ఇకపై రెండు categories సరిపోవు
ఏళ్ల తరబడి, traffic ను రెండు buckets గా విభజించారు: humans మరియు bots. Humans కు product ఇచ్చారు. Bots ను block చేశారు, rate-limit చేశారు లేదా పట్టించుకోలేదు.
ఆ విభజన ఇక నిలబడదు. కొన్ని automated visitors అనేవి నిజమైన customers తరఫున పని చేసే agents: plans ను పోల్చే ఒక assistant, మీ API ద్వారా data తీసుకునే ఒక agent, ఒక task పూర్తి చేయడానికి మీ MCP server ను పిలిచే ఒక tool. AI providers కూడా ఇప్పుడు ఈ రకమైన user-initiated access ను స్వయంగా document చేస్తున్నారు: OpenAI తన ChatGPT-User agent ఒక user ChatGPT కి ప్రశ్న అడిగితే pages ను visit చేస్తుందని చెబుతోంది (OpenAI crawler documentation), అలాగే Anthropic అదే ఉద్దేశ్యం కోసం Claude-User ను జాబితా చేస్తోంది (Anthropic crawler documentation). అదే సమయంలో, కొంతమంది AI తో కలిసి పని చేస్తూ, సందేశాలను draft చేయడం, forms నింపడం, product లో navigation చేయడం వంటి పనులు తమ పక్కన assistant తో చేస్తారు. ఇవన్నీ human లేదా bot అనే రెండు వర్గాల్లోకి బలవంతంగా నెట్టడం రెండు దిశల్లోనూ చెడు నిర్ణయాలకు దారి తీస్తుంది. Legitimate agents block అవుతారు, మరియు నిజమైన people వారి behavior unusual గా కనిపించినందుకు challenge అవుతారు.
human మరియు AI agent ట్రాఫిక్ను వేరు చేయడానికి మంచి నిర్ణయాలకు దారి తీసే విధంగా, మీకు మరిన్ని categories అవసరం, అలాగే ప్రతి result ను ఎంతవరకు నమ్మవచ్చో కూడా తెలుసుకోవాలి. website traffic AI agents నుండి వస్తుందా ఎలా తెలుసుకోవాలి అనే blog post ఈ సామర్థ్యాన్ని సాధ్యం చేసే signals ను వివరిస్తుంది, మరియు SaaS apps use case ఈ distinction product decisions ను ఎలా మార్చుతుందో చూపిస్తుంది.
నాలుగు classes, ప్రతి దానికి ఖచ్చితమైన అర్థం
Proof of Actor interactions ను నాలుగు classes గా వర్గీకరిస్తుంది. ప్రతి దానికి ఒక నిర్వచనం మరియు స్పష్టమైన పరిమితి ఉంటుంది, అందువల్ల మీ team లోని ఎవ్వరూ evidence అనుమతించేదానికంటే ఎక్కువగా ఒక result ను అర్థం చేసుకోరు. ఈ taxonomy వెనుక reasoning కోసం Human, AI-assisted or agent: a taxonomy for app traffic చదవండి.
Human
Supported observable signals human-directed interaction ను సూచిస్తాయి. ఈ class interaction ను ఎవరు నడుపుతున్నారు అనే విషయానికి సంబంధించినది, identity కి కాదు. Human result వ్యక్తి ఎవరో నిర్ధారించదు, అలాగే ఎక్కడా AI ఉపయోగించలేదు అని కూడా చెప్పదు.
Human + AI
AI assistance ప్రకటించబడింది, లేదా దాన్ని నిజంగా చూడగల supported integration ద్వారా గమనించబడింది. ఉదాహరణలకు మీ own disclosure control ద్వారా content ను AI తో drafted గా గుర్తించిన user, లేదా signed-in user కోసం built-in assistant ఒక action చేసినట్టు మీ application report చేయడం వంటివి చేరుతాయి. మరింత కోసం AI-assisted interaction glossary entry చూడండి.
Agent
Automated లేదా agent-origin interaction, ఇది valid request signature from a published key వంటి verifiable identity ద్వారా, లేదా జాగ్రత్తగా qualified inference ద్వారా supported అవుతుంది. Agent result అనేది ఎవరు acting చేస్తున్నారు అన్నదాన్ని వివరిస్తుంది. దీని అర్థం agent కు authorization ఉందని, అది safe అని, లేదా ఒక person నుండి valid delegation తో పనిచేస్తోందని కాదు. autonomous agents గురించి మరింత చదవండి.
Unknown
లభ్యమైన evidence నమ్మదగిన determination ను support చేయదు. Unknown ఒక honest మరియు useful result: ఇది మీ coverage ఎక్కడ ముగుస్తుందో చూపిస్తుంది, మరియు మీ policies అనిశ్చిత cases ను యాదృచ్ఛికంగా కాకుండా ఉద్దేశపూర్వకంగా handle చేయడానికి సహాయపడుతుంది.
