Agentes de inteligência artificial que pesquisam produtos, navegam por lojas e executam tarefas em nome de consumidores estão criando um novo problema para o e-commerce: parte desse tráfego pode ser registrada como se viesse de pessoas, enquanto outra parcela sequer aparece nos sistemas tradicionais de analytics. A lacuna levou NIQ e Similarweb a anunciarem, na quarta-feira (2), uma solução específica para medir descoberta, tráfego, conversão e vendas influenciadas por IA.
O problema surge porque agentes capazes de operar navegadores podem executar ações semelhantes às de um consumidor. Eles abrem páginas, clicam, preenchem formulários, pesquisam produtos e chegam ao carrinho. Quando a loja ou a plataforma de publicidade não identifica que a interação foi automatizada, esses eventos podem entrar nas métricas usadas para avaliar tráfego e campanhas.
A consequência já alcança a publicidade digital. Um agente que aciona um anúncio pode gerar impressões ou cliques cobrados do anunciante, mesmo que nenhum consumidor tenha visto diretamente aquela publicidade. Isso pode inflar indicadores de desempenho e levar marcas a destinar mais verba a canais que parecem gerar mais interação humana do que realmente geram.
Em um teste relatado pela DoubleVerify, um assistente de IA recebeu a tarefa de comprar um shampoo que estava fora de estoque. Em vez de simplesmente abandonar a busca, o sistema chegou a clicar 10 ou 20 vezes em diferentes partes do site tentando concluir a tarefa. Para ferramentas de analytics, uma sequência desse tipo pode se parecer com uma sessão altamente engajada.
O problema vai além dos cliques
A distorção pode avançar pelo funil de vendas. Tráfego automatizado capaz de disparar eventos de página, carrinho ou pixels de publicidade pode contaminar dados usados em retargeting, atribuição e otimização automática de campanhas. Sistemas de mídia passam então a tomar decisões com base em uma mistura de comportamento humano e atividade de máquinas.
Ao mesmo tempo, existe o problema oposto: alguns agentes não navegam pela loja como um usuário convencional. Eles podem consultar dados estruturados ou interagir diretamente com APIs de catálogo e checkout, sem carregar páginas da forma esperada por ferramentas baseadas em sessões e JavaScript. Nesse cenário, uma interação comercial legítima pode ficar subestimada ou ser atribuída ao canal errado.
Essa diferença torna insuficiente a antiga divisão entre “humano” e “bot”. Um crawler malicioso, um robô de fraude e um agente autorizado por um consumidor são tráfego automatizado, mas têm objetivos completamente diferentes. Plataformas de detecção já trabalham para classificar separadamente agentes declarados, não declarados e evasivos, em vez de simplesmente bloquear toda atividade não humana.
O avanço da IA no processo de compra aumenta a pressão por essa separação. Dados da Adobe mostram que o tráfego enviado por ferramentas de IA para sites de varejo dos Estados Unidos cresceu 393% no primeiro trimestre de 2026 em relação ao mesmo período do ano anterior. Em março, consumidores encaminhados por esses serviços converteram 42% melhor do que visitantes vindos de outras fontes. Esses números medem principalmente usuários que chegam às lojas a partir de plataformas de IA, e não agentes autônomos, mas mostram a rapidez com que a IA está ganhando espaço na jornada de compra.
A solução anunciada por NIQ e Similarweb pretende acompanhar cinco áreas: intenção dos consumidores dentro de assistentes de IA, presença dos produtos nas recomendações, qualidade dos dados disponíveis para agentes, tráfego impulsionado por IA e conversões efetivamente associadas a essas interações. A primeira versão está prevista para o quarto trimestre de 2026.
Para varejistas e anunciantes, a mudança significa que métricas como sessões, cliques, abandono de carrinho e conversão passam a exigir uma nova pergunta antes de orientar decisões de marketing: quem — ou o que — realizou aquela ação?
