Ga naar hoofdinhoud
AI-AGENTVERKEERSANALYSE

AI-agentverkeersanalyse voor je app en API

Begrijp hoe mensen, door AI ondersteunde gebruikers en autonome agents je applicatie per route gebruiken, met bij elke classificatie zichtbaar bewijs.

Krijg vroege toegangOntdek hoe het werkt
Toshendra Sharma

Door Toshendra SharmaOprichter & CEO, AgentCredia · Updated November 13, 2026

Je dashboards meten een wereld die is veranderd

De meeste analytics-stacks zijn gebouwd om één vraag te beantwoorden: wat doen mensen op mijn site? Sessies, paginaweergaven, funnels en campagnes gaan er allemaal van uit dat er achter elke interactie een persoon zit.

Die aanname klopt niet langer voor elke interactie. AI-assistenten openen pagina's namens gebruikers; OpenAI documenteert bijvoorbeeld een ChatGPT-User agent die pagina's bezoekt wanneer een gebruiker ChatGPT een vraag stelt (OpenAI crawler-documentatie). Autonome agents roepen API's en MCP-tools aan om taken uit te voeren. Mensen werken in dezelfde sessie naast AI, soms met vermelding daarvan en soms niet. Crawlers en scripts blijven alles lezen wat ze kunnen bereiken.

Het resultaat is een stille vertekening in de cijfers waarop je team vertrouwt. Conversieratio's verschuiven om redenen die niemand kan verklaren. Een populaire API-route blijkt te worden gedreven door een handvol geautomatiseerde clients. Een piek die op een marketingoverwinning leek, was agents die documentatie lazen. Zonder actorcontext vermengt elke grafiek heel verschillend gedrag tot één lijn. Sommige tools verwijderen ook een deel van het beeld voordat je het ziet: Google geeft aan dat Google Analytics automatisch verkeer van bekende bots en spiders uitsluit, en dat je niet kunt zien hoeveel is uitgesloten (Google Analytics: uitsluiting van bekend botverkeer).

AI-agentverkeersanalyse lost dat op door een nieuwe dimensie toe te voegen aan elke interactie: wie of wat handelt er, en hoe zeker kun je daarvan zijn. De blogpost over hoe je ziet of websiteverkeer afkomstig is van AI-agents behandelt de signalen achter die dimensie, en de use case voor websites laat zien hoe dit wordt toegepast op een productiesite.

Wat actorbewuste analytics je laat zien

Proof of Actor organiseert je verkeer in vier klassen, uitgelegd in Mens, AI-ondersteund of agent: een taxonomie voor appverkeer, en houdt het bewijs bij elke klasse vast.

  • Mens: interacties waarbij de observeerbare signalen op menselijke aansturing wijzen.
  • Mens + AI: interacties waarbij AI-ondersteuning is verklaard of waargenomen via een ondersteunde integratie.
  • Agent: geautomatiseerde of agent-afkomstige interacties, ondersteund door verifieerbare identiteit of een zorgvuldig gekwalificeerde inferentie.
  • Onbekend: interacties waarbij het bewijs geen betrouwbare vaststelling ondersteunt.

Bij elk resultaat hoort ook een basis: verified, declared, inferred of unknown. Die tweede dimensie maakt de analytics betrouwbaar. Een dashboard dat zegt dat een derde van je API-verkeer agents is, betekent heel iets anders afhankelijk van of die resultaten geverifieerde handtekeningen zijn of inferenties uit requestpatronen. Met Proof of Actor kun je beide zien, en op beide filteren.

Per route en workflow

De actorverdeling verschilt enorm per applicatie. Openbare documentatie-, prijs- en cataloguspagina's trekken vaak agents en assistenten aan. Aanmelding, checkout en accountinstellingen trekken minder agents aan, maar zijn belangrijker wanneer ze wel voorkomen. API-routes en MCP-tools kunnen worden gedomineerd door geautomatiseerde clients. Proof of Actor splitst resultaten per route en workflow, zodat elk team het deel ziet waarvoor het verantwoordelijk is.