ప్రతి class కి ఒక basis ఉంటుంది
Human మరియు agent traffic ను వేరు చేయడం పని యొక్క సగం మాత్రమే. మిగిలిన సగం ప్రతి conclusion ఎంత బలంగా ఉందో తెలుసుకోవడం. అందుకే ప్రతి Proof of Actor result ఒక basis ను కలిగి ఉంటుంది:
- Verified: check చేయగల assertion ధృవీకరించబడింది, ఉదాహరణకు published key against checked request signature.
- Declared: client లేదా మీ application అది చెప్పింది, ఉదాహరణకు ఒక agent తనను తానే పేరు చెప్పుకోవడం లేదా ఒక user AI assistance ను disclose చేయడం.
- Inferred: behavioral లేదా contextual signals నుంచి తీసుకున్న conclusion, ఎల్లప్పుడూ inference గా labeled చేయబడింది.
- Unknown: determination కోసం సరిపడ evidence లేదు.
Class మరియు basis కలయికే మీరు precise rules నిర్మించడానికి వీలు కల్పిస్తుంది. A verified agent మరియు an inferred agent రెండూ agents, కానీ మీరు మొదటిదానికి structured API ఇవ్వాలని, రెండోదానికి standard rate limit వర్తింపజేయాలని కోరుకోవచ్చు. A declared AI-assisted submission మరియు ఒక human session రెండూ సాధారణంగా కొనసాగవచ్చు, support team కి సహాయపడే label తో. పూర్తి taxonomy ను Detection & Limitations లో చూడవచ్చు.
classification ఎలా జరుగుతుంది
Proof of Actor ప్రతి interaction కు అదే evidence-first path ను అనుసరిస్తుంది. పూర్తి వివరణ How It Works లో ఉంది.
మీ integration చూడగల signals
- Published keys ను తెలిపే automated clients నుండి వచ్చే Request signatures, RFC 9421 లో నిర్వచించిన విధంగా HTTP Message Signatures ను ఉపయోగించి. IETF Web Bot Auth working group automated clients ఈ విధంగా authenticate అయ్యే విధానాన్ని standardize చేయడానికి charter పొందింది.
- తాము ఎవరో గుర్తించుకునే Declarations, ఉదాహరణకు AI crawlers మరియు fetchers యొక్క documented user agents, అలాగే AI assistance involved అని మీ own application కి తెలిసినప్పుడు.
- server-side integration కు అందుబాటులో ఉండే Request context, ఉదాహరణకు headers మరియు protocol details.
- అది నడిచే pages లో approved browser integration నుండి వచ్చే Interaction signals.
signals నుండి result వరకు
Signals ను check చేసి, basis తో label చేసి, కలిపి నిర్ణయిస్తారు. బలమైన verified evidence confident result ను ఇస్తుంది. బలహీనమైన లేదా విరుద్ధమైన evidence qualified inference లేదా Unknown ను ఇస్తుంది. Timeout లేదా missing signal ఎప్పుడూ Human result గా మారదు. Output లో class, basis మరియు మీ team లో ఎవ్వరైనా చదవగల evidence summary ఉంటాయి.
traffic వేరైన తర్వాత మీరు చేయగలిగేది
Proof of Actor మూడు capabilities చుట్టూ organized గా ఉంది: Detect, Understand మరియు Route.
ప్రతి interaction వెనుక actor ను Detect చేయండి
ప్రతి context లో అందుబాటులో ఉన్న signals ను సేకరించి, verified assertions ను inferences నుండి వేరు చేయండి. Unknown ను visible గా ఉంచండి.
ప్రతి actor మీ product ను ఎలా ఉపయోగిస్తున్నాడో Understand చేయండి
route ద్వారా మరియు కాలక్రమేణా human, AI-assisted, agent మరియు unknown activity కలయికను చూడండి. ఏ result అయినా తెరిచి, ఏమి తెలిసిందో మరియు ఏమి తెలియదో చూడండి. agents ఎక్కువగా కేంద్రీకృతమయ్యే routes ను, అలాగే AI assistance సాధారణంగా ఉన్న workflows ను గుర్తించండి.
ప్రతి actor ను సరైన experience కు Route చేయండి
Evidence వాటిని support చేసిన తర్వాత మీ own policies ను వర్తింపజేయండి. public website లో, websites use case ఈ choices నిజమైన routes కు ఎలా map అవుతాయో చూపిస్తుంది:
- Verified agents కు human-shaped pages బదులు structured response లేదా API ను serve చేయండి.
- Human-directed sessions కు standard experience ను కొనసాగించండి.
