Estudo mostra forte contraste entre a maturidade do SEO tradicional e a capacidade dos sites de serem compreendidos e operados por agentes de inteligência artificial. Levantamentos nos Estados Unidos e na Europa apontam dificuldades semelhantes.
Metodologia
O State of Crawl 2027, produzido pela Conversion, analisou 1.954 domínios de grande audiência no Brasil e avaliou separadamente a infraestrutura técnica tradicional dos sites e sua preparação para a navegação realizada por agentes de inteligência artificial.
Cada domínio recebeu pontuações de zero a 100. O estudo adotou 70 pontos como patamar de referência para considerar um site preparado em cada dimensão. A metodologia combinou critérios técnicos associados ao PageSpeed Insights, do Google, com indicadores de navegação agêntica relacionados ao teste Is It Agent Ready, da Cloudflare.
Na dimensão técnica, foram observados fatores como HTTPS, velocidade de carregamento, HSTS, títulos, meta descriptions, canonical, ausência de noindex, idioma declarado, links rastreáveis, compressão e sitemap XML. Na avaliação voltada aos agentes de IA, entraram critérios como capacidade de leitura sem JavaScript, estabilidade de layout, acessibilidade, existência de política para IA, arquivo llms.txt, negociação de conteúdo em Markdown, HTTP Link Headers e ferramentas baseadas em WebMCP.
A própria pesquisa ressalta que atingir determinada pontuação não significa que qualquer agente de IA conseguirá executar qualquer tarefa no site. Os indicadores medem condições técnicas observáveis de preparação e não constituem uma certificação de funcionamento para todos os sistemas de inteligência artificial.
Web brasileira ainda está distante da navegação por agentes
Os resultados mostram uma diferença expressiva entre a preparação dos sites para mecanismos tradicionais de busca e para sistemas autônomos de inteligência artificial.
Na base divulgada diretamente pela Conversion, 84,2% dos 1.954 sites analisados alcançaram pelo menos 70 pontos na dimensão técnica, enquanto apenas 0,5% chegaram ao mesmo patamar na dimensão agêntica. A diferença entre os dois indicadores foi de 83,7 pontos percentuais.
A Convergência Digital, ao noticiar o levantamento, informou uma versão ligeiramente diferente da base, com 1.955 sites, dos quais 1.670, ou 85,42%, atenderiam aos requisitos de SEO técnico e 11, ou 0,56%, seriam considerados preparados para agentes de IA.
A divergência provavelmente decorre de versões diferentes da base ou da atualização do levantamento. Para fins metodológicos, os números publicados diretamente pela Conversion — 1.954 domínios, 84,2% e 0,5% — constituem a referência primária.
A distância aparece também nas pontuações. Na publicação original da Conversion, a mediana técnica foi de 81,8 pontos, enquanto a mediana da dimensão agêntica ficou em 25 pontos. Apenas dez dos 1.954 domínios atingiram pelo menos 70 pontos nos critérios voltados aos agentes.
Os resultados reforçam uma mudança importante na arquitetura da internet: um site pode ser facilmente encontrado e indexado por um mecanismo de busca e, ao mesmo tempo, oferecer poucas condições para que um agente de IA compreenda sua estrutura e execute tarefas.
Ser encontrado não significa poder ser operado
A diferença está na própria natureza dos sistemas.
Um mecanismo de busca precisa localizar, rastrear, interpretar e indexar uma página. Já um agente de IA pode precisar ir além: identificar produtos ou serviços, compreender regras, comparar alternativas, localizar botões e formulários e percorrer diferentes etapas até concluir uma tarefa.
Um usuário poderia, por exemplo, solicitar a um assistente que encontre determinado produto, compare preços e condições de entrega e identifique a alternativa que atende a determinados critérios.
Nesse cenário, a qualidade visual do site ou sua posição nos resultados do Google não garantem que um sistema automatizado consiga navegar adequadamente pela plataforma.
Entre os sites brasileiros analisados, 69,9% apresentavam conteúdo considerado legível sem JavaScript e 65,4% atendiam ao critério de estabilidade de layout. Entretanto, mecanismos mais diretamente associados à interação com agentes ainda eram pouco encontrados.
Apenas 12,1% possuíam llms.txt, 1,3% ofereciam negociação de conteúdo em Markdown, 0,8% apresentavam ferramentas WebMCP e somente 0,6% utilizavam os Link Headers avaliados pelo estudo.
Europa apresenta problema semelhante
A situação não é exclusiva do Brasil.
Um dos levantamentos internacionais mais abrangentes encontrados é o State of AI-Readiness in European E-Commerce 2026, produzido pelo ShoppingPartnerLab.
A pesquisa examinou 6.551 lojas virtuais de 24 países europeus, distribuídas por 16 setores, utilizando mais de 40 indicadores relacionados à preparação para sistemas de inteligência artificial.
O resultado foi ainda mais restritivo: segundo o levantamento, 99,7% dos sites analisados não estavam preparados para agentes de compras baseados em IA. Apenas 14 das 6.551 lojas virtuais — cerca de 0,3% — atingiram pontuação igual ou superior a 80 na escala utilizada pela pesquisa.
Outro dado ajuda a dimensionar o problema. Somente 30,5% dos sites europeus analisados apresentavam dados estruturados válidos do tipo Product ou Offer, enquanto apenas 5,9% disponibilizavam um arquivo llms.txt.
