OpenAI anunció el 5 de octubre un nuevo formato de publicidad visual que empezará a probar durante la generación de imágenes en ChatGPT. La prueba está prevista para más adelante este mes en Estados Unidos y con un grupo inicial de anunciantes. El anuncio se identificará y permanecerá separado de la imagen que está creando el usuario, según la compañía. No es una apertura general del formato en España.
Para una marca, la novedad plantea una oportunidad creativa distinta a colocar su producto dentro del resultado solicitado. El mensaje comercial dispone de un espacio propio. Esa separación debería conservarse al explicarlo en una propuesta, porque condiciona qué se diseña, cómo se evalúa y qué expectativa se transmite al cliente. Contrafeed ha revisado el anuncio y su documentación, sin probar el formato.
Preparar una pieza publicitaria con identidad propia
El punto de partida para un equipo creativo puede ser una pregunta: qué necesita entender una persona sobre el producto al ver una imagen publicitaria en ese momento. Una fotografía de uso, un detalle o una escena pueden cumplir funciones diferentes. Elegir una de ellas requiere un objetivo reconocible y materiales cuyos derechos estén documentados, además de confirmar las especificaciones que admita la prueba.
No conviene anticipar dimensiones, opciones de compra o criterios de segmentación que el anuncio no concreta. Una presentación comercial puede separar lo confirmado de las preguntas que todavía debe resolver con la plataforma. Esto evita convertir un concepto visual atractivo en un compromiso de producción que después no encaje en el acceso disponible para la cuenta.
La evolución se suma a las pruebas de conversaciones con agentes patrocinados que ya explicamos. Son experiencias distintas: una añade una interacción comercial tras un anuncio y la otra introduce una propuesta visual durante una tarea. Compararlas sirve para decidir qué trabajo necesita cada creatividad, sin asumir que comparten disponibilidad o resultados.
Conectar conversiones no resuelve la atribución
OpenAI amplía las conexiones de datos y los socios de medición de ChatGPT Ads. Su documentación cita integraciones con Hightouch, Tealium y LiveRamp, así como opciones de píxel y API de conversiones. También describe colaboraciones para experimentos geográficos y pruebas tempranas de medición de marca. La lista de proveedores indica capacidades en desarrollo o disponibles según el caso; no prueba el rendimiento de una campaña futura.
La compañía permite configurar una ventana de atribución tras el clic e incluir otra de un día tras la impresión. Aclara que esos ajustes afectan a los informes, no al mecanismo de optimización. Para comparar resultados, un equipo debería anotar qué ventana emplea cada informe y qué evento considera conversión. De lo contrario, puede acabar atribuyendo al canal una diferencia que procede del criterio de recuento.
Un ejemplo: una compra registrada después de ver un anuncio puede estar asociada a esa impresión, pero la persona también podría haber comprado sin verla. La atribución organiza señales bajo unas reglas; un experimento intenta responder a la segunda pregunta. Ventas atribuidas y ventas adicionales no son cifras intercambiables. Esta distinción es parte del análisis de Contrafeed, no un resultado observado en una campaña propia.
Cómo leer los primeros casos sin convertirlos en una promesa
La información corporativa presenta resultados de clientes medidos por socios. Esos ejemplos pueden orientar qué preguntas hacer, pero no ofrecen una garantía para otra categoría, otro país o un presupuesto diferente. Antes de usar un porcentaje en una previsión conviene disponer del periodo, la definición de cliente nuevo, la referencia de comparación y las condiciones del análisis.
Para una marca con varios canales, una revisión inicial puede comprobar que una misma compra no se sume varias veces al consolidar informes. También puede separar clientes nuevos de repetidores y ventas de solicitudes sin cerrar. El trabajo se parece al de cualquier plan de medios: conservar definiciones estables permite discutir qué aporta cada inversión con menos dependencia de cómo presenta los datos cada plataforma.
La discusión sobre métodos comparables para medir audiencias digitales comparte esa exigencia de transparencia. Un indicador resulta útil cuando el cliente entiende qué incluye, qué deja fuera y para qué decisión sirve. La novedad de un entorno publicitario no elimina esa necesidad.
La adecuación de marca también necesita una prueba concreta
OpenAI anuncia pilotos de evaluación con DoubleVerify e Integral Ad Science en entornos controlados, sin acceso a conversaciones privadas. Es una línea de trabajo sobre idoneidad del contexto publicitario, no una auditoría general ya concluida de cada futura inserción. Las marcas interesadas deberían comprobar qué evaluación reciben y qué controles pueden aplicar en su modalidad de acceso.
Un piloto razonable puede fijar por adelantado qué contextos considera aceptables, qué incidencia exige revisión y quién decide detener una creatividad. Son condiciones de trabajo que una agencia puede acordar con el anunciante antes de invertir. Después, el informe debe distinguir problemas detectados, límites de observación y resultados comerciales, sin resumirlo todo en una única nota de éxito.
La decisión inmediata es preparar las preguntas y el material, no presentar el ensayo estadounidense como inventario contratado en España. El formato abre un espacio nuevo para explicar visualmente una oferta; demostrar su aportación requerirá acceso real, una medición coherente y una comparación ajustada al negocio que lo utilice.
Fuente y alcance
Lectura documental realizada el 6 de octubre de 2026. No hemos probado estas funciones. Los anuncios, condiciones y resultados de producto se atribuyen a sus responsables.
OpenAI · Building advertising for the way people use AI — 2026-10-05. Prueba prevista para más adelante en octubre, en Estados Unidos; no disponibilidad general.
OpenAI Ads · More ways to measure ChatGPT Ads — 2026-10-05. Documentación corporativa; se diferencian atribución, optimización y experimentos.
