A OpenAI resolveu abrir o capô do sistema de anúncios do ChatGPT e explicar, em detalhes técnicos, como a ferramenta interpreta as conversas dos usuários, escolhe quais anúncios são relevantes e mantém esse processo separado das respostas geradas organicamente. A ideia por trás da publicação é mostrar como os anúncios no ChatGPT funcionam na prática — e por que, mesmo vencendo um leilão interno, um anúncio pode simplesmente nunca aparecer para o usuário.
Segundo a empresa, os anúncios no ChatGPT já atingiram uma taxa de receita anualizada de US$ 1 bilhão em menos de 200 dias desde o lançamento. Além disso, mais de 100 mil anunciantes já rodaram campanhas na plataforma desde então — embora a OpenAI não tenha divulgado nenhum dado de performance sobre o retorno obtido por esses anunciantes.
Anúncios no ChatGPT rodam separados da geração de respostas
De acordo com a OpenAI, o sistema responsável por escolher os anúncios funciona de forma independente daquele que escreve as respostas do ChatGPT. Cada um usa seus próprios modelos e códigos, ainda que ambos tenham acesso ao histórico da conversa.
Na prática, enquanto o ChatGPT monta sua resposta, o sistema de anúncios verifica, em paralelo, se existe algo relevante para exibir logo abaixo do texto. Ou seja, a escolha do anúncio não interfere no conteúdo que o ChatGPT efetivamente escreve.
Vale destacar que o ChatGPT não espera o sistema de anúncios terminar seu trabalho para entregar a resposta. Se esse processo travar ou demorar demais, a resposta aparece normalmente — e, nesse caso, o anúncio simplesmente fica de fora daquela interação.
Essa separação entre modelos e códigos reforça, pelo menos no discurso da OpenAI, a promessa de que os anúncios não influenciam o conteúdo das respostas. É importante frisar, porém, que essa é a descrição que a própria empresa faz do seu sistema, não uma comprovação independente de que essa separação realmente se sustenta na prática.
Quando um anúncio é exibido, ele vem com um selo de “patrocinado” logo abaixo da resposta. O próprio sistema de anúncios redige uma pequena introdução explicando a conexão entre o tema discutido e o anúncio — texto que fica separado do título, da descrição e da chamada para ação definidos pelo anunciante.
Como o contexto da conversa muda a seleção de anúncios
Para ilustrar como a intenção de compra pode se desenvolver ao longo de uma conversa, a OpenAI usa como exemplo alguém que começa perguntando sobre treinos físicos e, várias mensagens depois, acaba perguntando sobre tênis.
O sistema de anúncios no ChatGPT acompanha esses detalhes conforme a conversa avança. A OpenAI chama isso de sessões “stateful” — ou seja, cada nova mensagem não faz o sistema recomeçar do zero.
Outro exemplo citado é o de uma pessoa comparando softwares de gestão de projetos: ela pode mencionar que comanda uma pequena agência, precisa de aprovações de clientes e quer evitar pagar por contas de convidados. Uma pergunta posterior sobre preços, nesse contexto, carrega muito mais informação do que uma simples busca por “preço de software de gestão de projetos”.
Um anunciante que ofereça acesso gratuito para convidados poderia, por exemplo, testar esse detalhe específico contra uma mensagem mais genérica sobre produtividade. A página de destino precisaria sustentar essa oferta, e os resultados mostrariam se a mensagem mais específica atrai leads ou clientes mais qualificados.
Quando o usuário opta por anúncios personalizados, o sistema também pode considerar informações não sensíveis de conversas anteriores. Isso adiciona contexto, mas também traz um desafio: distinguir quais necessidades do usuário ainda são válidas.
A OpenAI afirma que o modelo precisa diferenciar a intenção atual de informações antigas e perguntas hipotéticas — mesmo um anúncio bem direcionado pode alcançar alguém pesquisando uma compra para daqui a meses, então a relevância sozinha não garante a conversão.
O “orquestrador” por trás da escolha dos anúncios
A OpenAI batizou de “orquestrador” o modelo responsável por coordenar a seleção de anúncios. Ele lê a conversa e aciona ferramentas para encontrar candidatos, checar a relevância de cada um e enviar as opções mais adequadas para um leilão.
