Tráfego de IA em Sites: Análise Detalhada Revela Padrões Distintos de LLMs no Acesso a Conteúdo

Um estudo recente da Evil Martians trouxe luz sobre como diferentes modelos de linguagem (LLMs) interagem com os sites, desmistificando o conceito de "tráfego de IA" como uma entidade única. A análise de dois meses no site evilmartians.com, que registrou 268.000 requisições de agentes de IA contra 107.000 visualizações humanas, revelou que o tráfego de IA é polarizado e exige abordagens distintas de otimização.

A pesquisa detalha que o ChatGPT-User, responsável por 73% do volume de IA, acessa predominantemente o HTML renderizado. Em contraste, o Claude Code demonstrou uma clara preferência por Markdown, solicitando 76% das vezes através do header Accept: text/markdown. Isso sublinha a importância de técnicas como a negociação de conteúdo (content negotiation), um padrão HTTP que se mostra eficaz para entregar o formato adequado ao agente certo. Outros mecanismos, como o arquivo llms.txt e dicas escondidas em divs, foram amplamente ignorados pelos assistentes de IA nomeados, sendo acessados majoritariamente por bots genéricos ou indexadores.

O que antes eram suposições ou observações de mercado, agora tem validação prática. Nossa cobertura em 16 de junho de 2026 já indicava que "quase nenhum llms.txt é lido por IA", e o estudo da Evil Martians confirma isso com dados próprios: das 770 requisições diretas a llms.txt, apenas 37 vieram de assistentes de IA específicos. Este dado reforça que o arquivo, apesar de existir, não é uma rota primária para as IAs treinadas.

Além disso, a cobertura do CEVIU em 22 de junho de 2026 destacou que "a maioria dos assistentes de IA não executa JavaScript". O estudo atual da Evil Martians adota essa premissa como base para seu monitoramento server-side, validando a necessidade de registrar o tráfego antes da execução de scripts no cliente. A eficácia da Content Negotiation para o Claude Code também confirma a aposta de "Part One" da Evil Martians, onde a negociação de conteúdo foi vista como a solução mais duradoura, e agora tem seus resultados comprovados em campo.

Para o desenvolvedor e o arquiteto de software, entender o comportamento real dos agentes de IA é crucial. Não se trata mais de otimizar para "IA" de forma genérica, mas de conhecer os "usuários" específicos: ChatGPT-User quer HTML limpo, Claude Code busca Markdown via Content Negotiation. Isso significa focar na qualidade do HTML renderizado e implementar padrões HTTP robustos, em vez de investir em técnicas "inteligentes" ou em arquivos como llms.txt que não são utilizados como esperado.

A medição server-side, como exemplificado pelo estudo, torna-se uma habilidade essencial para qualquer estratégia de Generative Engine Optimization (GEO) eficaz. Essa abordagem garante que os desenvolvedores possam adaptar suas páginas para maximizar a visibilidade e a utilidade do conteúdo para os LLMs mais relevantes, impactando diretamente o alcance e a inteligência do sistema em relação ao site.