Nove em Cada Dez Empresas Enfrentam uma Crise de Tráfego de Bots à Medida que Agentes de IA Confundem as Fronteiras
A PYMNTS informou que 89,5% das empresas pesquisadas consideram o tráfego de bots um desafio, apesar da crescente confiança na sua capacidade de separar agentes úteis de ameaças. A manchete do google news evidencia a dimensão do problema, mas a questão mais profunda não é simplesmente o número de bots. As empresas agora precisam distinguir a automação maliciosa de softwares que atuam em nome de clientes legítimos.
Essa distinção está se tornando mais difícil à medida que agentes de IA começam a buscar produtos, gerenciar contas e iniciar compras. Um agente de compras e um bot de fraude podem executar ações semelhantes em velocidades parecidas. Bloquear todos os visitantes automatizados reduziria o risco, mas também rejeitaria formas emergentes de comércio legítimo.
O conflito está mudando de humanos versus bots para agentes autorizados versus automação não confiável. Os controles existentes foram concebidos para reconhecer pessoas, dispositivos e contas. Eles não foram projetados para determinar se um software tem permissão para agir em nome de uma pessoa específica.
A Pesquisa Identifica um Problema Amplo de Tráfego de Bots
A gestão de bots tornou-se um desafio operacional generalizado, não uma preocupação restrita às equipes de cibersegurança.
A constatação vem de um estudo da PYMNTS Intelligence produzido com a empresa de verificação de identidade Trulioo. O relatório completo da pesquisa examinou respostas de 350 líderes empresariais.
Esses entrevistados atuavam em compliance, fraude, gestão de riscos, subscrição, aquisição de fornecedores e monitoramento de comerciantes. Suas empresas operavam em diversos mercados geográficos e faixas de receita.
A PYMNTS realizou a pesquisa entre 1º de agosto e 10 de setembro de 2025. Ela constatou que 89,5% das organizações consideravam a gestão do tráfego de bots pelo menos um pouco desafiadora.
A maioria das empresas classificou o problema nas categorias leve ou moderada. Ainda assim, apenas cerca de uma em cada dez afirmou que o tráfego de bots não representava nenhum desafio.
A pesquisa também constatou que 52,3% das organizações registraram aumento no tráfego de bots durante o ano anterior. Menos de 10% disseram que os volumes permaneceram estáveis.
Esse resultado importa porque mostra movimento em ambas as direções. Algumas empresas enfrentaram menor tráfego, enquanto a maioria registrou crescimento. Muito poucas observaram um ambiente inalterado.
A pesquisa não estabelece que todo aumento envolveu atividade maliciosa. O tráfego de bots inclui rastreadores de busca, serviços de monitoramento, scrapers comerciais, assistentes voltados ao cliente e automação hostil.
Essa população mista é exatamente o que torna o resultado significativo. Mais automação não significa automaticamente mais fraude, mas aumenta o número de interações que exigem uma decisão de confiança.
Um sistema de segurança pode desafiar softwares desconhecidos ou bloqueá-los diretamente. No entanto, essas respostas se tornam custosas quando um agente autorizado está tentando concluir a solicitação de um cliente.
A pesquisa mediu esse custo por meio de falsos positivos, ou seja, transações digitais legítimas incorretamente identificadas como suspeitas. Grandes empresas relataram uma taxa de falsos positivos de 3,3%.
Empresas com receita anual entre US$ 50 milhões e US$ 250 milhões relataram uma taxa menor, de 2,7%. A diferença parece pequena até ser aplicada a milhões de transações.
Nessa escala, uma fração de ponto percentual pode afetar muitos clientes. Ela também pode gerar custos de suporte, compras abandonadas e verificações de identidade repetidas.
A listagem original do google news apresentou a constatação como uma dificuldade para gerenciar o tráfego. Os dados subjacentes mostram um problema mais amplo envolvendo identidade, autorização, fraude e experiência do cliente.
As empresas não estão apenas decidindo se uma solicitação veio de um software. Elas estão decidindo se esse software representa um usuário confiável e tem permissão para executar a ação solicitada.