In de tijd

Trends laten zien waar je product naartoe beweegt. Volg hoe het aandeel van agent- en AI-ondersteunde activiteit verandert op de routes die ertoe doen, zie wanneer een nieuwe agent-operator je content begint te lezen, en volg hoeveel verkeer van Unknown naar verified verschuift naarmate meer clients hun requests ondertekenen.

Met uitleg

Elke waarde in het dashboard kan worden geopend tot op individuele interacties. Voor elk daarvan zie je de klasse, de basis, wat bekend is, wat niet bekend is en welke policy-uitkomst van toepassing zou zijn. Dit is wat een grafiek omzet in iets waarop je product-, platform- en securityteams samen kunnen handelen.

Hoe het werkt

Proof of Actor volgt een evidence-first pad. Je kunt de volledige beschrijving lezen op Hoe het werkt.

  1. Je applicatie ontvangt een request of event: een paginaweergave, een API-oproep, een MCP-toolaanroep of een actie in de app.
  2. Je integratie verzamelt de signalen die in die context beschikbaar zijn: requestcontext en handtekeningen op de server, interactiesignalen in de browser waar de collector draait, declaraties van clients en van je eigen applicatie.
  3. Signalen worden gecontroleerd, op basis gelabeld en gecombineerd tot een classificatie.
  4. Het resultaat wordt vastgelegd met de basis en een samenvatting van het bewijs en stroomt door naar je analytics.
  5. Je applicatie beslist of alleen observeren of een beleid toepassen.

Omdat analytics en beslissingen dezelfde resultaten gebruiken, zijn de cijfers die je onderzoekt exact dezelfde cijfers waarop je beleid zal handelen. Er is geen kloof tussen wat het dashboard zegt en wat de applicatie doet.

Detecteren, begrijpen, routeren

AI-agentverkeersanalyse bevindt zich in het midden van de drie Proof of Actor-mogelijkheden.

Detecteren

Verzamel de actor-signalen die voor elke integratie beschikbaar zijn en scheid geverifieerde uitspraken van gedragsmatige inferenties. Unknown blijft zichtbaar als eigen klasse, zodat dekkingstekorten nooit verborgen raken in een ander cijfer.

Begrijpen

Dit is de analyticslaag: actorverdelingen, interactietrends, weergaven op routeniveau en verklaarbare classificaties. Teams gebruiken dit om vragen te beantwoorden zoals op welke routes agents vertrouwen, hoeveel AI-ondersteunde activiteit een workflow ziet, en waar het bewijs sterk genoeg is om een beleid te ondersteunen.

Routeren

Wanneer de analytics een duidelijk patroon laten zien, handel daar dan met je eigen regels op. Geef verified agents een gestructureerde route naar de content die ze het meest lezen. Behoud de standaardervaring voor sessies die door mensen worden aangestuurd. Voeg review alleen toe aan gevoelige acties wanneer je eigen voorwaarden dat rechtvaardigen. Stel expliciete fallback-opties in voor Unknown en voor time-outs.

Gebouwd voor apps, API's en MCP servers

Agentactiviteit concentreert zich waar machines welkom zijn: API's, documentatie, catalogi en tools. Daarom dekt Proof of Actor meer dan paginaweergaven.

  • SaaS-apps en websites zien actorcontext voor browsersessies en de serverroutes daarachter. Lees meer in SaaS-apps & websites.
  • API's krijgen context op requestniveau die ondertekende clientidentiteit scheidt van API-credentials en autorisatie. Lees meer in API's.
  • MCP servers krijgen actorcontext voor elke toolaanroep, zodat je kunt zien welke clients welke tools gebruiken. Lees meer in MCP servers.

Founding teams integreren met directe hulp van onze engineers. De gids over actorcontext toevoegen aan een Node.js-app laat zien waar de integratie in een typische request handler zit.

Waarom bewijs belangrijker is dan volume

Het is eenvoudig om een groot getal voor agentverkeer te produceren. Tel elke request zonder browserfingerprint en noem het automatisering. Het probleem is dat zo'n getal geen beslissing kan dragen, omdat niemand weet hoeveel ervan echt is.

