Pesquisadores liderados por Xuanwang Zhang divulgaram, em 6 October 2026, um artigo sobre o WebNavigator. O sistema muda a maneira como agentes de IA navegam por sites. Em vez de explorarem por tentativa e erro, eles primeiro criam, offline, um mapa das ações possíveis e depois o usam para escolher os passos certos enquanto navegam. Nos testes do benchmark WebArena, o WebNavigator concluiu 72,9% das tarefas que envolviam vários sites — mais que o dobro da taxa dos melhores agentes comerciais apresentados anteriormente.
Como o método funciona
O WebNavigator cria um Grafo de Interações, uma espécie de roteiro que registra todos os elementos clicáveis e formulários de um site. Para isso, faz uma exploração heurística com “custo zero de tokens”, que não consome créditos de API por ser executada offline. Quando recebe uma tarefa, o agente segue um fluxo de Recuperar, Raciocinar e Teletransportar: busca o trecho relevante do grafo, avalia o melhor caminho e, então, vai diretamente à página necessária. Os autores chamam a falta de um mapa global de “Cegueira Topológica”.
Desempenho e implicações
No conjunto de tarefas do WebArena que envolvem vários sites, a nova abordagem alcançou uma taxa de sucesso de 72,9%, mais que o dobro do desempenho dos “agentes de nível empresarial”, segundo o artigo. Também teve bons resultados no benchmark OnlineMind2Web, embora o resumo não informe números exatos. O trabalho sugere que oferecer aos agentes uma visão global de um site pode ser mais importante do que aprimorar o modelo de linguagem subjacente.
Por que importa
Para desenvolvedores que criam bots para preencher formulários ou extrair dados, uma taxa de sucesso maior significa menos tentativas fracassadas e menos correções manuais. A abordagem pode tornar os serviços automatizados na web mais rápidos e baratos ao reduzir a necessidade de execuções dispendiosas por tentativa e erro. No entanto, o artigo ainda não mostra como o método funciona em sites cujo layout muda com frequência.
