O ChatGPT pode saber muito mais sobre o problema de uma pessoa do que uma caixa de busca e, ainda assim, oferecer um espaço publicitário pior. O contexto adicional pode melhorar uma recomendação. Mas uma conversa pode começar com a redação de um texto, uma aula ou a solução de um problema técnico, e cada interação consome capacidade computacional antes mesmo que um anúncio apareça. O ChatGPT pode enriquecer a interface e, ao mesmo tempo, enfraquecer o valor comercial de cada anúncio.
Principais conclusões
- A projeção da OpenAI de $102 bilhões em receita publicitária até 2030 exige que o ChatGPT se torne uma grande porta de entrada para o comércio, e não apenas acrescente mensagens patrocinadas às conversas.
- As conversas geram muito envolvimento, mas pouco espaço efetivamente monetizável: sessões de redação, ensino e solução de problemas consomem inferência sem necessariamente aproximar o usuário de uma transação.
- Os formatos mais promissores de publicidade conversacional estabelecem uma fronteira comercial explícita, como um agente de marca, uma comparação de produtos ou o encaminhamento para um lojista, em vez de misturar patrocínio às orientações gerais do assistente.
- Os custos de inferência tornam a intenção comercial por dólar gasto em inferência o principal indicador; reduzir o custo de operação ajuda, mas também diminui as barreiras para concorrentes e pode comprimir as margens dos modelos mais avançados.
- A publicidade pode complementar assinaturas, contratos empresariais, APIs e comissões sobre transações, mas dificilmente financiará, no curto prazo, o uso amplo de chatbots em condições econômicas semelhantes às das buscas.
$102 bilhões pressupõem uma porta de entrada que ainda não existe
O modelo interno da OpenAI projetou aproximadamente $2.4 bilhões em receita publicitária em 2026, quase $11 bilhões em 2027 e $102 bilhões em 2030. Nesse último patamar, os anúncios responderiam por 36% de toda a receita projetada. Uma atividade secundária não conseguiria entregar essa participação; a OpenAI teria de transformar o ChatGPT em uma porta de entrada comercial ampla o suficiente para sustentar a estrutura de capital de um laboratório de IA de ponta.
Para chegar a $102 bilhões, a OpenAI teria de mais do que quadruplicar a receita publicitária já no primeiro ano e voltar a multiplicá-la até 2030. O ChatGPT precisaria criar, na escala necessária, um espaço comercial que ainda não existe: momentos recorrentes em que o usuário esteja próximo o bastante de uma compra, reserva, assinatura ou outra transação para que um anunciante consiga atribuir valor ao anúncio e medir o resultado.
A OpenAI começou oferecendo anúncios em chatbots a dezenas de anunciantes com compromissos inferiores a $1 milhão e cobrança por visualizações, não por cliques. Depois, passou a oferecer cobrança por clique, com lances entre $3 e $5, e lançou nos EUA uma versão beta do Ads Manager para anunciantes menores. Ao avançar de impressões para cliques e, depois, para a compra direta de anúncios, a OpenAI ainda tenta descobrir quanto vale um anúncio exibido por um assistente.
A eMarketer estimou menos de $1 bilhão em receita com publicidade em chatbots para 2026 e calculou em $5.41 bilhões o teto do mercado americano de anúncios nesse tipo de serviço. Essa estimativa e a meta de $102 bilhões da OpenAI não são diretamente comparáveis: uma descreve um mercado nos EUA, enquanto a outra representa a meta de receita de uma empresa. Em conjunto, porém, os números revelam o que a ambição da OpenAI exige: os assistentes terão de criar rapidamente um mercado muito maior do que aquele que os analistas conseguem medir hoje.
A busca começa perto de uma decisão; a conversa costuma começar com uma tarefa
A publicidade em buscas captura uma declaração concisa de intenção. A pessoa digita um produto, destino, serviço ou problema em uma caixa; o sistema classifica a consulta; os anunciantes disputam espaço em um leilão já consolidado; e a página de resultados encaminha o usuário a empresas preparadas para concluir a transação. Nem toda busca tem caráter comercial, mas a parcela que tem é identificável, recorrente e cercada por uma infraestrutura de atribuição.
O ChatGPT pode reunir muito mais contexto do que uma caixa de busca, mas contexto não é intenção comercial. Uma sessão de 20 interações para depurar um programa contém muita informação e nenhuma compra necessária. Uma consulta breve sobre um produto pode conter pouca informação e quase toda a intenção de compra. Uma plataforma que contabiliza ambas como envolvimento esconde justamente a variável que gera receita.