Proof of Actor is gebouwd zodat elk getal verdedigbaar is. Verified resultaten komen uit controles die daadwerkelijk zijn geslaagd. Declaraties worden als declaraties gelabeld. Inferenties worden als inferenties gelabeld. Unknown wordt gerapporteerd als Unknown. Wanneer je agentverkeer presenteert aan je leiding, je securityteam of je klanten, kun je precies uitleggen waar elk cijfer vandaan komt.

Dit maakt de analytics ook nuttiger na verloop van tijd. Terwijl agent-operators ondertekende requests gaan gebruiken op basis van RFC 9421 HTTP Message Signatures, en standaardisatiewerk zoals Web Bot Auth binnen de IETF webbotauth-werkgroep vordert, verschuift meer van je verkeer naar de verified-basis. Je grafieken worden scherper zonder dat je verandert hoe je ze leest.

Begin met observatie, beslis daarna

Elke Proof of Actor-implementatie begint in observatiemodus. Resultaten worden vastgelegd, analytics worden gevuld en je applicatie blijft precies zoals voorheen reageren. Je team gebruikt die periode om een basislijn op te bouwen, resultaten te vergelijken met uitkomsten die je al kent, en de eerste routes te identificeren waarvoor een beleid echt zou helpen.

Wanneer je er klaar voor bent, schakel je een beleid in voor één workflow, meet je het effect en breid je van daaruit uit. Niets wordt geblokkeerd omdat Proof of Actor is geïnstalleerd. Elke handhavingsbeslissing is van jou.

Sluit je aan bij het founding developer-programma

Proof of Actor bevindt zich in private beta. Geselecteerde founding developer-teams kunnen tot 12 maanden gratis toegang krijgen, binnen overeengekomen gebruikslimieten, in ruil voor praktische productfeedback. Je krijgt directe integratieondersteuning, vroege toegang tot nieuwe mogelijkheden en invloed op de roadmap.

Als je AI-agentverkeersanalyse wilt waarop je hele team kan vertrouwen, vraag vroege toegang aan. Vertel ons over je applicatie, de routes die voor jou het belangrijkst zijn en de vragen waarop je analytics antwoord moeten geven.

Ontdek Proof of Actor, zie hoe het werkt, of lees wat het bewijs kan vaststellen.

Bronnen

VOOR ONTWIKKELAARS

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 of Unknown.
basis
Hoe sterk het bewijs is: verified, declared, inferred of unknown.
evidence
De signalen achter het resultaat, zodat je team kan zien waarom.

Begin in observatiemodus: leg resultaten vast naast je logs en wijzig niets totdat je een beleid kiest. Lees de Node.js-integratiegids

Veelgestelde vragen

Wat is AI-agentverkeersanalyse?

Het is de praktijk van het meten hoeveel van de activiteit van je applicatie afkomstig is van mensen, mensen die met AI werken, autonome agents en niet-geïdentificeerde bronnen, uitgesplitst per route, workflow en tijd.

Waarin verschilt dit van mijn webanalysetool?

Webanalysetools zijn gebouwd om menselijke bezoeken en campagnes te tellen. Proof of Actor classificeert wie of wat er handelt bij elke interactie, toont het bewijs achter het resultaat en dekt naast pagina's ook API's en MCP servers.

Bevat het ook API- en MCP-verkeer?

Ja. Server-side en MCP-integraties brengen actorcontext naar API-oproepen en toolaanroepen, en daar is agentactiviteit vaak het hoogst.

Zijn de cijfers gebaseerd op aannames?

Elke classificatie vermeldt de basis ervan: verified, declared, inferred of unknown. Je kunt je analyses filteren op basis, zodat verified agentverkeer en inferred agentverkeer nooit door elkaar worden gehaald.

Verandert dit hoe mijn app reageert?

Niet standaard. Analyses draaien in observatiemodus. Je app verandert alleen van gedrag wanneer je team een beleid inschakelt.

Hoe krijg ik toegang?

Vraag vroege toegang aan. Geselecteerde founding developer-teams kunnen tot 12 maanden gratis toegang krijgen binnen overeengekomen gebruikslimieten.

Weet wie uw app gebruikt.

Private beta voor een kleine groep founding developers.

Krijg vroege toegangBekijk prijzen

Eerst liever even praten? Spreek met de oprichters