মূল বিষয়বস্তুতে যান
মানব বনাম agent ট্রাফিক

human, AI-assisted এবং agent ট্রাফিক আলাদা করে চিহ্নিত করুন

প্রতিটি interaction-কে একটি স্পষ্ট class এবং একটি স্পষ্ট basis দিন, যাতে আপনার application মানুষ, AI-এর সঙ্গে কাজ করা মানুষ, এবং autonomous agent-দের জন্য প্রত্যেকের প্রাপ্যভাবে সেবা দিতে পারে।

প্রাথমিক access পানকীভাবে কাজ করে তা অন্বেষণ করুন
Toshendra Sharma

দ্বারা Toshendra SharmaFounder & CEO, AgentCredia · Updated November 13, 2026

দুটি category আর যথেষ্ট নয়

বছরের পর বছর ধরে traffic দুই ভাগে ভাগ করা হতো: human এবং bot। Human-রা product পেত। Bot-রা block, rate-limited বা ignore করা হতো।

এই বিভাজন আর টেকে না। কিছু automated visitor আসলে agent, যারা বাস্তব customer-এর পক্ষে কাজ করছে: একটি assistant plan তুলনা করছে, একটি agent আপনার API দিয়ে data টানছে, একটি tool আপনার MCP server-এ কল করে একটি task শেষ করছে। AI provider-রাও এখন এই ধরনের user-initiated access নিজেদের ডকুমেন্টেশনে বর্ণনা করে: OpenAI জানায় যে তার ChatGPT-User agent ব্যবহারকারী ChatGPT-কে প্রশ্ন করলে page visit করে (OpenAI crawler documentation), এবং Anthropic একই উদ্দেশ্যে Claude-User তালিকাভুক্ত করে (Anthropic crawler documentation). একই সময়ে, কিছু মানুষ AI-এর সঙ্গে হাতে-হাত মিলিয়ে কাজ করেন, assistant পাশে রেখে message draft করেন, form পূরণ করেন এবং product navigate করেন। সবকিছুকে human বা bot-এ ঠেলে দিলে দুই দিকেই খারাপ সিদ্ধান্ত হয়। বৈধ agent block হয়ে যায়, আর বাস্তব মানুষ challenge হয় কারণ তাদের behavior অস্বাভাবিক দেখায়।

human এবং AI agent traffic আলাদা করতে হলে, যাতে ভালো সিদ্ধান্তে পৌঁছানো যায়, আপনার আরও category দরকার এবং প্রতিটি result কতটা বিশ্বাসযোগ্য তা জানতে হবে। how to tell if website traffic comes from AI agents বিষয়ক blog post-টি সেই signals ব্যাখ্যা করে যা এটি সম্ভব করে, এবং SaaS apps use case দেখায় কোথায় এই distinction product decision বদলে দেয়।

চারটি class, প্রতিটির নির্দিষ্ট অর্থ আছে

Proof of Actor interaction-কে চারটি class-এ classify করে। প্রতিটির একটি definition এবং একটি স্পষ্ট সীমা আছে, যাতে আপনার team-এর কেউ evidence যা সমর্থন করে তার চেয়ে বেশি কিছু ফলাফল থেকে না পড়ে। এই taxonomy-র পেছনের reasoning জানতে পড়ুন Human, AI-assisted or agent: a taxonomy for app traffic.

Human

সমর্থিত observable signals দেখায় যে interaction human-directed। এই class-টি identity নয়, interaction-টি কে নির্দেশ করছে তা নিয়ে। একটি Human result বলে না ব্যক্তি কে, এবং এটাও দাবি করে না যে কোথাও AI ব্যবহার হয়নি।

Human + AI

AI assistance declared ছিল, বা এমন একটি supported integration-এর মাধ্যমে পর্যবেক্ষণ করা হয়েছে যা সেটি বাস্তবে দেখতে পারে। উদাহরণ হিসেবে থাকতে পারে ব্যবহারকারী আপনার নিজস্ব disclosure control-এর মাধ্যমে content-কে AI-drafted হিসেবে চিহ্নিত করা, অথবা আপনার application signed-in ব্যবহারকারীর জন্য built-in assistant কোনো action সম্পাদন করেছে বলে রিপোর্ট করা। আরও পড়ুন AI-assisted interaction glossary entry-তে।