Por Que Agentes de IA Legítimos Elevam os Riscos
O surgimento de agentes de IA úteis torna uma política de segurança baseada em bloquear primeiro comercialmente arriscada.
As defesas tradicionais contra bots geralmente começam com uma classificação binária. Uma solicitação é tratada como humana ou automatizada e, em seguida, permitida, desafiada, restringida ou bloqueada.
Essa abordagem funciona quando a automação se enquadra em categorias conhecidas. Um rastreador de busca declarado pode ser permitido, enquanto um bot de credential stuffing recebe um bloqueio imediato.
A IA agêntica enfraquece essa divisão simples. Um agente de IA é um software capaz de executar uma sequência de ações em direção a um objetivo definido pelo usuário.
Essas ações podem incluir comparar produtos, verificar disponibilidade, preencher formulários ou gerenciar uma assinatura. Um agente também pode acessar uma conta autenticada ou iniciar um pagamento.
O comportamento pode se assemelhar a abuso. Tanto softwares úteis quanto maliciosos podem navegar rapidamente, seguir caminhos previsíveis, enviar formulários e fazer solicitações repetidas.
A HUMAN Security constatou que o tráfego de agentes de IA e navegadores agênticos cresceu 7.851% em relação ao ano anterior. Seu benchmark de tráfego analisou mais de um quatrilhão de interações observadas durante 2025.
O tráfego mensal impulsionado por IA cresceu 187% entre janeiro e dezembro, segundo esse conjunto de dados. Rastreadores de treinamento ainda representavam 67,5% do volume observado de bots de IA.
No entanto, os sistemas agênticos começaram a ir além da leitura de páginas. A HUMAN informou que 77% da atividade agêntica ocorreu em páginas de produtos e de busca.
Outros 8,8% apareceram em páginas de conta, enquanto 5% chegaram aos fluxos de autenticação. As páginas de checkout representaram 2,3% da atividade agêntica observada.
Esses percentuais mostram por que as empresas de comércio enfrentam pressão imediata. Os agentes estão alcançando as mesmas superfícies sensíveis visadas por operações de invasão de contas e fraude de pagamentos.
A questão de segurança, portanto, muda em cada etapa. Ler uma página pública de produto traz um risco diferente de alterar um endereço dentro de uma conta autenticada.
Um varejista pode receber bem um agente que compara produtos disponíveis. Esse mesmo varejista precisa de evidências mais fortes antes de permitir que o agente resgate valor armazenado ou altere informações de pagamento.
As grandes empresas parecem especialmente expostas. O estudo da PYMNTS constatou que 57% das empresas com pelo menos US$ 1 bilhão em receita sofreram incidentes ou perdas relacionados a bots ou agentes.
O número comparável foi de 32% entre empresas menores. A pesquisa não prova que o porte da empresa causou esses incidentes.
Organizações maiores geralmente operam mais sites, contas, mercados e fluxos de pagamento. Elas também apresentam alvos mais valiosos e processam mais interações nas quais um erro de classificação pode ocorrer.
Isso cria pressão em vários departamentos. As equipes de segurança querem menos ataques bem-sucedidos, enquanto as equipes de receita querem menos clientes rejeitados.
Líderes de compliance precisam de controles de identidade defensáveis. As equipes de produto querem que os agentes acessem recursos úteis sem obter autoridade excessiva.
Leitores que acompanham a história pelo google news não devem interpretá-la como evidência de que todos os agentes de IA são inseguros. O conflito diz respeito à ausência de sinais de confiança, não à automação em si.
A Verdadeira Disputa É Autorização Versus Suposições Comportamentais
As empresas precisam verificar a autoridade de um agente, em vez de inferir sua intenção apenas pela velocidade e pelo comportamento de navegação.
A detecção comportamental busca sinais associados à automação ou ao abuso. Eles podem incluir taxas incomuns de solicitações, navegação automatizada, inconsistências de dispositivo e repetidas falhas de autenticação.
