Os meios europeus recebem quatro vezes mais rastreios de bots de IA do que os norte-americanos

Os meios de comunicação europeus estão a suportar uma pressão significativamente maior por parte dos bots de inteligência artificial do que os sites da América do Norte, segundo um recente relatório da TollBit. O estudo indica que as páginas europeias são rastreadas com maior frequência, recebem menos visitas provenientes de aplicações de IA e registam mais incumprimentos das regras definidas nos seus ficheiros robots.txt. A análise identificou bots de inteligência artificial provenientes de 40 fornecedores de scraping e analisou a atividade registada em 3.906 meios e publishers. Destes, 456 eram europeus, incluindo títulos e grupos como The Telegraph, Ringier e Styria. Um dos principais resultados do estudo é que a mediana dos rastreios realizados por bots de IA nos sites europeus foi quatro vezes superior à registada nas páginas norte-americanas.

A diferença também se reflete no tráfego gerado. Por cada visita de um utilizador proveniente de uma aplicação de IA, os meios europeus receberam 179 visitas de bots, uma proporção mais de três vezes superior à observada na América do Norte. Durante o primeiro semestre de 2026, apenas 0,05% das referências externas para sites europeus tiveram origem numa aplicação de IA, face a 0,16% na América do Norte.

A pressão sobre os meios europeus também se intensificou ao longo de 2026. Segundo a TollBit, os rastreios realizados por bots de IA nestas páginas foram quase 20% superiores em junho do que em janeiro. Os meios de informação local e os sites de desporto registaram os maiores aumentos trimestrais. A relação entre rastreios e visitas também se deteriorou: passou de 150 rastreios por cada visita proveniente de uma aplicação de IA no primeiro trimestre de 2026 para 227 rastreios por cada referência humana no segundo trimestre.

O relatório aponta ainda para um problema adicional relacionado com o cumprimento das regras. As instruções incluídas pelos meios europeus nos seus ficheiros robots.txt para impedir determinados rastreios foram ignoradas quase três vezes mais frequentemente do que as dos sites norte-americanos.

A diversidade linguística pode explicar a diferença

A TollBit não estabelece uma causa definitiva para esta diferença. A sua cofundadora, Olivia Joslin, aponta como possível explicação a diversidade linguística europeia. A hipótese é que, à medida que os grandes modelos de linguagem procuram aumentar a sua capacidade de compreender diferentes idiomas e recorrem a fontes mais diversificadas, os conteúdos europeus podem tornar-se um alvo mais frequente dos processos automatizados de recolha de informação.

Grzegorz Piechota, investigador da INMA, concorda parcialmente com esta interpretação, embora baseie o seu argumento nos dados de utilização dos sistemas de IA. Segundo estatísticas da Anthropic relativas a setembro passado, os utilizadores do Claude nos Estados Unidos representavam 21,6% da utilização total, enquanto os países anglófonos, em conjunto, representavam menos de um terço dos utilizadores globais.

Na perspetiva de Piechota, estes dados podem indicar que uma parte significativa da utilização destes sistemas está relacionada com conteúdos em idiomas diferentes do inglês, o que ajudaria a explicar o maior volume de rastreios registado na Europa.

“A procura de informação em idiomas diferentes do inglês está a influenciar as estratégias das empresas de IA e dos seus fornecedores de dados”, afirma Piechota.

O investigador aponta também para a evolução de iniciativas promovidas pelas grandes empresas tecnológicas para melhorar a utilidade da inteligência artificial em diferentes idiomas e mercados, sobretudo na Europa. Em paralelo, fornecedores de dados utilizados para treinar sistemas de IA, como a Common Crawl, terão aumentado a recolha de conteúdos em idiomas que não o inglês.

Segundo a análise de Piechota, os domínios europeus representavam apenas 4,75% das páginas capturadas pela Common Crawl em 2009, enquanto em 2026 o seu peso terá aumentado para cerca de 29,98%.

Outros dados apresentam um cenário diferente

No entanto, nem todos os conjuntos de dados sustentam a mesma conclusão. A Cloudflare, por exemplo, não verifica que os meios europeus recebam um volume absoluto de pedidos de bots superior ao dos norte-americanos.

Lai Yi Ohlsen, responsável pela Cloudflare Radar, explica ao Digiday que o número total de pedidos de bots é consistentemente superior na América do Norte. No entanto, os meios europeus apresentam uma proporção mais elevada de tráfego de bots face ao total de pedidos recebidos pelos seus sites.

Os dados da DataDome, empresa especializada em cibersegurança e bloqueio de bots, também não mostram uma diferença consistente entre a Europa e a América do Norte. Jérôme Segura, vice-presidente de investigação de ameaças da empresa, destaca a enorme variação existente entre diferentes publishers, independentemente da sua região.

Segundo Segura, a dimensão e relevância de cada publisher, assim como a quantidade de bots que se identificam explicitamente como sistemas de IA, podem influenciar significativamente os resultados. Alguns meios analisados pela DataDome chegaram a registar aproximadamente uma visita proveniente de IA por cada dez visitas humanas, uma proporção que demonstra o peso potencial destes sistemas no tráfego de determinados sites.

Os dados disponíveis desenham, assim, um cenário complexo. O relatório da TollBit aponta para uma maior intensidade do rastreio de IA nos meios europeus, mas outras fontes revelam diferenças consoante a metodologia utilizada e o conjunto de sites analisados. A diversidade linguística, o crescimento da procura por conteúdos em idiomas diferentes do inglês, a composição das amostras e o comportamento dos bots que se identificam como sistemas de IA estão entre as possíveis explicações.

O que parece menos discutível é o aumento do rastreio automatizado. O que continua em aberto é por que razão os meios europeus parecem estar a suportar uma parte desproporcional dessa atividade e até que ponto o aumento dos rastreios se traduz num benefício real em termos de tráfego para os publishers.