- సరైన team వాటిని handle చేయడానికి AI-assisted submissions ను label చేయండి.
- మీ own conditions కోరినప్పుడు sensitive actions పై stronger credentials అడగండి.
- ప్రతి route లో Unknown కోసం explicit fallback ఎంచుకోండి, ఉదాహరణకు public pages ను allow చేయడం మరియు account changes పై existing checks ను కొనసాగించడం.
rolling out actor-aware policies safely పై guide observation నుండి enforcement కు ఒక్కో route చొప్పున ఎలా వెళ్లాలో వివరిస్తుంది.
ఇది మీ users కు ఎందుకు ముఖ్యమో
దీన్ని సరిగ్గా చేయడం మీ application ను ఉపయోగించే ప్రతి ఒక్కరికీ మంచిది.
People కు మరింత smooth experience లభిస్తుంది, ఎందుకంటే vague score బలం ఆధారంగా వారిని challenge చేయరు. AI తో పని చేసే people, workflows కి సరిపడే చోట disclosed assistance కు support పొందుతారు. Legitimate agents తమ పనిని చేయడానికి నమ్మదగిన, structured మార్గం పొందుతారు, దాంతో scraping మరియు మీ interface పై load తగ్గుతుంది. మీ team కు explainable decisions లభిస్తాయి, కాబట్టి support conversations, incident reviews మరియు policy changes guesswork కాకుండా evidence పై ఆధారపడతాయి.
login అనేది actor కాదు
అత్యంత సాధారణ గందరగోళ మూలాల్లో ఒకటి account itself. signed-in session ద్వారా ఏ account ఉపయోగంలో ఉందో తెలుస్తుంది. ప్రస్తుత interaction ను ఎవరు నడుపుతున్నారు అనేది తెలియదు. అదే account ను ఉదయం settings లో తన owner ఉపయోగించవచ్చు, మధ్యాహ్నం owner అడిగినట్లు ఒక assistant report export చేయవచ్చు, సాయంత్రం ఒక agent API key ద్వారా పని చేయవచ్చు.
ఈ మూడింటినీ ఒకే విధంగా చూడటం రెండు దిశల్లోనూ సమస్యలు సృష్టిస్తుంది. account లోని ప్రతి request owner నుంచే వస్తుందని భావిస్తే, ఒక person కోసం రూపొందించిన workflows ను ఒక agent చేరుకోవచ్చు. ప్రతి అసాధారణ request ను attack గా భావిస్తే, owner యొక్క own tools block అవుతాయి. actor ను account నుండి వేరు చేయడం ద్వారా మీ application authentication మరియు authorization ను యథాతథంగా ఉంచి, ప్రస్తుతం ఎవరు acting చేస్తున్నారు అనే missing context ను జోడించగలదు. ఆ context వలన human-only workflows ను తెరవకుండా agents కు structured access ఇవ్వడం సాధ్యమవుతుంది.
observation mode లో ప్రారంభించండి
ప్రతి deployment observation mode లోనే ప్రారంభమవుతుంది. మీ application మునుపటిలాగే స్పందిస్తూనే Proof of Actor results ను రికార్డ్ చేస్తుంది. మీ team human, AI-assisted, agent మరియు unknown activity యొక్క baseline ను నిర్మించి, అది మీకు ఇప్పటికే తెలిసిన outcomes తో పోల్చి, ఒక్క rule మారే ముందే false positives ఏవైనా ఉన్నాయో review చేస్తుంది. ఒక policy సిద్ధంగా ఉన్నప్పుడు, దాన్ని ఒక్క workflow కోసం enable చేసి, అక్కడి నుండి విస్తరించండి.
founding developer program లో చేరండి
Proof of Actor చిన్న application teams సమూహంతో private beta లో ఉంది. ఎంపికైన founding developers కు agreed usage limits లోపు, చేతితో చేసే feedback exchange కు బదులుగా, up to 12 months of free access లభించవచ్చు. మీరు మా engineers నుండి direct integration support, capabilities కు early access, మరియు priorities పై influence పొందుతారు.
మీ application లో human మరియు AI agent ట్రాఫిక్ను వేరు చేయాల్సి ఉంటే, early access కోసం apply చేయండి మరియు మీరు అత్యంతగా understand చేయాలనుకునే interaction గురించి మాకు చెప్పండి.
Proof of Actor ను explore చేయండి, how it works చదవండి, లేదా ఖచ్చితంగా evidence ఏమి establish చేయగలదో చూడండి.
Sources
- RFC 9421: HTTP Message Signatures, IETF, February 2024.
- Web Bot Auth (webbotauth) working group charter, IETF.
- Overview of OpenAI crawlers, OpenAI.
- Does Anthropic crawl data from the web, and how can site owners block the crawler?, Anthropic.