Ir para conteúdo
be-human.ai
← Voltar ao blog

Ferramentas e integrações

Agentes de navegador com IA: onde a automação quebra e como controlar

Agentes de navegador falham quando a página muda, a sessão expira ou um botão é ambíguo. Veja os pontos de falha e os controles que reduzem o risco.

Capa tipográfica do Be Human com o título: Agentes de navegador com IA: onde a automação quebra e como controlar
Ilustração conceitual criada com IA · Be Human

Um agente de navegador é um software que opera um site da mesma forma que uma pessoa: lê a página renderizada e, em nome dela, clica, digita e envia formulários. Ele falha onde as páginas mudam sem aviso, onde a sessão expira no meio da tarefa, onde dois botões com a mesma aparência fazem coisas diferentes e onde um timeout deixa o agente sem saber se o formulário foi enviado. A raspagem de tela dá ao agente olhos, mas não dá limites. Por isso, a segurança de um agente de navegador vem dos controles ao redor dele, e não apenas do navegador.

Principais pontos

  • Agentes de navegador dependem de como a página se apresenta no momento da ação, então mudanças de layout e pop-ups são causas comuns de falhas silenciosas.
  • Sessões expiradas, verificações em duas etapas e telas de consentimento precisam de uma pausa definida e de um caminho de alerta, não de um ciclo de tentativas no escuro.
  • Toda ação de escrita precisa de um ponto de aprovação e de uma checagem de duplicidade antes que o agente envie qualquer coisa.
  • Acesso somente leitura, uma conta dedicada e um registro dos passos reduzem mais o risco do que instruções mais longas.
  • Use uma API documentada ou um conector quando existir, e reserve a automação de navegador para sistemas que não oferecem caminho melhor.

Por que a raspagem de tela sozinha é uma base frágil

Um agente de raspagem lê o que o navegador renderiza e age sobre o elemento que ele acredita corresponder ao objetivo. Essa crença é frágil. Uma página pode carregar os campos em outra ordem numa conexão lenta, um rótulo pode estar traduzido, ou um widget de chat pode ficar por cima do campo que o agente precisa. Nada numa captura de tela garante ao agente que o elemento clicado era o correto, e nada diz a você, depois, o que ele de fato viu.

Há também uma dimensão de segurança. Um agente de navegador lê conteúdo escrito por terceiros, como descrições de produtos, respostas de suporte, documentos enviados e posts em fóruns. Textos dentro desse conteúdo podem tentar sobrescrever as instruções do agente, um padrão normalmente chamado de injeção de prompt. A orientação da OWASP sobre injeção de prompt trata isso como problema de projeto: conteúdo não confiável deve ser tratado como dado a extrair, e as permissões do agente nunca devem depender do que uma página diz. Um agente de navegador com acesso amplo e sem separação entre instruções e texto da página já nasce exposto.

Para o dono de uma empresa, a consequência prática é simples. Um agente de navegador que funciona numa demonstração pode se comportar de outra forma na terça-feira em que o fornecedor muda o portal, um banner aparece ou a sessão de um colega ainda está aberta no mesmo perfil do navegador. Planeje para esses dias desde o início.

Os sete pontos de falha dos agentes guiados por navegador

A maior parte dos problemas com agentes de navegador se resume a um destes pontos. Revise-os antes de aprovar qualquer primeira tarefa.

  • Desvio de layout: um botão movido ou um menu renomeado leva o agente ao elemento errado.
  • Alvos ambíguos: dois botões com o rótulo Salvar, um em área de rascunho e outro que publica o registro.
  • Interrupções de sessão: o login expira, aparece uma verificação em duas etapas ou uma redefinição de senha é exigida no meio da execução.
  • Sobreposições: banners de cookies, modais promocionais e widgets de chat cobrem o campo que o agente vai usar.
  • Envios duplicados: um timeout deixa o agente sem saber se o primeiro envio chegou, então ele envia de novo.
  • Instruções injetadas: um texto dentro da página pede ao agente que mude uma configuração, encaminhe um arquivo ou ignore suas regras anteriores.
  • Conclusão parcial silenciosa: metade do formulário é preenchida, o agente informa sucesso e ninguém confere o registro resultante.