Agent

automated বা agent-origin interaction, যা যাচাইযোগ্য identity দ্বারা সমর্থিত, যেমন published key থেকে valid request signature, অথবা সতর্কভাবে qualified inference। একটি Agent result বলে কে action নিচ্ছে। এর মানে এই নয় যে agent authorized, safe, বা একজন মানুষের বৈধ delegation নিয়ে কাজ করছে। autonomous agents সম্পর্কে আরও পড়ুন।

Unknown

উপলব্ধ evidence নির্ভরযোগ্য সিদ্ধান্তকে সমর্থন করে না। Unknown একটি সৎ এবং দরকারি result: এটি দেখায় coverage কোথায় শেষ হয়, এবং policy-কে অনিশ্চিত case deliberateভাবে handle করতে দেয়, দুর্ঘটনাবশত নয়।

প্রতিটি class-এর সঙ্গে basis থাকে

human এবং agent traffic আলাদা করা কাজের অর্ধেকমাত্র। বাকি অর্ধেক হলো প্রতিটি conclusion কতটা শক্তিশালী তা জানা। এ কারণেই প্রতিটি Proof of Actor result-এ একটি basis থাকে:

  • Verified: যাচাইযোগ্য assertion validate করা হয়েছে, যেমন published key-এর বিপরীতে checked request signature।
  • Declared: client বা আপনার application তা জানিয়েছে, যেমন একটি agent নিজেকে পরিচয় দিচ্ছে বা ব্যবহারকারী AI assistance প্রকাশ করছে।
  • Inferred: behavioral বা contextual signal থেকে উপসংহার টানা হয়েছে, এবং সেটি সবসময় inference হিসেবে লেবেল করা হয়।
  • Unknown: সিদ্ধান্তের জন্য যথেষ্ট evidence নেই।

class এবং basis-এর এই সংমিশ্রণই আপনাকে নির্ভুল rule তৈরি করতে দেয়। একটি verified agent এবং একটি inferred agent দুজনেই agent, কিন্তু আপনি প্রথমটিকে structured API দিতে এবং দ্বিতীয়টিকে standard rate limit-এ রাখতে চাইতে পারেন। একটি declared AI-assisted submission এবং একটি human session দুটোই স্বাভাবিকভাবে এগোতে পারে, এমন একটি label সহ যা আপনার support team-কে সাহায্য করে। সম্পূর্ণ taxonomy Detection & Limitations-এ পাওয়া যাবে।

classification কীভাবে হয়

Proof of Actor প্রতিটি interaction-এর জন্য একই evidence-first পথ অনুসরণ করে। সম্পূর্ণ ব্যাখ্যা How It Works-এ আছে।

আপনার integration যে signals দেখতে পারে

  • published key প্রকাশ করা automated client-দের request signatures, যা RFC 9421-এ সংজ্ঞায়িত HTTP Message Signatures ব্যবহার করে। IETF Web Bot Auth working group-কে এইভাবে automated client-দের authentication মানসম্মত করার দায়িত্ব দেওয়া হয়েছে।
  • নিজেদের শনাক্ত করা client-দের declarations, যেমন AI crawler এবং fetcher-দের documented user agent, এবং যখন আপনার own application জানে AI assistance জড়িত।
  • server-side integration-এর জন্য উপলব্ধ request context, যেমন header এবং protocol details।
  • approved browser integration থেকে আসা interaction signals, যেসব page-এ এটি চলে।

signals থেকে result-এ

signals পরীক্ষা করা হয়, basis অনুযায়ী লেবেল করা হয় এবং একত্র করা হয়। শক্তিশালী verified evidence নিশ্চিত result দেয়। দুর্বল বা বিরোধপূর্ণ evidence qualified inference বা Unknown দেয়। timeout বা missing signal কখনও Human result হয়ে যায় না। output হলো একটি class, একটি basis এবং একটি evidence summary, যা আপনার team-এর যে কেউ পড়তে পারে।

