TLDR;

Significa que sistemas autônomos com objetivos próprios interagem com interfaces digitais para procurar informação e executar ações, e portanto devem ser considerados "usuários" na prática. Atualmente eles usam principalmente três abordagens — visão por captura de tela, leitura da árvore de acessibilidade do navegador ou acesso direto a APIs — cada uma com trade-offs de custo, precisão e robustez. Isso exige reforçar acessibilidade, marcação semântica, rotulagem clara e padrões previsíveis para atender humanos e agentes, ao mesmo tempo em que se avalia quando bloquear agentes por motivos de segurança, negócios ou conformidade.

Resumo

Com o surgimento de agentes de IA que executam tarefas em nome de pessoas, o conceito de “usuário” precisa ser expandido além do humano: esses agentes têm objetivos, encontram interfaces e tentam completá‑los, e muitas interfaces atuais falham em atendê‑los. Agentes interagem hoje por captura de tela (visão), leitura da árvore de acessibilidade ou acesso direto por APIs, cada método com limitações — screenshots são caros e imprecisos; a árvore de acessibilidade é mais eficiente e reforça a importância de HTML semântico; APIs permitem ações diretas quando disponíveis. Projetar para agentes, no curto prazo, converge com boas práticas de acessibilidade: rótulos claros, padrões previsíveis e estrutura sem dependência só visual, o que reduz erros e consumo de tokens. Contudo, há motivos legítimos para evitar agentes: modelos de negócio que dependem da visita humana, atrito intencional por segurança ou conformidade, proteção de inteligência competitiva, e plataformas que querem ser a camada agente. Optar por bloquear agentes tem riscos competitivos se concorrentes suportarem automação. No longo prazo, conforme APIs estruturadas se expandirem, as experiências de agentes e humanos podem divergir: humanos seguirão precisando de interfaces visuais, enquanto agentes lidarão diretamente com dados. Reconhecer agentes como usuários renova a urgência de práticas já conhecidas.