em nuvem persistente e a opera usando as credenciais armazenadas do próprio usuário, incluindo dados de e-mail e informações de pagamento. 

• O Dots funciona como um agente em nuvem da OpenAI. 

Do ponto de vista do servidor, cada um é uma sessão do navegador: a string do usuário-agente indica um navegador, mas o comportamento indica automação.

Os relatórios são disponibilizados em duas modalidades, dependendo de o agente constar no setor de serviços bancários ou no setor comercial.

Bloquear todos os agentes é a resposta mais rápida e a mais fácil de justificar internamente. No momento do login e para a movimentação de recursos, o bloqueio também pode ser a decisão de segurança mais adequada por ora.  Ao ser aplicado a um site inteiro, no entanto, o bloqueio deixa de ser uma decisão de segurança e passa a ser uma decisão comercial. O agente atua em nome de um cliente que deseja comprar algo, e o bloqueio recai sobre esse cliente. Os consumidores que se deparam com o bloqueio não concluem que seu agente precisa de credenciais melhores; eles recorrem a um site que funciona.

O acesso no modo "somente leitura" é uma versão mais bem ponderada e que se sustenta melhor, embora responda a uma questão mais restrita do que parece. A leitura de uma conta não é isenta de riscos quando o agente, com base no que leu, realiza ações em outro sistema; além disso, muitas operações importantes não se limitam à leitura de dados nem a transferências financeiras — exemplos disso incluem fazer uma reserva, reagendar um compromisso, alterar um endereço ou resgatar uma recompensa. O modo "somente leitura" ganha tempo, em vez de definir a política.

Uma única categoria de "bots de IA" não pode servir de base para uma política, pois o tráfego nela contido busca objetivos opostos. Um crawler que coleta as descrições dos seus produtos para treinar um modelo, um crawler de busca que indexa o seu site para que a sua marca apareça em uma resposta gerada por IA, e um assistente que acessa uma página específica porque um cliente fez uma pergunta — essas são três transações fundamentalmente diferentes.

Em agosto de 2026, dividimos essa categoria no Akamai Bot Directory em três:

• Crawlers para treinamento de IA — Coletam conteúdo em grande escala para treinar modelos (por exemplo, GPTBot, ClaudeBot e Meta-ExternalAgent).

• Crawlers de busca por IA — Indexam sites para fins de busca por IA e citação de fontes (por exemplo, OAI-SearchBot, Claude-SearchBot e PerplexityBot).

• Crawlers e agentes de IA — Acessam uma página em tempo real para responder a uma pergunta ou realizar uma tarefa (por exemplo, ChatGPT-User, ChatGPT Agent, GoogleAgent-Mariner e agentes silenciosos suspeitos).

Essa divisão proporciona às empresas um controle mais granular sobre ações que, de outra forma, seriam contraditórias entre si: restringir crawlers usados ​​para treinamento, a fim de proteger conteúdos para os quais a organização não concedeu licença; permitir o acesso de robôs de mecanismos de busca, garantindo que o conteúdo permaneça visível em respostas geradas por IA; e tratar agentes em tempo real como o tráfego orientado pelo cliente que, na prática, eles representam — estabelecendo uma política específica para cada categoria, definida pela própria organização.

A visibilidade também deve ir além do catálogo. O tráfego que preocupa um banco não é a navegação; ele está conectado. O monitoramento da atividade do agente em sessões autenticadas é uma medida diferente do monitoramento em páginas de conteúdo, e uma empresa precisa de ambas as visualizações antes de poder começar a gerenciar sua exposição.

As categorias revelam que tipo de tráfego chegou. A próxima questão a se levantar é como você sabe o que sabe sobre cada agente, e existem duas respostas bem diferentes.

Alguns agentes se declaram de uma maneira que pode ser verificada. Eles publicam uma chave, assinam suas solicitações e podem ser verificados na edge, em vez de terem suas declarações aceitas apenas com base em sua palavra. Esses agentes são conhecidos, e um agente conhecido pode portar sua própria política — inclusive no momento de finalização da compra —, uma vez que o reconhecimento não depende de nada que possa ser copiado.

Todo o resto é inferido. Atribuímos agentes com base em características observadas e os classificamos como "suspeitos"; é por isso que, nos relatórios, aparece uma entrada como "Agente Muse (suspeito)" em vez de uma identidade confirmada. Esse rótulo é genuinamente útil; ele indica que um agente está chegando ao seu site, informa, de modo aproximado, o volume disso e para onde esse fluxo se dirige. O sistema não lhe informa que a próxima solicitação, que apresenta o mesmo padrão, provém do mesmo agente; por isso, uma política elaborada como se ele informasse isso acabará, eventualmente, concedendo acesso a algo que você não pretendia liberar.

