过去二十年间，工程界普遍采用验证码、机器人防火墙及速率限制等手段拦截自动化流量。这一策略基于一个合理假设：无人操作的软件旨在抓取数据、欺诈或攻击系统。然而，随着用户行为演变，越来越多的自动化流量实则来自客户派遣的个人AI助手，它们代为预订航班、支付账单或比较保险。传统防御机制无法区分二者，往往将真实客户拒之门外。
当前讨论多聚焦于智能体能否“准入”，但这并非关键。核心问题在于：当智能体被拒绝时，它学到了什么？与人类不同，智能体不会愤怒或投诉，而是记录失败轨迹。这种记录在会话结束后依然生效，并在三个层面产生累积影响：
- 即时流失：若智能体无法在当前网站完成任务，它会转向其他平台。用户收到的推荐中自然不包含该企业，导致潜在交易直接丢失。
- 路径优化：智能体携带针对特定用户的成功记忆。若在竞争对手处成功而在此处失败，它将优化算法，未来优先选择可行路径。
- 训练忽略：底层AI系统以任务完成率为奖励机制进行训练。无法交互的网站被视为无效环境，被系统彻底忽略，从而失去进入模型“考虑集”的机会。
这种不对称性极具隐蔽性。挫败人类客户通常会引发投诉或反馈，但拒绝智能体不会产生任何信号。流量不会出现在销售漏斗中，损失亦不显示在报表里，企业甚至在不知情的情况下被剔除出客户选项。
94%的网站尚未准备好
为量化这一问题，Encore模拟主流个人AI助手，向跨25个行业的1500多个组织发送请求。这些智能体在访问时明确表明身份，仅读取公开页面且未登录。截至10月23日发布的“智能体就绪指数”（Agent Readiness Index）显示：
- 94%的网站根本无法接受智能体连接；
- 26%的网站直接屏蔽了声明身份的智能体；
- 仅有1%的组织为客户提供批准智能体执行有限任务并随时撤回权限的机制。
测试表明，大多数个人助手可在本地运行普通浏览器，像人类一样通过验证。目前的防御措施过滤的是“诚实”而非“风险”：宣告身份的智能体在门口被拦下，而使用客户凭证的智能体则需依靠银行等行为分析手段事后识别。这种基础设施是为“已不存在”的网络构建的，导致绝大多数企业缺乏应对策略。
从“宽容”转向“可读”
解决方案并非无差别放行，而是提升系统的“可读性”（Legibility）。企业应以机器可读的术语声明规则，利用开放标准为智能体提供直接连接接口，允许客户委派有限时间的狭窄任务。相较于依赖运气的无差别屏蔽，声明规则的企业能更有效地执行策略。
修复后的体验中，智能体将携带结构化意图到达，提前明确客户需求。这为企业提供了前所未有的精准信息渠道。一旦实现安全协作，企业可构建适配智能体的产品与服务，让用户仅需一步即可完成交易。
目前，几乎所有公司都拥有移动和社交媒体战略，但仅有6%的企业发布过关于AI智能体的立场。这并非深思熟虑的选择，而是基础设施滞后导致的战略缺失。在AI代理时代，忽视“可读性”意味着主动放弃可见性。