ট্রাফিক আলাদা হলে আপনি কী করতে পারেন

Proof of Actor তিনটি capability ঘিরে সাজানো: Detect, Understand এবং Route।

প্রতিটি interaction-এর পেছনের actor detect করুন

প্রতিটি context-এ উপলব্ধ signals সংগ্রহ করুন এবং verified assertion-কে inference থেকে আলাদা করুন। Unknown দৃশ্যমান রাখুন।

প্রতিটি actor কীভাবে আপনার product ব্যবহার করছে তা বুঝুন

route অনুযায়ী এবং সময়ের সঙ্গে human, AI-assisted, agent এবং unknown activity-র mix দেখুন। যেকোনো result খুলে দেখুন কী জানা আছে এবং কী জানা নেই। agent কোথায় ঘনীভূত হয়েছে এবং কোন workflow-এ AI assistance সাধারণ তা চিহ্নিত করুন।

প্রতিটি actor-কে সঠিক experience-এ route করুন

evidence তা সমর্থন করলে আপনার own policy প্রয়োগ করুন। একটি public website-এ, websites use case দেখায় কীভাবে এই সিদ্ধান্তগুলো বাস্তব route-এ মানচিত্রিত হয়:

  • verified agent-কে human-shaped page-এর বদলে একটি structured response বা API দিন।
  • human-directed session-এর জন্য standard experience বজায় রাখুন।
  • AI-assisted submission-গুলো লেবেল করুন যাতে সঠিক team সেগুলো handle করে।
  • sensitive action-এ শক্তিশালী credential চাইুন যখন আপনার own condition তা দাবি করে।
  • প্রতিটি route-এ Unknown-এর জন্য একটি explicit fallback বেছে নিন, যেমন public page allow করা এবং account change-এ existing check বজায় রাখা।

rolling out actor-aware policies safely guide-টি observation থেকে enforcement-এ একবারে একটি route করে কীভাবে যেতে হয় তা cover করে।

এটি আপনার user-দের জন্য কেন গুরুত্বপূর্ণ

এটি সঠিকভাবে করা আপনার application ব্যবহারকারী সবার জন্য ভালো।

মানুষ আরও মসৃণ experience পায়, কারণ অস্পষ্ট score-এর জোরে তাদের challenge করা হয় না। AI-এর সঙ্গে কাজ করা মানুষ disclosed assistance-এর জন্য support পায়, যেখানে এটি মানানসই। বৈধ agent-রা তাদের কাজ করার জন্য নির্ভরযোগ্য, structured উপায় পায়, যা scraping এবং আপনার interface-এর উপর load কমায়। আপনার team explainable decision পায়, তাই support conversation, incident review এবং policy change guesswork-এর বদলে evidence-এর ওপর দাঁড়ায়।

login-ই actor নয়

সবচেয়ে সাধারণ বিভ্রান্তির একটি উৎস হলো account নিজেই। signed-in session আপনাকে বলে কোন account ব্যবহৃত হচ্ছে। এটি বলে না বর্তমান interaction-টি কে নির্দেশ করছে। একই account সকালবেলায় owner সেটিংসে ক্লিক করতে ব্যবহার করতে পারেন, দুপুরে owner যে assistant-কে report export করতে বলেছিলেন তা ব্যবহার করতে পারে, এবং সন্ধ্যায় API key-এর মাধ্যমে কাজ করা একটি agent ব্যবহার করতে পারে।

তিনটিকেই একইভাবে ধরলে দুই দিকেই সমস্যা হয়। যদি account-এর প্রতিটি request owner-এরই বলে ধরে নেওয়া হয়, তবে একটি agent সেই workflow-এ পৌঁছাতে পারে যা একজন মানুষের জন্য বানানো হয়েছিল। যদি প্রতিটি অস্বাভাবিক request-কে attack বলে ধরে নেওয়া হয়, তবে owner-এর নিজের tool block হয়ে যায়। actor-কে account থেকে আলাদা করলে আপনার application authentication এবং authorization ঠিক যেমন আছে তেমনই রাখতে পারে, এবং কে এখন act করছে তার অনুপস্থিত context যোগ করতে পারে। এই context-ই agent-কে human-only workflow না খুলে structured access দেওয়া সম্ভব করে।