O Google enfrenta esse problema conectando as respostas de IA à estrutura que já controla. Seus anúncios planejados para buscas e compras no AI Overviews aproveitavam as campanhas existentes dos anunciantes, enquanto os anúncios no AI Mode se parecem com citações, embora tragam a indicação de conteúdo patrocinado. O modelo cria uma nova interface, mas, por baixo dela, permanecem as relações com lojistas, os dados de campanhas, o sistema de leilões e os caminhos que levam à transação.
O Google reforça esse mecanismo quando o AI Mode deixa de apenas responder e passa a executar ações. Ele pode se conectar e interagir com serviços como Instacart, Canva e YouTube Music. Nesses momentos, o assistente se torna um ambiente de trabalho que encaminha o usuário a um serviço capaz de realizar a tarefa.
O anunciante não paga por uma interação na conversa, mas pela proximidade de uma decisão que o sistema pode ajudar a concluir. O valor comercial do assistente, portanto, concentra-se no processo em torno da resposta—dados dos lojistas, disponibilidade de produtos, identidade, pagamento, entrega e atribuição—e não apenas na resposta.
O ChatGPT pode ampliar artificialmente o espaço publicitário aparente ao gerar mais interações sem produzir mais intenção de compra. O indicador cresce, enquanto o evento escasso—a decisão à qual um anunciante consegue atribuir valor—permanece inalterado. As buscas construíram suas margens com base na separação entre consultas comerciais e não comerciais. O ChatGPT não consegue fabricar mais consultas do primeiro tipo apenas prolongando as do segundo.
Os formatos que funcionam delimitam claramente o papel do patrocinador
Os AI Sponsored Snaps da Snap permitem que os usuários conversem com agentes de marcas específicas para receber recomendações de produtos. O patrocinador é explícito, o assunto é delimitado e a interação já começa em um contexto comercial. Quem abre um agente de marca já ultrapassou um limiar do qual uma conversa com um assistente de uso geral talvez nunca se aproxime.
O formato da Snap demonstra que uma conversa comercial pode comportar patrocínio. Isso não significa que o uso amplo de assistentes consiga absorver um volume de anúncios comparável ao das buscas sem alterar a natureza do produto que os usuários acreditam estar utilizando.
O ChatGPT enfrenta um problema estrutural de confiança. Uma página de busca apresenta vários links, e um resultado patrocinado continua sendo apenas uma opção entre outras. Um assistente sintetiza a resposta em uma única voz. Quando o patrocínio passa a fazer parte dessa voz, torna-se mais difícil para o usuário distinguir relevância de influência, sobretudo fora de uma tarefa explicitamente ligada a compras. Como o assistente sabe por que o usuário está ali, um anúncio irrelevante ou invasivo parece menos um erro de segmentação e mais uma escolha deliberada.
Limites explícitos reduzem esse risco. O encaminhamento para um lojista deixa visível o papel comercial da interação. Um agente de marca identifica quais interesses representa. Uma comparação de produtos dá ao anúncio uma função concreta. Já uma resposta patrocinada genérica elimina essas fronteiras e exige que uma única mensagem atue como consultor, veículo de mídia, espaço de leilão e vendedor. As buscas separaram esses papéis em uma página; a conversa os comprime em uma frase.
Inferência mais barata reduz tanto a conta quanto a barreira competitiva
A publicidade conversacional também é um problema de economia da inferência. OpenAI e Anthropic informaram a investidores que os custos de inferência superavam metade da receita em suas projeções. O ônus não termina quando elas treinam um modelo de ponta, pois o uso contínuo desse modelo também gera despesas.
Cada resposta longa, pergunta adicional, acionamento de ferramenta ou ação autônoma pode aumentar o trabalho computacional antes que o sistema produza uma impressão ou uma conversão. A conta chega na forma de tempo de uso de GPUs, refrigeração, fibra óptica e eletricidade em centros de dados cuja capacidade é cada vez mais garantida por megawatts contratados, e não por uma nuvem abstrata. A OpenAI precisa cobrir esses custos variáveis de operação e, ainda assim, preservar margem suficiente para sustentar a infraestrutura fixa por trás deles.
O Google pode exibir vários espaços monetizáveis em torno de uma única busca. O ChatGPT talvez precise realizar várias etapas de inferência antes de chegar a uma oportunidade comercial, caso chegue. Por isso, a relação decisiva para a OpenAI é a intenção comercial por dólar gasto em inferência—e não o número de anúncios por usuário ou por sessão.
Segundo relatos, engenheiros da OpenAI descobriram uma técnica capaz de reduzir os custos de inferência em mais da metade. Custos operacionais menores permitiriam à OpenAI ampliar o uso e viabilizar interações comerciais que antes não se sustentavam economicamente. Respostas mais baratas podem criar oportunidades que anteriormente custavam caro demais.
