Assistentes de IA dos EUA Não Veem Seu JavaScript, e Não Avisam

O consultor de SEO Alpar fez um teste simples em doze assistentes de IA. Ele montou uma página onde o conteúdo real carregava via JavaScript e plantou um valor falso de placeholder no HTML cru. Depois pediu a cada assistente que reportasse o que a página dizia. Todos os sistemas de ponta dos EUA retornaram o valor falso. ChatGPT, Claude, Gemini, Perplexity, Meta AI e Copilot leram o HTML cru e reportaram o placeholder como fato. Quatro modelos chineses e o Mistral renderizaram o JavaScript e retornaram o conteúdo verdadeiro.

É um profissional rodando uma única passagem por assistente, em junho de 2026. O comportamento dos modelos muda. Mas o resultado é específico o suficiente para agir, e expõe um modo de falha que a maioria das equipes nunca checa: o que a IA vê da sua página não é o que seus usuários veem.

O Teste, e o Que Quebrou

Seis sistemas dos EUA falharam da mesma forma. Buscaram a página, parsearam o HTML cru e pararam. O JavaScript que teria substituído o placeholder pelo texto real nunca rodou. O assistente reportou o valor falso com plena confiança e sem ressalva.

Cinco sistemas passaram: DeepSeek, ERNIE, Qwen, Kimi e Mistral. Executaram o JavaScript da página e leram a saída renderizada, o mesmo conteúdo que um navegador mostra a um humano.

Dois casos limítrofes merecem detalhe. O Grok executou o JavaScript mas depois ignorou o resultado renderizado, lendo o HTML cru mesmo assim. O Copilot baixou o arquivo de script mas nunca o executou. Como Alpar resumiu, baixar não é executar. Os dois comportamentos terminam no mesmo lugar das falhas diretas: o assistente retorna um conteúdo que o usuário jamais veria.

O Problema do Valor Falso

Um resultado em branco seria honesto. O assistente diria que não encontrou nada, e você saberia que algo estava errado. O valor falso é pior porque produz uma resposta confiante, específica e errada.

Isso importa para qualquer página onde o conteúdo chega depois do carregamento inicial do HTML. Aplicações de página única renderizam quase tudo em JavaScript. Catálogos de produto, tabelas de preço, documentação construída em frameworks modernos, dashboards, qualquer coisa hidratada no lado do cliente. Para um humano com navegador, essas páginas estão completas. Para seis dos assistentes de IA mais usados dos EUA, são esqueletos com qualquer texto de placeholder que o framework enviou na carga inicial.

Se um assistente de IA está resumindo sua página de preços, citando sua documentação ou fundamentando uma resposta no texto do seu produto, e esse conteúdo carrega via JavaScript, o assistente pode estar lendo e repetindo um valor que não existe em nenhum lugar da página que o cliente vê.

A Falha de Autorrelato É o Risco Real

A cegueira de renderização tem uma solução conhecida: renderização no servidor. O problema mais profundo não tem solução fácil, porque os assistentes relatam errado o próprio comportamento.

No teste de Alpar, o Perplexity afirmou que não conseguia acessar uma página. Os logs do servidor mostraram que o Perplexity havia buscado aquela página com sucesso. O relato do sistema sobre o que fez contradizia o que de fato fez.

Isso quebra a defesa natural. Se você pudesse perguntar a um assistente “você consegue ver o conteúdo renderizado em JavaScript nesta página?” e confiar na resposta, daria para contornar a limitação. Você não pode confiar na resposta. O assistente que silenciosamente retorna um valor falso é o mesmo que vai te dizer que acessou ou não uma página, com a mesma confiança injustificada. Capacidade autorrelatada não é sinal confiável de capacidade real.

Isso se conecta direto a um padrão que já abordamos em A Dívida de Verificação: equipes confiam em output de IA que não verificaram. Aqui a falha está uma camada antes. Não é que a IA gerou algo errado a partir de uma boa entrada. A própria entrada estava errada, a IA não fazia ideia, e não conseguia te avisar nem quando perguntada.

Por Que Isso É Problema de Entrada, Não de Saída

A maior parte do trabalho de governança de IA foca na saída: o código gerado está correto, o resumo está exato, o agente fez o que afirmou. Esse trabalho assume que o modelo viu a mesma coisa que uma pessoa veria.

Este teste quebra essa premissa na origem. A visão que o modelo tem do seu conteúdo é uma versão degradada da realidade, e a degradação é invisível de dentro da conversa. Você só consegue verificar uma saída contra uma fonte se souber qual fonte o modelo realmente leu. Quando o modelo lê uma versão cega ao JavaScript da página e a reporta como a página real, sua verificação está conferindo a saída contra a linha de base errada.

Para sistemas agênticos que buscam e fundamentam em conteúdo web ao vivo, isso é estrutural. Um agente que navega, lê e age sobre o que encontra expõe a mesma cegueira em escala e velocidade de máquina. Já tratamos de como agentes burlam a verificação em escala; um agente de busca-e-fundamentação que não renderiza JavaScript e não relata com precisão o que buscou é uma versão diferente do mesmo problema de governança, agora do lado da entrada.

Isso também muda como o conteúdo precisa ser construído para descoberta por IA. Os sinais concretos que sistemas de busca por IA conseguem de fato interpretar não são os que ficam bonitos no navegador, ponto que levantamos em busca por IA e sinais difíceis. Se o sinal vive no JavaScript, seis assistentes dos EUA nunca o veem.

Faça Isto Agora

Teste suas próprias páginas. Escolha as páginas que importam para descoberta e fundamentação por IA: preços, produto, documentação, qualquer coisa que você queira que um assistente de IA cite corretamente. Busque cada uma com o JavaScript desabilitado, ou puxe o HTML cru com uma requisição HTTP simples, e leia o que volta. Essa visão crua é mais ou menos o que seis dos principais assistentes dos EUA enxergam.

Se o conteúdo que importa some do HTML cru, você tem três caminhos. Renderize no servidor ou gere estaticamente o conteúdo crítico para que ele venha já no HTML inicial. Adicione dados estruturados e meta tags que carreguem os fatos-chave fora da camada de JavaScript. E pare de confiar no autorrelato de qualquer assistente sobre o que acessou; verifique contra seus próprios logs de servidor e sua própria visão do HTML cru, não contra a versão que o modelo dá do próprio trabalho.

Os assistentes não vão te avisar que estão cegos. A correção começa por você mesmo checar.

Fontes

Search Engine World. “Do AI Assistants Actually Render Your JavaScript When Grounding?.” Junho de 2026.

A Victorino ajuda equipes de engenharia a governar o que os sistemas de IA leem e sobre o que agem, não só o que produzem: contato@victorino.com.br | www.victorino.com.br