A pontuação de risco comportamental é o que resta quando a atribuição não está disponível, e é o mecanismo de controle que continua funcionando quando os agentes usam técnicas enganosas. Ao analisar como uma sessão se desenvolve, em vez de se basear no que ela alega ser, a análise comportamental mostra-se eficaz tanto contra um agente projetado para simular um navegador quanto contra um bot de revenda configurado para se passar por um comprador. 

É também por isso que agentes legítimos, às vezes, são barrados no momento do pagamento. Esse resultado é o sistema funcionando conforme projetado: até que os agentes consigam se autenticar, parte do tráfego legítimo proveniente deles acabará sendo classificada como não verificada.

A consequência prática para uma equipe de segurança é interpretar os dois sinais — categoria/rótulo e comportamento — em conjunto. A categoria e o rótulo informam quem está chegando e em que volume. O comportamento indica o que aquela sessão está fazendo neste momento. Nenhum dos dois, isoladamente, é suficiente para definir uma política.

Uma página de catálogo e uma página de finalização de compra apresentam riscos diferentes. Um agente que lê descrições de produtos para um cliente está fazendo algo que os navegadores padrão sempre fizeram. As empresas geralmente desejam esse tráfego porque ele gera vendas, e porque os assistentes de IA estão se tornando um meio de descoberta. 

O mesmo agente que envia um pedido, contudo, realiza uma ação que movimenta estoque e dinheiro; isso, portanto, exige o mesmo rigor que se aplica a qualquer automação. O login está mais próximo da finalização da compra do que do catálogo. O mesmo vale para qualquer coisa que altere uma conta.

É isto que a ação seletiva significa na prática: 

• Uma política de conteúdo, onde a maior parte do tráfego de IA pode ser monitorada ou permitida 

• Uma política diferenciada no momento da transação, na qual cada solicitação é avaliada para fins de automação, independentemente de como ela se autodenomina 

• Uma terceira política aplicada na autenticação, em que a questão não é se a sessão é automatizada, mas sim se a pessoa por trás dela é o titular da conta e se essa é uma ação reconhecível

Dessa forma, o resultado se assemelha ao que a maioria dos varejistas já observa: um atendente pode navegar pelo catálogo em nome de um cliente, mas é impedido ao tentar realizar a compra. Isso mantém o caminho de descoberta aberto, aplica controles existentes onde o capital está alocado e dá ao negócio a liberdade de mudar de ideia em relação a qualquer ponto de extremidade específico, sem a necessidade de reabrir toda a política.

A mesma lógica responde à pergunta que mais ouvimos: como permitir que um agente específico conclua uma compra. A medida que funciona não é uma isenção vinculada a uma assinatura, uma vez que qualquer coisa que imite essa assinatura a herda. O que funciona são a autenticação e a verificação. Uma vez que um agente comprova sua identidade, ele pode ter sua própria política — inclusive no momento de finalização da compra — e a empresa pode conceder acesso a uma parte verificada, em vez de a um padrão.

Cada parte deste problema tem origem no mesmo elemento que falta. Um agente não consegue comprovar quem é ou para quem trabalha; por isso, os sites recorrem a inferências — e inferências não são suficientes para sustentar a tomada de decisão pretendida pelas empresas.

Esse elemento está sendo construído agora. O Web Bot Auth, uma proposta em discussão no Internet Engineering Task Force que apoiamos, permite que um agente assine suas requisições, de modo que um site possa verificar a origem de forma criptográfica, em vez de confiar em um cabeçalho. 

O Trusted Agent Protocol da Visa baseia-se na mesma abordagem de assinatura utilizada para pagamentos; nós o integramos de modo que os estabelecimentos comerciais consigam identificar se um agente está apenas navegando ou realizando um pagamento, vinculando esse agente ao consumidor que ele representa. O Know Your Agent da Skyfire adiciona a camada de identidade que vincula um agente a uma organização ou usuário verificado; além disso, passamos a integrar o ecossistema Experian Agent Trust. Em junho de 2026, combinamos esses elementos em uma estrutura de segurança baseada em agentes, abrangendo identidade, observabilidade, confiança e aplicação de políticas na edge.

Quatro medidas que você pode tomar agora incluem: 

1. Descobrir o que já está chegando até você

2. Definir políticas por endpoint

3. Fazer da verificação o caminho para o "sim"

4. Manter a navegação ativa enquanto a verificação de identidade é concluída

As empresas que lidam bem com isso não serão aquelas que acertaram o palpite sobre em quais agentes confiar. Serão aquelas que conseguiram enxergar o que estava chegando, sabiam que parcela disso podiam verificar e conseguiam agir em um endpoint sem interferir no restante.

Para discutir as suas categorias atuais de tráfego de IA e a sua política transacional, entre em contato com um especialista da Akamai.