observation mode-এ শুরু করুন

প্রতিটি deployment observation mode-এ শুরু হয়। Proof of Actor result record করে, আর আপনার application আগের মতোই response দেয়। আপনার team human, AI-assisted, agent এবং unknown activity-র একটি baseline তৈরি করে, সেটিকে আপনি আগে থেকেই জানা outcome-এর সঙ্গে তুলনা করে, এবং একটি rule বদলানোর আগে প্রতিটি false positive review করে। যখন একটি policy প্রস্তুত, আপনি সেটি এক workflow-এ enable করেন এবং সেখান থেকে প্রসারিত করেন।

founding developer program-এ যোগ দিন

Proof of Actor অল্প কয়েকটি application team-এর সঙ্গে private beta-তে আছে। নির্বাচিত founding developer-রা agreed usage limit-এর মধ্যে up to 12 months free access পেতে পারেন, hands-on feedback-এর বিনিময়ে। আপনি আমাদের engineer-দের কাছ থেকে সরাসরি integration support, early access to capabilities, এবং priority-তে প্রভাব পান।

আপনার application-এ human এবং AI agent traffic আলাদা করতে হলে, early access-এর জন্য apply করুন এবং আমাদের বলুন কোন interaction-টি আপনি সবচেয়ে বেশি বুঝতে চান।

Proof of Actor explore করুন, how it works পড়ুন, অথবা ঠিক কী evidence establish করতে পারে তা দেখুন what the evidence can establish-এ।

Sources

ডেভেলপারদের জন্য

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record
{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}
class
Human, Human + AI, Agent বা Unknown।
basis
evidence কতটা শক্তিশালী: verified, declared, inferred বা unknown।
evidence
result-এর পেছনের signals, যাতে আপনার team কারণটি দেখতে পারে।

observation mode-এ শুরু করুন: results আপনার logs-এর পাশে record করুন এবং আপনি কোনো policy বেছে না নেওয়া পর্যন্ত কিছুই পরিবর্তন করবেন না। Node.js integration guide পড়ুন

প্রায়শই জিজ্ঞাসিত প্রশ্ন

human এবং AI agent ট্রাফিক কীভাবে আলাদা করেন?

Proof of Actor আপনার integration যে signals পর্যবেক্ষণ করতে পারে, যেমন request signatures, client declarations, request context এবং browser interaction signals, সেগুলো একত্র করে এবং একটি স্পষ্ট basis সহ একটি class ফেরত দেয়।

Human + AI class কেন আছে?

কিছু মানুষ পাশে AI assistant নিয়ে কাজ করেন। তাদেরকে পুরোপুরি human বা পুরোপুরি automated হিসেবে ধরলে গুরুত্বপূর্ণ context হারিয়ে যায়। Human + AI সেই assistance-কে কভার করে যা declared, বা supported integration-এর মাধ্যমে পর্যবেক্ষণযোগ্য।

Agent result কি bad bot-এর সমান?

না। অনেক agent বৈধ participant। Agent result বলে কে action নিচ্ছে, action অনুমোদিত কি না তা বলে না। আপনার policy ঠিক করে প্রতিটি agent কীভাবে served হবে।

ট্রাফিক class করা না গেলে কী হবে?

এটি Unknown হিসেবে রিপোর্ট করা হয়, যা একটি first-class result। Unknown-কে কখনও Human-এ বদলানো হয় না এবং default হিসেবে malicious ধরা হয় না।

আমাকে কি কিছু block করতেই হবে?

না। আপনি observation mode-এ শুরু করেন, result review করেন, এবং কেবল সেইসব ক্ষেত্রে policy enable করেন যেখানে আপনার team নিশ্চিত যে সেগুলো মানানসই।

কে আপনার app ব্যবহার করছে, তা জানুন।

Founding developer-এর একটি ছোট group-এর জন্য private beta।

প্রাথমিক access পানমূল্য দেখুন

আগে কথা বলতে চান? Founders-এর সঙ্গে কথা বলুন