PageSpeed Insights har fått en ny kategori för agentisk webbläsning. När jag testade ahfeldt.se visade rapporten 3/3, bredvid de vanliga resultaten för prestanda, tillgänglighet, bästa metoder och SEO.

Det ser ut som ännu ett betyg att optimera mot. Men 3/3 betyder inte att webbplatsen är fullt anpassad för alla AI-agenter. Det är en experimentell mätning av ett begränsat antal tekniska signaler i Lighthouse.

Resultatet är intressant. Det ska bara tolkas för vad det faktiskt är.

Vad är agentisk webbläsning?

En vanlig sökmotor hittar och indexerar information. En AI-agent kan i nästa steg försöka använda webbplatsen för att utföra en uppgift.

Det kan exempelvis handla om att:

  • hitta rätt tjänst
  • fylla i ett formulär
  • boka en tid
  • lägga en produkt i varukorgen
  • skicka en supportförfrågan
  • hämta strukturerad information

För att lyckas behöver agenten inte bara förstå texten. Den behöver även kunna identifiera knappar, formulärfält, länkar och andra funktioner på ett tillförlitligt sätt.

Google beskriver därför två skilda steg i den agentiska webben. Först behöver agenten hitta webbplatsen. Där gäller fortfarande mycket av grunden inom SEO och AI-synlighet. Sedan behöver agenten kunna använda webbplatsens gränssnitt och funktioner.

Det är det senare steget som Lighthouse försöker granska med kategorin agentisk webbläsning.

3/3 är inte samma sak som 100 av 100

De vanliga Lighthouse-kategorierna visar ett viktat resultat mellan 0 och 100. Agentisk webbläsning fungerar annorlunda.

Google anger uttryckligen att kategorin inte har något viktat totalbetyg. I stället visas en kvot över hur många tillämpliga kontroller sidan klarade i den aktuella körningen.

Det innebär att 3/3 betyder:

Sidan klarade tre av tre kontroller som räknades in i just den rapporten.

Det betyder inte att:

  • tre kontroller är allt som krävs för att en agent ska fungera
  • alla AI-agenter använder samma teknik
  • agenten förstår verksamheten och erbjudandet korrekt
  • alla formulär och flöden kan genomföras
  • webbplatsen kommer att rekommenderas i AI-svar
  • resultatet är ett bekräftat rankingbetyg i Google Search
  • webbplatsen är färdig för framtida agentstandarder

Google beskriver själv kategorin som experimentell, utan etablerad jämförelsenivå och baserad på standarder som fortfarande föreslås och utvecklas.

Det gör mätningen användbar som teknisk signal, men svag som generell kvalitetsstämpel.

Vad Lighthouse faktiskt tittar på

Den agentiska kategorin samlar kontroller inom några olika områden. Vilka som blir tillämpliga kan bero på sidans innehåll och funktioner.

En begriplig tillgänglighetsstruktur

AI-agenter kan använda webbläsarens tillgänglighetsträd för att förstå vilka element som finns och vad de gör.

Lighthouse kontrollerar därför sådant som:

  • att interaktiva element har programmatiska namn
  • att knappar och fält har begripliga etiketter
  • att roller och relationer i strukturen är giltiga
  • att ett interaktivt element inte är dolt för tillgänglighetsträdet

Det här är inte en ny AI-anpassning. Det är grundläggande, semantisk och tillgänglig webb som redan hjälper människor med olika hjälpmedel.

När en knapp bara går att förstå genom sin visuella placering kan både en skärmläsare och en AI-agent få problem. När formulärfält har korrekta etiketter blir uppgiften tydligare för båda.

Stabil layout

Vissa agenter interagerar med webbplatser genom skärmbilder och koordinater. Om en knapp flyttar sig efter att agenten har identifierat den kan nästa klick hamna fel.

Därför ingår layoutstabilitet, mätt genom Cumulative Layout Shift, CLS.

En stabil layout är redan viktig för användarupplevelse och Core Web Vitals. Den nya kategorin visar ytterligare en anledning att undvika:

  • bilder utan angivna dimensioner
  • innehåll som skjuts in sent
  • annonser eller banners som flyttar gränssnittet
  • komponenter som ändrar storlek efter inläsning

Återigen är det inte en separat AI-teknik. Det är välbyggd webb.

llms.txt

Lighthouse kontrollerar även webbplatsens llms.txt, en framväxande konvention för att ge språkmodeller och AI-agenter en kort, maskinläsbar översikt över webbplatsens innehåll.

Det är viktigt att läsa kontrollen rätt. Google beskriver filen som frivillig. Om den saknas och servern svarar med 404 markeras kontrollen som inte tillämplig. Om servern i stället ger ett fel när filen hämtas kan Lighthouse flagga det.

En fungerande llms.txt kan hjälpa till att beskriva webbplatsens syfte och viktigaste länkar. Den garanterar inte att en viss AI-tjänst läser filen, följer den eller använder innehållet i sina svar.