Cada um desses pontos é controlável isoladamente. A dificuldade é que eles se combinam. Uma sobreposição esconde um botão, o agente clica num controle vizinho, a sessão então expira, e a nova tentativa envia um formulário parcial pela segunda vez. Uma única regra no prompt dificilmente cobre essa cadeia, por isso os controles precisam estar fora do modelo, na conta, nas permissões e na lógica de execução.

Quais controles tornam agentes de navegador mais seguros que a raspagem sozinha

Comece pela conta. Um agente de navegador deve usar um login dedicado com o menor papel que a tarefa exige, e não uma conta de administrador compartilhada que uma pessoa também usa. Lembre-se de que um login pessoal dá ao agente todo o seu alcance. O raciocínio em permissões mínimas para agentes de IA se aplica diretamente às sessões de navegador e também torna possível revogar acesso e revisar tudo quando algo muda.

Em seguida, separe leitura de escrita. A maioria das primeiras tarefas pode ser somente leitura: o agente abre uma página, extrai os campos para um registro estruturado e para. O acesso de escrita é concedido depois, para ações específicas, quando a extração já tiver sido conferida em páginas reais durante um período que a equipe combinou antecipadamente.

Depois, acrescente os controles que a raspagem não oferece por conta própria:

  • Uma lista de permissão de domínios e ações, para que o agente não saia para sites não relacionados nem clique em controles destrutivos.
  • Um registro de passos armazenado, com o endereço da página, o elemento escolhido e um instantâneo tirado antes de cada escrita.
  • Uma condição de parada para qualquer tela inesperada, como um pedido de login, uma página de pagamento ou um novo diálogo de consentimento.
  • Um timeout que encerra a execução e envia um alerta a uma pessoa, em vez de tentar de novo às cegas.
  • Uma checagem de idempotência que verifica se o registro já existe antes de criá-lo, para que uma execução repetida não o duplique.
  • Uma etapa de aprovação antes de qualquer ação irreversível, enviada a um canal que uma pessoa já acompanha.

A lista é propositalmente sem graça. Nenhum desses controles depende de o agente ser esperto. Eles dependem de alguém ter decidido, antecipadamente, o que o agente pode tocar e o que deve fazer quando a página não é o que ele esperava.

Guia de decisão: API, conector ou navegador

Antes de escolher automação de navegador, verifique se o sistema oferece um caminho melhor. A decisão costuma ser direta. Para uma comparação mais detalhada, leia API ou automação de navegador para agentes de IA.

  • Use uma API documentada quando ela expuser as ações de que você precisa, porque ela devolve respostas estruturadas, erros explícitos e identificadores estáveis.
  • Use um conector do fornecedor ou uma integração oficial quando ele cobrir sua tarefa e você puder ver as permissões dele.
  • Use automação de navegador só quando o sistema não tiver interface utilizável para a tarefa, e comece com extração somente leitura que uma pessoa revisa.
  • Não use automação de navegador para pagamentos, assinaturas jurídicas ou exclusões em um primeiro projeto, não importa quão estável a página pareça.

Se a resposta for automação de navegador, documente o motivo. Essa nota passa a fazer parte da sua revisão quando o site mudar, e explica ao próximo responsável por que o agente trabalha por uma tela em vez de um canal de dados.

Como executar uma primeira tarefa de navegador com segurança

Use esta sequência na primeira tarefa. Cada etapa deve ser concluída antes da seguinte, e cada uma deve gerar um registro que alguém possa inspecionar.

  • Passo 1: defina a tarefa única, a página de onde ela começa e o registro que ela produz.
  • Passo 2: crie uma conta dedicada com permissões somente leitura e registre quem é o dono dela e quem pode revogá-la.
  • Passo 3: escreva a checagem de sucesso, como uma contagem de campos que bata com a lista de origem ou um registro que aparece exatamente uma vez.
  • Passo 4: rode a extração em uma amostra de páginas e compare os resultados à mão, campo a campo.
  • Passo 5: defina condições de parada para pedidos de login, telas desconhecidas e qualquer página que peça pagamento ou confirmação.
  • Passo 6: acrescente uma ação de escrita somente depois que as leituras estiverem estáveis, e coloque-a atrás de uma etapa de aprovação.
  • Passo 7: revise o registro de passos em um calendário fixo durante o primeiro período, e transforme cada falha em uma nova regra ou em uma nova condição de parada.