Esses sinais continuam valiosos. Eles podem expor ataques amplos, identificar sessões suspeitas e acionar verificações mais rigorosas.
No entanto, o comportamento nem sempre consegue explicar quem autorizou um agente. Um assistente legítimo e um bot hostil podem produzir padrões técnicos semelhantes.
Este é o conflito central do artigo. As empresas podem continuar fazendo suposições com base no comportamento ou construir sistemas que verifiquem a autoridade delegada.
PYMNTS e Trulioo descrevem essa segunda abordagem como “Know Your Agent”, ou KYA. O termo se refere a controles que identificam um ator automatizado e o conectam a uma autoridade verificada.
O KYA amplia estruturas de identidade conhecidas. Know Your Customer verifica o indivíduo, enquanto Know Your Business verifica uma organização comercial.
A verificação de agentes adiciona outra camada. Ela pergunta qual software está atuando, os interesses de quem ele representa e quais ações essa parte aprovou.
A cadeia importa porque um agente confiável ainda pode operar em nome de uma conta comprometida. Um usuário verificado também pode conceder a um agente mais acesso do que pretendia.
Portanto, controles úteis precisam de mais do que um nome de bot reconhecível. Eles precisam de uma conexão entre o usuário, o agente, a ação solicitada e os limites aplicáveis.
Esses limites podem abranger o valor da transação, a categoria do comerciante, o tempo, a localização ou o acesso a dados. Um usuário poderia autorizar pesquisa de produtos sem autorizar uma compra.
Outro usuário poderia permitir um pedido doméstico recorrente, mas proibir alterações na conta. A decisão correta depende do contexto, não simplesmente da identidade de um agente.
Esse modelo se assemelha ao acesso delegado já utilizado em sistemas de software. Aplicativos normalmente recebem permissões com escopo definido, em vez das credenciais completas de um usuário.
O comércio agêntico estende esse princípio à navegação e às transações. A parte difícil é preservar a autorização entre várias empresas e sistemas técnicos.
O assistente do usuário, o provedor de identidade, o comerciante, a plataforma de fraude e a rede de pagamentos podem ver diferentes partes da interação. Nenhum participante isolado possui automaticamente o registro completo de confiança.
Essa fragmentação deixa as empresas dependentes de indícios indiretos. Um agente de usuário conhecido, um endereço de rede estável ou uma solicitação assinada podem ajudar, mas cada sinal tem limites.
Atacantes podem imitar características de navegadores e alternar entre redes residenciais. Eles também podem comprometer contas legítimas ou abusar de integrações autorizadas.
A solução não é uma única pontuação universal de bots. É uma decisão em camadas que combina identidade, propósito declarado, autorização, comportamento e risco da transação.
Essa mudança também afeta a análise de dados. Uma página de produto visualizada por um agente não representa nem uma visita humana convencional nem necessariamente tráfego sem valor.
O agente pode estar comparando opções para um cliente que nunca visita o site diretamente. Os sistemas de análise precisam conectar a pesquisa automatizada a compras posteriores sem presumir que toda solicitação é fraudulenta.
Esse desafio também alcança a publicação e a busca. Google News, rastreadores de busca convencionais, bots de treinamento e mecanismos de respostas atendem a propósitos diferentes, mesmo quando coletam páginas semelhantes.
As empresas precisam de políticas que reflitam essas diferenças. Uma empresa pode aceitar a indexação, restringir o treinamento de modelos e permitir agentes transacionais apenas após autenticação.
A Confiança É Alta, Mas as Evidências Revelam Lacunas
A confiança das empresas na detecção de bots convive de forma desconfortável com perdas relatadas e taxas de falsos positivos.
Mais de nove em cada dez grandes empresas disseram à PYMNTS que se sentiam confiantes em distinguir bots prejudiciais dos úteis. A confiança, por si só, não estabelece que seus controles funcionem de maneira confiável.
O mesmo grupo relatou taxas de incidentes mais altas do que as empresas menores. As grandes empresas também registraram a maior taxa de falsos positivos da pesquisa.