Ao mesmo tempo, custos menores também permitiriam que concorrentes oferecessem modelos avançados por preços mais baixos. Usuários e empresas poderiam direcionar suas tarefas ao sistema mais barato que entregasse qualidade suficiente. O recurso Computer da Perplexity divide tarefas entre modelos locais e modelos na nuvem para manter dados privados no dispositivo e maximizar a eficiência no uso de tokens, reduzindo a inferência necessária para cada tarefa útil.
A inferência mais barata pode expandir o mercado de assistentes e, ao mesmo tempo, dificultar que qualquer laboratório de ponta preserve as margens pressupostas por seus compromissos de infraestrutura. Nesse cenário, a publicidade favorece as empresas que controlam a distribuição e as transações, não o laboratório que apenas produziu uma resposta.
A publicidade deve ser uma camada do negócio, não o alicerce de toda a estrutura
A OpenAI projetou que a publicidade poderia ajudar a dobrar a receita do ChatGPT com consumidores, levando-a a $17 bilhões em 2026. Seu modelo trata os anúncios como uma das camadas de receita do negócio voltado ao consumidor. As assinaturas cobram pelo acesso contínuo e pelo uso mais intenso. Os contratos empresariais remuneram a implantação nas organizações. As APIs cobram pelo consumo dentro de outros produtos. As comissões sobre transações e os anúncios segmentados capturam valor quando o assistente influencia ou conclui uma compra.
O comportamento dos usuários mostra por que essas camadas precisam permanecer separadas. Uma sessão de redação pode justificar uma assinatura, mas não um anúncio. Um processo corporativo pode sustentar um contrato sem expor o funcionário a uma resposta patrocinada. Uma sessão de compras pode justificar o encaminhamento a um lojista, o pagamento por clique ou uma comissão sobre a transação.
A Amazon parte em vantagem porque seu assistente em formato de conversa está apoiado em relações com lojistas, dados de produtos, identidade dos clientes e ambientes nos quais as compras já acontecem. A IA pode melhorar a produção e a segmentação sem precisar inventar o sistema de transações que existe por baixo.
A projeção da OpenAI é relevante porque revela o sistema que a empresa tenta construir: uma porta de entrada com controle suficiente sobre descoberta e ação para capturar parte do comércio que passa por ela. Para chegar a $102 bilhões, a OpenAI terá de monetizar usos amplos que geram confiança e envolvimento sem necessariamente resultar em uma transação, embora a infraestrutura atenda a ambos os tipos de uso a um custo real.
O ChatGPT pode se tornar uma vitrine comercial. A aposta de $102 bilhões é que cada rack de GPUs por trás dela também possa virar um outdoor.
Perguntas frequentes
Por que o ChatGPT não consegue monetizar conversas da mesma forma que o Google monetiza buscas?
As buscas muitas vezes começam perto de uma compra e se conectam a leilões consolidados, sistemas de lojistas e mecanismos de atribuição. Muitas sessões de chatbots começam como tarefas—como redigir um texto ou depurar um programa—e podem exigir várias interações dispendiosas sem gerar intenção comercial.
Quais tipos de anúncio têm maior chance de funcionar na IA conversacional?
Os anúncios funcionam melhor em contextos claramente comerciais, como agentes de marcas específicas, comparações de produtos, tarefas de compra e encaminhamentos para lojistas. Esses formatos deixam visível o papel do patrocinador e vinculam a interação a uma ação mensurável.
Por que inserir anúncios diretamente nas respostas do assistente é arriscado?
O assistente se expressa em uma voz sintetizada e revestida de autoridade, o que dificulta distinguir influência paga de uma orientação imparcial. Fora de uma tarefa explicitamente ligada a compras, o patrocínio pode, portanto, abalar mais a confiança do que um anúncio identificado e apresentado entre vários resultados de busca.
A redução dos custos de inferência resolveria o problema da publicidade em chatbots?
Custos menores poderiam tornar mais interações com assistentes economicamente viáveis, mas não criariam intenção de compra onde ela não existe. Também permitiriam que concorrentes oferecessem modelos avançados por preços baixos, deslocando a vantagem para plataformas que controlam a distribuição, as relações com lojistas e as transações.
A publicidade ainda pode se tornar um negócio relevante para o ChatGPT?
Sim, sobretudo na parcela minoritária das sessões que envolvem compras, reservas, assinaturas ou outras transações. A análise sustenta que os anúncios devem continuar sendo uma camada ao lado de assinaturas, contratos empresariais, APIs e comissões sobre transações, em vez de financiar todo o sistema.