Från klick till kod: Webwrights nya sätt att automatisera webben

De flesta som jobbat med webbskrapning har sett hur trögt det kan gå när en bot ska klicka sig fram, knapp för knapp. Det tar tid och det går lätt fel. Nu föreslår forskare från Microsoft och University of Hong Kong en helt annan väg: ge AI-agenter tillgång till en terminal och låt dem skriva kod istället.

Problemen med dagens webbskrapor

Traditionella AI-agenter fungerar stegvis. De tittar på sidan, väljer ett klick, utför det och upprepar processen. Det låter enkelt, men det finns flera nackdelar:

Ingen långsiktig plan: Utan överblick blir agenten reaktiv. Den fattar beslut ett i taget, utan att se det större sammanhanget.

Slösaktig navigering: Att klicka sig fram slumpmässigt på en komplex sajt är som att leta rätt väg genom att testa alla dörrar. Det tar tid och ger sällan ett optimalt resultat.

Svårt att hantera oväntade händelser: När layouten ändras eller ett oväntat fält dyker upp faller många agenter platt. De är byggda för förutsägbara mönster.

Det här blir extra tydligt vid bokningar, e-handel och andra flersstegsprocesser.

Webwright: Kod istället för klick

Webwright vänder på hela upplägget. Istället för att låta agenten klicka sig fram får den en terminalmiljö där den kan:

• Starta och hantera flera webbläsarsessioner samtidigt
• Skriva riktig kod för att styra webbsidor (Python, JavaScript eller liknande)
• Returnera resultat som körbar kod snarare än enskilda åtgärder

Det innebär att agenten inte längre säger "klicka på sökknappen". Den kan skriva ett skript som hittar alla sökfält, väljer det mest relevanta, genomför sökningen och hanterar resultatet – allt i ett enda logiskt steg.

Fördelarna med kodbaserad automation

Bättre planering: Kod ger utrymme att tänka strategiskt. Agenten kan förutse problem och strukturera arbetsflödet innan något körs.

Smartare utforskning: Istället för att klicka blint kan agenten läsa av sidans struktur programmatiskt och fatta välgrundade beslut.

Hög anpassningsförmåga: När agenten skriver kod löser den problem istället för att följa ett fast mönster. En förändrad layout? Agenten justerar sina selektorer. Ett oväntat formulärfält? Den inspekterar HTML-koden och anpassar sig.

Det liknar hur utvecklare faktiskt arbetar – inte genom att köra kommandon manuellt, utan genom att skriva skript som hanterar komplexitet.

Prestanda i praktiken

Forskarna har testat Webwright på verkliga uppgifter som flygbokningar och e-handel. Jämfört med traditionella metoder visar det sig både snabbare och mer tillförlitligt. Färre klick behövs och fler uppgifter slutförs korrekt.

Det har betydelse när automation används i stor skala inom företag.

Vad det betyder för webbinfrastruktur

När AI-agenter blir mer avancerade påverkar det också kraven på hosting och infrastruktur. Stabil DNS, pålitlig SSL och bra prestanda i molnet blir ännu viktigare när agenter navigerar både egna och externa webbplatser autonomt.

Samtidigt öppnar det dörrar för low-code-lösningar, API-testning och intelligent datahämtning.

Sammanfattning

Webwright visar att det ibland är bättre att ge agenten rätt verktyg än att förenkla gränssnittet. En terminal är inte bara en nostalgisk detalj – det är en kraftfull miljö som låter intelligenta system planera och anpassa sig.

Framtidens webautomation handlar inte om att förutsäga nästa klick. Det handlar om att skriva bättre kod.