Esses resultados não são necessariamente contraditórios. Uma empresa pode ter desempenho melhor do que seus pares e ainda assim perder dinheiro em uma escala absoluta maior.
Ela também pode possuir ferramentas de detecção robustas, mas operar em sistemas mais complexos. Cada login, API, subsidiária e rota de pagamento adicional cria outra possível lacuna de controle.
Ainda assim, o contraste merece análise. Os participantes da pesquisa eram líderes responsáveis por fraude, conformidade, risco e funções relacionadas.
Suas respostas refletem avaliações profissionais, e não um teste independente da precisão de detecção. As empresas também podem definir incidentes, tráfego de bots e agentes úteis de maneiras diferentes.
O relatório foi produzido com um fornecedor de identidade digital, o que lhe confere expertise relevante e uma perspectiva comercial. Os leitores devem tratar suas recomendações como uma estrutura informada, e não como um padrão técnico neutro.
Dados independentes de tráfego apoiam a tendência mais ampla. A Imperva relatou que o tráfego automatizado superou a atividade humana durante 2024.
Sua pesquisa sobre bots maliciosos classificou 37% do tráfego global da internet como bots maliciosos. Outros 14% vieram de bots benignos, deixando os humanos com 49%.
A Imperva também constatou que bots moderados e avançados representaram 55% dos ataques de bots. Esses programas tentam imitar navegadores reais e o comportamento dos usuários.
Ataques simples e de alto volume ainda cresceram de 40% para 45% dos ataques de bots. O acesso mais fácil à automação permite que operadores menos experientes gerem tráfego prejudicial em escala.
O relatório constatou que 44% do tráfego de bots avançados tinha como alvo interfaces de programação de aplicações. As APIs são conexões estruturadas que permitem que softwares troquem dados ou acionem funções.
Esse foco é importante para sistemas agênticos. Um agente pode usar um site, mas agentes comerciais eficientes frequentemente buscarão acesso direto a APIs.
As APIs podem oferecer autenticação mais forte e permissões definidas. Também podem expor funções empresariais de alto valor quando a autorização é incompleta.
As condições do setor variam bastante. A Imperva constatou que bots maliciosos representaram 59% do tráfego de varejo e 41% do tráfego de viagens durante 2024.
Varejo e viagens também oferecem alvos valiosos. Atacantes automatizados podem açambarcar estoque, testar cartões roubados, extrair preços ou assumir contas de fidelidade.
Ao mesmo tempo, esses setores são adequados para agentes legítimos. Os clientes se beneficiam quando o software pode comparar tarifas, monitorar preços ou montar uma compra.
Essa sobreposição significa que as empresas não podem otimizar apenas pela maior taxa de bloqueio. Um sistema que rejeita toda interação incerta pode reduzir ataques mensuráveis enquanto oculta a perda de demanda.
O inverso também é perigoso. Uma empresa que permite agentes sem permissões claras pode expor contas, pagamentos e informações de clientes.
A estimativa de quase US$ 100 bilhões da pesquisa combina perdas por fraude e a rejeição acidental de transações legítimas. Esse número deve ser interpretado com cuidado.
Trata-se de uma estimativa do setor, não de um total auditado das empresas pesquisadas. As categorias também medem diferentes formas de dano.
Fraude representa uma ação hostil bem-sucedida. Um falso positivo representa uma ação defensiva que prejudicou uma interação legítima.
Reuni-las destaca a principal troca envolvida. Controles rígidos podem gerar perdas comerciais, enquanto controles frouxos podem gerar perdas de segurança.
O objetivo não é o máximo de fricção ou o mínimo de fricção. É uma decisão mais precisa sobre autoridade em cada etapa sensível.
Google News Destaca uma Mudança Mais Ampla na Economia dos Bots
O problema dos bots está se expandindo porque o tráfego automatizado agora carrega tanto risco hostil quanto potencial valor comercial.
Durante anos, muitas organizações trataram bots como uma questão de segurança de sites. Equipes de segurança gerenciavam scraping, ataques a credenciais, abuso de inventário e atividades de negação de serviço.
