Sites que criam versões em texto puro para facilitar a leitura de agentes de inteligência artificial estão resolvendo o problema errado. É o que mostra uma análise publicada pelo Search Engine Journal, que aponta uma falha estrutural nessas chamadas “versões markdown”: elas descrevem o conteúdo das páginas, mas eliminam justamente os botões, formulários e funções que permitiriam a um agente de IA executar uma ação, como finalizar uma compra ou cancelar uma assinatura.
O problema afeta diretamente lojas virtuais, empresas de serviços e qualquer negócio que dependa de visitantes humanos e, cada vez mais, de agentes automatizados para converter vendas. Segundo a análise, criar uma cópia em texto de uma página resolve a leitura, mas não resolve a ação: o agente consegue entender o que a página é, mas não consegue fazer nada com ela.
O que é a “versão em texto” e por que ela falha
A chamada versão markdown é uma espécie de espelho textual de uma página da web, criada para que sistemas de IA leiam o conteúdo sem precisar processar camadas visuais ou JavaScript. O raciocínio por trás da prática é simples: como máquinas não veem design, remover a camada visual não causaria perda real de informação.
O problema é que, ao remover a interface, essas versões também removem tudo que um visitante humano poderia clicar. Layout, navegação e hierarquia visual podem desaparecer sem prejuízo algum para uma máquina. Mas botões de compra, campos de formulário e links de ação não podem, porque são justamente o que permite a um agente de IA realizar uma tarefa, e não apenas descrevê-la.
Dados estruturados já fazem parte da solução, mas não bastam
Dados estruturados, no formato JSON-LD, já estão presentes em 55,6% dos sites monitorados pela W3Techs, conforme levantamento de setembro de 2026. Esse tipo de marcação é escrito para máquinas e não aparece para o visitante comum, por isso sobrevive ao exercício de remover a camada visual.
Ainda assim, segundo a análise, tanto os dados estruturados quanto os indicadores de “prontidão para IA” lançados recentemente respondem apenas a uma pergunta: o que é essa página. Nenhum deles informa o que pode ser feito com ela. Um leitor de prontidão, por exemplo, verifica se existem ferramentas WebMCP registradas na página, mas não confirma se elas realmente funcionam.
Como expor ações para agentes de IA
Existem dois caminhos estruturais para um site informar a uma máquina o que pode ser feito nele. O primeiro é o HTML semântico combinado a recursos de acessibilidade: elementos nativos como botão, campo de formulário com rótulo e formulário com destino definido já indicam, por padrão, para que servem.
O segundo caminho, ainda em fase de proposta, é o chamado tool surface declarado, hoje representado pelo padrão WebMCP. Nele, a própria página registra as funções que um agente pode acionar, sem depender de inferência a partir da marcação.
- Piso: HTML semântico e acessibilidade, já existente na maioria dos sites com formulários
- Teto: WebMCP, padrão ainda proposto, em que a página declara diretamente quais funções o agente pode chamar
Falhas de acessibilidade ainda são a regra na web
Segundo a avaliação da WebAIM sobre as páginas iniciais do top 1 milhão de sites, feita em 2026, 95,9% falharam nos critérios do WCAG 2, padrão internacional de acessibilidade. O índice subiu em relação aos 94,8% registrados em 2025, revertendo seis anos de pequenas melhorias. A média de erros por página chegou a 56,1, alta de 10,1% em um ano.
Três das seis falhas mais comuns dizem respeito justamente a ações que desaparecem da página: campos de formulário sem rótulo apareceram em 51% das páginas iniciais, links vazios em 46,3% e botões vazios em 30,6%. Um botão sem identificação é um botão que um agente de IA não consegue diferenciar de outro ao lado.
Essas falhas também afetam pessoas que usam tecnologia assistiva. Um estudo aceito para o CHI 2026 testou o modelo Claude Sonnet 4.5, da Anthropic, como agente autônomo em 60 tarefas do dia a dia. A taxa de sucesso caiu de 78,3%, em condições padrão, para 41,7% usando apenas teclado e para 28,3% com a tela ampliada em 150%.
Sem retorno claro, agente repete a ação
A análise cita um caso prático: um agente de IA configurado para enviar formulários na web passou a repetir o envio porque não recebia nenhuma confirmação em formato que pudesse interpretar. A confirmação existia, mas era pensada apenas para os olhos de uma pessoa, não para leitura automatizada.
O resultado prático desse tipo de falha são pedidos duplicados, chamados de suporte duplicados e cadastros duplicados, atribuídos à ausência de retorno claro da página, e não a um erro do agente.
Shopify já aplica o conceito em escala
Até agora, segundo o autor da análise, a Shopify é a única plataforma identificada com um tool surface declarado funcionando em larga escala. Em 5 de agosto de 2026, a empresa ativou ferramentas WebMCP para todas as lojas construídas na linguagem de temas Liquid, cobrindo busca no catálogo, carrinho, finalização de compra e consulta de políticas, sem exigir nenhuma instalação por parte dos lojistas.
A verificação em três lojas diferentes, no dia seguinte à ativação, mostrou que todas carregavam o mesmo script de adaptação a partir da rede de distribuição de conteúdo da Shopify, já que a própria plataforma escreveu a solução uma vez e a distribuiu para todos os lojistas. Em 6 de agosto, a busca no catálogo funcionava normalmente, mas o processo de compra apresentou erro interno. Durante teleconferência de resultados no dia 5 de agosto, a Shopify informou que o tráfego e os pedidos originados de IA triplicaram em relação ao ano anterior.
O caso da Shopify mostra que a solução para o problema identificado já existe e depende de decisão das plataformas, não apenas dos lojistas individuais. Até que o padrão WebMCP se torne mais comum, a análise recomenda corrigir primeiro o que já é considerado básico: HTML semântico correto, formulários com rótulos e botões identificados, e páginas que informam claramente a uma máquina quando uma ação foi concluída com sucesso.
Com informações de searchenginejournal.com.