Exemplo ilustrativo (hipotético): um coordenador de compras quer que um agente colete notas de entrega de um portal de fornecedor que não tem função de exportação. Na fase somente leitura, o agente entra com uma conta dedicada, abre cada nota e grava os campos em uma tabela de revisão. Quando um banner de cookies cobre o botão de download, a execução pausa e o evento aparece no registro de passos, de modo que nenhum arquivo parcial é gerado. Só depois de vários ciclos de revisão sem falhas a equipe permite que o agente sinalize notas divergentes no portal, e o lançamento no sistema contábil continua com uma pessoa até que uma checagem de duplicidade esteja em vigor. O exemplo mostra a ordem dos controles, não um resultado medido.

Como uma abordagem gerenciada lida com o risco de navegador

No modelo gerenciado da Be Human, um agente de navegador começa com um papel definido, um escopo somente leitura e uma checagem de sucesso escrita antes da primeira execução. A operação inclui monitoramento dos registros de execução, avaliações recorrentes em um conjunto fixo de páginas, revisões de permissões e atualizações controladas quando um site muda seu layout ou seu fluxo de login. As ações de escrita continuam atrás de aprovações, e a conta, as permissões e as notas operacionais do agente permanecem sob controle da empresa, para que uma pessoa possa inspecionar, pausar ou ajustar o agente sem reconstruí-lo. O objetivo é um sistema que a equipe consiga explicar, e não apenas um sistema que roda.

Se você não tem certeza de qual das suas tarefas na web merece esse tratamento primeiro, o diagnóstico gratuito de IA da Be Human pode ajudar a identificar a primeira tarefa que vale entregar a um agente.

Perguntas frequentes

Agentes de navegador são seguros o bastante para uso empresarial? Um agente de navegador pode ser usado com responsabilidade quando o escopo é restrito, a conta é dedicada e as ações de escrita exigem aprovação. A segurança depende mais dos controles ao redor do agente do que da capacidade bruta dele. Comece com tarefas somente leitura e amplie apenas depois que o registro de passos mostrar um comportamento estável ao longo do tempo.

Posso dar ao agente de navegador o meu próprio login? É melhor não dar. Um login pessoal dá ao agente o mesmo alcance que você tem, inclusive em áreas que você não pretendia expor, e torna a atividade dele difícil de separar da sua. Uma conta dedicada com o papel mínimo permite revisar ações, atribuir responsabilidade e revogar acesso com rapidez.

O que é injeção de prompt e por que isso importa para agentes de navegador? Injeção de prompt é um texto dentro de uma página ou documento que tenta mudar o que o agente faz, por exemplo pedindo que ele ignore regras anteriores ou envie um arquivo para outro destino. Isso importa porque agentes de navegador leem conteúdo escrito por pessoas de fora. Trate esse conteúdo como dado a extrair e mantenha as permissões de escrita fora do alcance de qualquer coisa que uma página diga.

Devo usar raspagem de tela ou uma API? Use uma API quando o fornecedor oferecer as ações de que você precisa, porque ela devolve respostas estruturadas e identificadores estáveis. A automação de navegador serve para sistemas sem interface utilizável e deve começar como somente leitura, com uma pessoa revisando a saída. Escolha o caminho depois de verificar o que o sistema oficialmente suporta, e não depois de testar o que a tela permite.

Seu próximo passo

Descubra primeiro onde um agente de IA cabe na sua empresa.

Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.

Menos tarefas. Mais espaço para você.

Traga o trabalho para o qual falta tempo.

Agende uma conversa e teste 7 dias grátis um agente de IA personalizado ↗Ou faça o diagnóstico gratuito de IA →