Agentes de IA ampliam a conversa para distribuição e receita. Um visitante automatizado pode trazer a intenção de compra de um cliente sem gerar uma visualização de página convencional.
A Akamai relatou que bots de IA geraram 47,9% do tráfego de comércio em toda a sua rede até dezembro de 2025. Suas constatações de segurança no comércio colocaram o setor no centro da pressão de fraude agêntica.
A Akamai também afirmou que organizações de comércio categorizaram mais de 90% da atividade de bots de IA para monitoramento. Elas permitiram que cerca de três quartos da atividade restante passassem sem restrições.
O monitoramento pode ser uma primeira resposta sensata quando as classificações permanecem incertas. Ele permite que as empresas observem o comportamento antes de aplicar regras que poderiam bloquear agentes úteis.
No entanto, a observação passiva deixa exposição quando uma automação suspeita alcança funções de conta ou pagamento. As empresas precisam de políticas que mudem à medida que uma interação se torna mais sensível.
Páginas públicas podem tolerar acesso mais amplo. Autenticação, métodos de pagamento armazenados, saldos de fidelidade e recuperação de contas exigem mais confiança.
Essa progressão baseada em risco oferece um meio-termo prático. Ela evita tratar cada solicitação automatizada como igualmente perigosa.
Também evita conceder ampla confiança a um agente simplesmente porque uma empresa conhecida o opera. Um serviço legítimo pode estar mal configurado, comprometido ou ser usado além da autorização de um cliente.
A concentração de operadores cria outra complicação. A HUMAN atribuiu cerca de 69% do tráfego observado impulsionado por IA em 2025 a agentes de usuário da OpenAI.
A Meta respondeu por aproximadamente 16%, enquanto a Anthropic representou cerca de 11%. Os operadores identificados restantes geraram coletivamente menos de 5%.
Essas medições vêm da base de clientes da HUMAN, portanto não representam toda a internet. Ainda assim, elas ilustram como decisões sobre alguns operadores podem moldar a exposição total à IA.
Um comerciante poderia criar regras para agentes reconhecidos de grandes fornecedores. Ainda assim, a identidade do fornecedor não responde se uma transação específica conta com aprovação do usuário.
Agentes menores ou hospedados pelo próprio usuário criam um desafio adicional. Bloquear todo agente desconhecido favoreceria grandes plataformas e limitaria a concorrência.
Permiti-los sem verificação forte aumentaria o risco de fraude. Padrões abertos para identidade e permissões delegadas poderiam reduzir esse conflito.
Google News oferece uma analogia útil, embora não seja um agente transacional. Editores podem identificar rastreadores de busca conhecidos e decidir como seu conteúdo aparece em sistemas de descoberta.
O comércio precisa de uma versão mais rica dessa relação. Uma loja deve entender não apenas quem está solicitando informações, mas também o que o agente pode fazer em seguida.
A mudança afeta a estratégia empresarial. Empresas que rejeitam agentes legítimos podem desaparecer da descoberta ou da compra de produtos mediada por IA.
Empresas que aceitam agentes com liberdade excessiva podem absorver fraudes, custos de scraping e análises contaminadas. Nenhum dos extremos oferece um modelo operacional duradouro.
O Que as Empresas Devem Observar em Seguida
A próxima fase depende de credenciais de agentes verificáveis, permissões mais restritas e evidências de que esses controles reduzem tanto a fraude quanto os falsos positivos.
O primeiro sinal é a adoção de métodos portáveis de identidade e autorização de agentes. Comerciantes precisam de credenciais que possam verificar sem criar conexões personalizadas para cada fornecedor de IA.
Essas credenciais devem identificar o operador e conectar o agente a um usuário. Elas também devem expressar um escopo limitado para a ação solicitada.
A adoção fortaleceria o argumento em favor de controles baseados em KYA. Abordagens fragmentadas ou proprietárias deixariam as empresas dependentes de inferência comportamental.
