Odwiedzający, który nie rusza myszą

Maszyny odwiedzają strony internetowe od trzydziestu lat. Nowe jest to, że jeden ich rodzaj wygląda dziś nie do odróżnienia od człowieka – nie dlatego, że się maskuje, lecz dlatego, że naprawdę napędza przeglądarkę.

Ruch maszynowy rozpada się przez to na dwie połowy, które nie mają ze sobą nic wspólnego poza słowem. Jedna nigdy nie pojawia się w raporcie analitycznym i daje się uregulować plikiem tekstowym. Druga pojawia się w każdym raporcie i tym plikiem nie daje się uregulować wcale.

Dlaczego robot nigdy nie stoi w raporcie

Starszy rodzaj maszyny pobiera dostarczony HTML i go czyta. Nie wykonuje JavaScriptu, nie doładowuje kontenera i tym samym nie wyzwala żadnego zdarzenia. Dla narzędzia analitycznego mierzącego przez skrypt w przeglądarce ta wizyta nigdy się nie odbyła. Widoczna staje się wyłącznie w dzienniku dostępu serwera.

Dotyczy to zarówno znanych kolektorów dostawców modeli językowych, jak i robotów wyszukiwarek. Zgłaszają się z reguły własną nazwą w identyfikacji, przestrzegają robots.txt i właśnie dlatego dają się regulować: kto nic nie wykonuje, ten też niczego nie obchodzi.

Dlaczego przeglądarka agentowa stoi w nim zawsze

Nowszy rodzaj to pełna przeglądarka oparta na Chromium, sterowana modelem językowym. Renderuje jak Chrome, bo używa tej samej maszynerii Blink i V8. Wykonuje kontener, ustawia ciasteczka, wyzwala zdarzenia i kończy sesję. W raporcie stoi potem sesja, urządzenie, pochodzenie i lista zdarzeń – wszystko to prawdziwe.

Dlatego zwykłe filtry nie chwytają. Lista wykluczeń znanych botów działa po identyfikacji przeglądarki, a ta identyfikacja to zwyczajny Chrome. Sprawdzenie braku JavaScriptu trafia w próżnię, bo JavaScript działa. Sprawdzenie braku wymiarów ekranu trafia w próżnię, bo okno istnieje.

Czego robots.txt tu nie robi

Plik zwraca się do programów zbierających z własnej inicjatywy. Przeglądarka agentowa działa jednak na zlecenie człowieka, który właśnie zadał pytanie, a rozpowszechniona wykładnia dostawców głosi, że takie pobranie nie jest crawlowaniem. Czy ta wykładnia przekonuje, pozostaje pytaniem otwartym. Praktycznie rozstrzygające jest to, że zakaz i tak nie miałby tam skutku, bo żądanie nie pochodzi od nazwanego kolektora.

Wynika z tego niewygodna symetria. Maszyny, które dają się regulować przez robots.txt, nie pojawiają się w żadnym wskaźniku. Maszyny wpływające na każdy wskaźnik nie dają się tam regulować.

Po czym mimo to poznać agenta

Zostaje zachowanie. Sterowany przebieg przesuwa wskaźnik po prostych odcinkach między elementami, zamiast wędrować obok nich. Czyta drzewo strony zrywami, a nie przy przewijaniu. Wyzwala zdarzenia w równych odstępach, bo między nimi nie leży namysł, lecz krok procedury. I działa często, wcale wcześniej nie przewinąwszy strony, co u człowieka praktycznie się nie zdarza.

Po stronie serwera dochodzą ślady techniczne, jak cechy interfejsu zdalnego sterowania albo rozbieżności między deklarowanym a rzeczywistym wyposażeniem przeglądarki. Obie drogi mają ten sam haczyk: potrzebują surowych zdarzeń. Interfejs raportowy liczący tylko sesje i zdarzenia nie zawiera żadnej z tych informacji.

Gdzie staje się widoczna która maszyna

  robot trenujący       dziennik dostępu      tak
                        raport analityczny    nie  (brak JavaScriptu)
                        robots.txt reguluje   tak

  przeglądarka agentowa dziennik dostępu      tak, jako Chrome
                        raport analityczny    tak, jako sesja
                        robots.txt reguluje   nie

  cechy odróżniające istnieją tylko w danych surowych:
    odstęp zdarzeń, działanie bez przewijania,
    proste odcinki wskaźnika, ślady zdalnego sterowania

Tożsamość, którą da się podpisać

Po stronie dostawców powstaje właśnie odpowiedź na problem rozpoznawania. Web Bot Auth opiera się na podpisach wiadomości HTTP według RFC 9421: operator agenta tworzy parę kluczy Ed25519, publikuje część publiczną pod ustalną ścieżką w kontrolowanej przez siebie domenie i podpisuje każde wychodzące żądanie. Witryna może sprawdzić podpis i wie wtedy z pewnością, od którego operatora żądanie pochodzi.

Stan rzeczy zasługuje jednak na uczciwy opis. Grupa robocza IETF zajmuje się tym od początku 2026, a przyjętego dokumentu dotąd nie ma. Kilku dużych dostawców sieciowych i bezpieczeństwa mimo to sprawdza podpisy w ruchu produkcyjnym. Postawienie na to dzisiaj jest postawieniem na projekt o szerokim poparciu – i nawet to pomaga tylko wobec agentów, którzy chcą być rozpoznani.

Co z tego wynika dla liczby

Rozpowszechnione dane rynkowe o udziale ruchu agentowego pochodzą od dostawców bezpieczeństwa sprzedających wykrywanie. To nie czyni ich fałszywymi, ale czyni je czymś innym niż ustalenie neutralne, a i tak opisują cudze witryny. Dla własnych danych jedyną obronną liczbą jest ta zmierzona u siebie.

Praktycznie znaczy to trzy rzeczy. Po pierwsze, dane surowe należą tam, gdzie da się analizować odstępy i kolejność – interfejs z gotowymi raportami do tego nie wystarcza. Po drugie, pytanie warto zadać przed następną osobliwością, a nie po niej, bo niewyjaśniony skok zostanie inaczej przypisany kampanii, która akurat trwała. Po trzecie, uczciwą odpowiedzią na pytanie o wielkość udziału jest dla większości witryn obecnie: nieznany – a to lepsza odpowiedź niż pożyczony procent.