O processo começa transformando trechos relevantes da conversa em consultas de busca, que viram “embeddings” — representações numéricas de significado que ajudam o sistema a encontrar anúncios sem depender das mesmas palavras usadas pelo usuário. Assim, uma única conversa pode gerar várias consultas diferentes, caso a pessoa tenha mais de uma necessidade, e o orquestrador ajusta as buscas conforme recebe novas informações.
Depois de localizar possíveis anúncios, o sistema verifica a elegibilidade de cada um, considerando segmentação geográfica, restrições de política, orçamento disponível e ritmo de investimento (o chamado “pacing”, que define quando uma campanha gasta sua verba). Em seguida, avalia o quanto cada anúncio combina com a conversa, seu histórico de desempenho e a probabilidade de gerar visualização, clique ou conversão.
Os candidatos aprovados seguem então para uma ferramenta de leilão separada, responsável pela classificação final, precificação e seleção do vencedor. Em outras palavras, o modelo de linguagem ajuda a decidir quem entra no leilão, mas não escolhe diretamente o vencedor nem define o preço.
A OpenAI não revelou o peso de cada sinal nesse processo, o que limita bastante a orientação prática para quem quer melhorar o posicionamento de um anúncio. E mesmo depois de vencer o leilão, ainda existem outras etapas de verificação antes da exibição.
Vencer o leilão não garante aparecer na tela
Após o leilão, a OpenAI aplica mais uma checagem para decidir se o anúncio selecionado realmente combina com aquela conversa específica. Ou seja, mesmo um anúncio dentro das políticas de publicidade pode ser considerado inadequado para determinado contexto.
Além disso, um anúncio vencedor do leilão também pode simplesmente perder a janela de entrega mencionada anteriormente, deixando o anunciante sem a impressão esperada.
Isso significa que um baixo volume de impressões pode ter diversas causas, desde falhas nas checagens de relevância até problemas de tempo de entrega. Por isso, antes de mexer em lances ou criativos, os anunciantes precisariam entender exatamente em qual etapa do processo o anúncio travou.
- Buscas que não encontraram nenhum anúncio potencial;
- Anúncios que falharam nas checagens de elegibilidade;
- Posicionamentos que apareceram e geraram alguma interação.
Segundo a OpenAI, esses registros internos ajudam a identificar em qual ponto cada campanha “trava”. Uma campanha excluída por segmentação geográfica, por exemplo, exigiria uma resposta bem diferente de outra que entra nos leilões normalmente, mas raramente vence. O problema é que a publicação não deixa claro quanto dessa informação fica realmente visível para o anunciante nos relatórios da plataforma — sem essa transparência, testar ajustes pode virar um tiro no escuro.
Crescimento de receita não responde se o investimento vale a pena
Os números de US$ 1 bilhão em receita anualizada e mais de 100 mil anunciantes mostram, sem dúvida, a velocidade com que o negócio de publicidade da OpenAI cresceu. No entanto, nenhum dos dois indicadores explica o que, de fato, os anunciantes ganharam com esse investimento.
Cabe lembrar que a receita anualizada é uma projeção baseada no ritmo de faturamento daquele momento — não significa que a OpenAI já embolsou US$ 1 bilhão com publicidade. Já o número de anunciantes também deixa lacunas: não mostra quantos continuam ativos, quantos voltaram depois de um teste inicial ou quantos aumentaram o investimento ao longo do tempo.
A publicação não traz benchmarks de CPA, ROAS ou taxa de conversão, nem mostra como esses resultados variam por setor ou objetivo de campanha. Faz sentido que um texto técnico se concentre em explicar o funcionamento do sistema, mas a própria OpenAI usa a receita e a adesão de anunciantes como prova de avanço, sem mostrar o que, na prática, esse investimento trouxe de retorno.
Fica também em aberto quantas vendas os anúncios realmente geraram a mais — afinal, uma campanha pode levar o crédito por compras que aconteceriam de qualquer forma. Como a publicação não traz estudos controlados sobre isso, os números divulgados comprovam que há dinheiro circulando na plataforma, mas não respondem quantos anunciantes estão conquistando clientes de forma lucrativa e consistente.
Com informações de searchenginejournal.com.