Filen är ett komplement. Den ersätter inte tydlig informationsarkitektur, bra innehåll, internlänkning eller tekniskt tillgängliga sidor.

WebMCP och strukturerade verktyg

WebMCP är ett förslag på hur webbplatser kan exponera funktioner som tydliga verktyg för AI-agenter.

En webbplats skulle exempelvis kunna beskriva en funktion som:

  • boka ett bord
  • lägg en produkt i varukorgen
  • skicka en supportförfrågan
  • sök efter en tillgänglig tid

I stället för att agenten själv ska gissa hur formuläret fungerar kan webbplatsen ge den ett tydligare, maskinläsbart gränssnitt.

Lighthouse kan bland annat kontrollera om WebMCP-verktyg finns registrerade, om formulär saknar deklarativ metadata och om schemat är giltigt.

Men WebMCP är fortfarande ett förslag från en W3C Community Group. Specifikationen är inte en W3C-standard och ligger inte på W3C:s standardiseringsspår. Stödet i Chrome är experimentellt och vissa kontroller kräver särskild testmiljö.

Det är därför för tidigt att rekommendera WebMCP som en generell åtgärd för alla företagswebbplatser.

En informationswebb och en transaktionswebb har olika behov

Alla webbplatser behöver inte ge AI-agenter möjlighet att utföra handlingar.

På en vanlig informationswebb är de viktigaste uppgifterna ofta att förstå:

  • vad företaget erbjuder
  • vilka behov tjänsterna löser
  • vem erbjudandet passar
  • vilken kompetens och erfarenhet som finns
  • hur man tar nästa steg

Då är tydligt innehåll, semantisk HTML, tillgänglighet och stabilitet viktigare än att registrera agentverktyg.

För en e-handel, bokningstjänst eller digital självservice kan bilden bli en annan. Om AI-agenter på sikt ska kunna genomföra faktiska flöden kan ett standardiserat sätt att beskriva funktionerna bli relevant.

Det viktiga är att börja i webbplatsens syfte. Inte i en ny rad i PageSpeed Insights.

Vad bör webbansvariga prioritera nu?

Jag skulle prioritera i den här ordningen.

1. Fixa det som redan är dåligt för människor

Börja med bristande etiketter, otydliga knappar, trasig semantik, instabil layout och formulär som är svåra att använda.

Det ger verklig nytta nu och förbättrar samtidigt förutsättningarna för maskinell interaktion.

2. Kontrollera resultatet, men jaga inte kvoten

Öppna kategorin och se vilka kontroller som faktiskt räknades in. Ett grönt 3/3 behöver inte kräva någon åtgärd. Ett lägre resultat behöver inte betyda att webbplatsen är dålig för alla agenter.

Läs varje kontroll i sitt sammanhang.

3. Se llms.txt som ett experimentellt komplement

En enkel och korrekt fil kan vara rimlig när webbplatsens innehåll ska vara lätt att överblicka för AI-system.

Men skapa inte en fil och tro att arbetet med SEO och AI-synlighet därmed är färdigt.

4. Utred WebMCP först när det finns ett verkligt användningsfall

Har webbplatsen en funktion som en agent faktiskt bör kunna utföra? Då kan WebMCP vara värt att följa och testa.

Har webbplatsen främst information och ett vanligt kontaktformulär? Då finns det sannolikt viktigare förbättringar att göra först.

5. Testa riktiga flöden

En automatiserad kontroll kan hitta tydliga tekniska problem. Den kan inte bevisa att en agent förstår ett komplext erbjudande, väljer rätt väg och genomför hela uppgiften korrekt.

För viktiga flöden behövs fortfarande praktiska tester, precis som med mänskliga användare.

En bra signal kan fortfarande misstolkas

Jag gillar att PageSpeed Insights nu synliggör agentisk webbläsning. Det gör en framväxande teknisk fråga mer konkret och hjälper utvecklare att upptäcka sådant som annars är lätt att missa.

Risken är att själva kvoten blir viktigare än vad den mäter.

3/3 är inte ett certifikat för AI-anpassning. Det är en ögonblicksbild från Lighthouse, baserad på ett begränsat antal reproducerbara kontroller och standarder som fortfarande utvecklas.

Den bästa användningen är därför inte att sätta ännu ett grönt märke i en rapport. Det är att använda resultatet som en kontrollfråga:

Är webbplatsen tydligt byggd, stabil och begriplig nog för att både människor och maskiner ska kunna använda den?

Det är en betydligt större fråga än tre godkända kontroller.

Läs mer om vad AI-synlighet innebär eller se hur jag arbetar med webb och digitala lösningar.

Källor

Artikeln beskriver en experimentell funktion. Mätningen och de föreslagna standarderna kan förändras när Lighthouse, Chrome och WebMCP utvecklas.