O estudo identificou também uma barreira conhecida para sistemas automatizados: 33,4% das lojas analisadas entregavam inicialmente uma estrutura JavaScript sem conteúdo textual do produto renderizado no servidor, dificultando a interpretação por determinados crawlers e agentes.
Embora os critérios utilizados pelo levantamento europeu sejam diferentes dos adotados pelo State of Crawl brasileiro, os dois estudos apontam na mesma direção: a infraestrutura atual da web foi desenvolvida principalmente para humanos e mecanismos tradicionais de busca, e não para agentes autônomos.
Nos Estados Unidos, empresas também deixam máquinas “adivinharem”
Nos Estados Unidos, um levantamento publicado pela BoostGeo em agosto de 2026 avaliou 1.000 páginas iniciais de empresas locais, distribuídas por dez setores e dez grandes regiões metropolitanas.
Das mil páginas submetidas à análise, 897 puderam ser efetivamente avaliadas. A mediana do índice de preparação para IA ficou em 61 pontos.
Um dos principais problemas encontrados estava na identificação estruturada das próprias empresas: 63% das páginas avaliadas não possuíam o sinal específico de schema Organization verificado pelo estudo.
Segundo os pesquisadores, os sites analisados eram, em sua maioria, plenamente funcionais para visitantes humanos, mas frequentemente apresentavam informações incompletas ou inconsistentes quando observados por sistemas responsáveis por recuperar, interpretar e resumir informações automaticamente.
Outro levantamento internacional, o Agentic Web Index, avaliou em 2026 uma seleção de 200 sites relevantes utilizando nove verificações automatizadas. Dos 200 domínios, 152 puderam ser auditados e 48 rejeitaram visitantes automatizados. Entre os auditados, somente 13% apresentavam conteúdo estruturado nos formatos considerados pelo estudo mais adequados para utilização em respostas produzidas por IA.
Há ainda estudos maiores, embora com metodologias distintas. Pesquisa publicada pela SiteSpeakAI analisou dados de quase 10 mil sites para avaliar tanto a capacidade de sistemas de IA responderem perguntas sobre seu conteúdo quanto a possibilidade de agentes realizarem ações. Na parcela específica de 216 sites submetidos ao teste de prontidão agêntica, a empresa informou que 97% não disponibilizavam ferramentas que pudessem ser utilizadas diretamente por agentes.
Estudos não são diretamente comparáveis
Os resultados internacionais ajudam a contextualizar o cenário brasileiro, mas exigem cautela.
Os levantamentos utilizam amostras, indicadores, pesos e limites de aprovação diferentes. Uma loja virtual europeia avaliada pelo ShoppingPartnerLab, por exemplo, passa por critérios específicos de comércio eletrônico que não são necessariamente os mesmos empregados pela Conversion na análise dos sites brasileiros.
Da mesma forma, o estudo americano da BoostGeo concentra-se em empresas locais e mede principalmente sinais que permitem às máquinas identificar e interpretar adequadamente informações comerciais.
Portanto, não seria metodologicamente correto afirmar que Brasil, Estados Unidos ou Europa estão “mais” ou “menos” preparados apenas comparando os percentuais apresentados pelos estudos.
O que os levantamentos permitem identificar é uma tendência comum: práticas consolidadas durante décadas para SEO não são suficientes, por si só, para garantir que agentes autônomos consigam interpretar e utilizar um site.
GEO amplia o desafio do SEO
A transformação também impulsiona o debate em torno do GEO — Generative Engine Optimization.
O SEO tradicional procura facilitar o rastreamento, a indexação e a descoberta de conteúdo nos mecanismos de busca. O GEO acrescenta uma nova preocupação: permitir que informações sejam encontradas, compreendidas e utilizadas por sistemas generativos.
Entretanto, a chegada dos agentes adiciona uma terceira camada.
Não basta apenas permitir que um modelo de linguagem compreenda o conteúdo de determinada página. O site precisa, em determinados casos, tornar possível que um sistema automatizado identifique ações e avance por uma jornada digital.
Um trabalho acadêmico publicado em julho de 2026 por pesquisadores ligados ao Canadá e à Université Paris Cité propõe justamente o conceito de “agent-ready website”. O modelo divide a preparação dos sites em três grandes dimensões: interpretabilidade pelo agente, capacidade de execução e confiabilidade das informações utilizadas para tomada de decisão.
Os autores argumentam que métricas tradicionais de web design, SEO e até mesmo GEO não são suficientes para medir integralmente a capacidade de uma plataforma atender interações mediadas por agentes de IA.
A web passa a ter um novo tipo de usuário
Durante décadas, sites foram construídos essencialmente para dois públicos: pessoas e mecanismos de busca.
A disseminação dos agentes de inteligência artificial começa a introduzir um terceiro usuário: a máquina capaz de navegar e agir em nome de uma pessoa.
Isso pode alterar práticas de desenvolvimento, arquitetura da informação, comércio eletrônico e marketing digital.
Dados estruturados, HTML semanticamente organizado, conteúdos disponíveis sem dependência excessiva de JavaScript, regras claras para crawlers, APIs e protocolos de interação poderão ganhar importância conforme agentes assumam tarefas hoje executadas diretamente por usuários.
Os primeiros levantamentos realizados no Brasil, Estados Unidos e Europa mostram que essa transição ainda está em estágio inicial.
A web aprendeu, ao longo de mais de duas décadas, a ser encontrada pelo Google. O próximo desafio será aprender a ser compreendida — e eventualmente operada — por agentes de inteligência artificial.