O segundo sinal é uma mudança mensurável nas taxas de falsos positivos. A pesquisa da PYMNTS estabeleceu uma taxa de 3,3% entre grandes empresas e de 2,7% entre empresas menores.
Estudos futuros devem mostrar se a verificação contínua reduz esses números. Também devem separar transações humanas de transações autorizadas por agentes.
Uma taxa de rejeição menor sem maior fraude apoiaria a abordagem centrada na identidade. A redução da fricção acompanhada de perdas crescentes a enfraqueceria.
O terceiro sinal é como grandes comerciantes lidam com agentes no login e no checkout. A descoberta pública de produtos já é uma atividade comum de agentes, mas as ações sensíveis continuam limitadas.
Observe comerciantes que publicam regras claras de acesso para agentes e requisitos de permissão. Observe também divulgações sobre tomada de contas, testes de cartões e disputas relacionadas a agentes.
Esses desenvolvimentos revelarão se o comércio agêntico se torna um canal confiável ou outra camada de automação não gerenciada.
As empresas não precisam esperar por um padrão universal antes de aprimorar seus controles. Elas podem inventariar o tráfego automatizado e separar a navegação pública de ações sensíveis de conta.
Podem definir quais agentes são permitidos, quais evidências esses agentes devem apresentar e quais ações exigem confirmação do usuário.
As empresas também devem evitar usar uma única pontuação de bot em todas as superfícies digitais. Uma solicitação a um catálogo público e uma alteração de método de pagamento não apresentam riscos comparáveis.
A verificação contínua pode reavaliar a confiança durante uma sessão. Ela pode considerar identidade, dispositivo, comportamento, contexto da transação e a permissão solicitada.
Essa abordagem ainda exige moderação. Mais coleta de dados pode criar preocupações de privacidade e conformidade, especialmente quando as empresas não conseguem explicar suas decisões.
Controles automatizados de fraude devem apoiar caminhos de revisão e recurso. Os clientes precisam de uma forma de se recuperar quando uma transação legítima é contestada.
Líderes de segurança também devem testar se os controles produzem resultados desiguais entre locais, dispositivos ou ferramentas de acessibilidade. Uma taxa global menor de falsos positivos pode ocultar danos concentrados.
Para profissionais do conhecimento que acompanham essa mudança, a qualidade das fontes importa tanto quanto a visibilidade nas manchetes. Um resultado do google news pode revelar uma alegação importante, mas a metodologia subjacente determina seu valor.
A constatação da PYMNTS é relevante porque inclui uma amostra definida, período de coleta e medidas detalhadas. Ainda assim, ela representa respostas de pesquisa, e não observação direta do tráfego de rede.
Imperva, HUMAN e Akamai fornecem dados observacionais, mas cada uma vê o tráfego por meio de sua própria rede de clientes. Seus percentuais não devem ser combinados em uma única contagem universal de bots.
Em conjunto, as fontes apoiam uma conclusão mais restrita. O tráfego automatizado está crescendo, os bots maliciosos continuam substanciais e agentes legítimos estão entrando em fluxos de trabalho sensíveis.
A incerteza restante diz respeito à qualidade dos controles. As empresas precisam provar que conseguem receber software autorizado sem criar uma nova rota para fraude.
Essa prova virá dos resultados, não de pesquisas de confiança. Taxas menores de incidentes, menos clientes rejeitados e permissões de agentes rastreáveis serão o mais importante.
Leitores que encontrarem outra manchete dramática do google news sobre bots devem fazer três perguntas. Que tráfego foi medido, como ele foi classificado e qual ação empresarial ele alcançou?
Essas perguntas separam o ruído geral da internet de um risco operacional genuíno. Elas também revelam se uma organização consegue reconhecer autoridade em vez de apenas detectar automação.
Os próximos meses mostrarão se as empresas irão além do antigo modelo de “bot ou não”. Se isso acontecer, a verificação de agentes poderá se tornar parte da infraestrutura de identidade digital.
Caso contrário, as empresas continuarão escolhendo entre dois erros caros. Elas admitirão automação hostil ou bloquearão software que carrega a intenção legítima do cliente.
