Los agentes de marca de Snap ponen a prueba lo que las auditorías publicitarias pueden ver

En abril de 2026, Snap lanzó agentes de IA específicos de marca en la pestaña Chat de Snapchat para recomendar productos. Según informes, los anunciantes en las primeras campañas de ChatGPT recibieron pocos datos que mostraran si sus anuncios funcionaban. La interfaz comercial puede responder a un cliente antes de que el comprador pueda dar cuenta adecuadamente del encuentro.

El acuerdo publicitario conocido tenía una forma física, incluso en una pantalla. Un comprador adquiría espacio en una página, feed o video; la plataforma informaba que un anuncio lo ocupaba; un verificador podía cuestionar si una persona lo había visto. La disputa importaba, pero las partes al menos partían de una colocación identificable. El anuncio y el producto que lo rodeaba eran cosas distintas.

Las interfaces generativas están transformando la publicidad: de comprar una colocación estable a gobernar una respuesta cambiante. A medida que los anuncios entran en chats, generación de imágenes e intercambios con agentes de marca, la ventaja duradera pasa a demostrar qué generó el sistema, cómo lo etiquetó, qué mostró junto al mensaje comercial y qué indujo al usuario a hacer, no solo a informar que se sirvió una impresión.

Google volvió variable la creatividad antes de que las plataformas volvieran variable el espacio

En noviembre de 2023, Google añadió IA generativa a Performance Max para que los anunciantes pudieran producir anuncios de texto e imagen personalizados a escala. El anunciante seguía comprando mediante un sistema publicitario establecido. Google cambió la oferta de material creativo, no la distinción básica entre el anuncio y el lugar donde aparecía. Su posterior formato de prendas, que mostraba ropa en distintos tonos de piel y tipos de cuerpo, también hizo más adaptable el contexto de visualización del comprador.

Para 2025, Google había comenzado a mostrar anuncios de AdSense dentro de conversaciones de chatbots, tras pruebas reportadas con startups de búsqueda con IA en 2024. Google suministraba mensajes comerciales a un entorno conversacional; eso no significaba que cada mensaje o elemento de la interfaz se generara como anuncio. Sí significaba que el contexto alrededor de un anuncio podía ser un intercambio en vivo, en lugar de la página fija de un editor.

Snap adoptó una posición distinta en abril de 2026. Sus AI Sponsored Snaps colocaron agentes específicos de marca en la pestaña Chat de Snapchat, donde un usuario puede pedir recomendaciones de productos. El 5 de octubre, OpenAI dijo que probaría anuncios visuales claramente etiquetados durante la generación de imágenes de ChatGPT en Estados Unidos más adelante en octubre. Snap ya lanzó su formato; el formato de generación de imágenes de OpenAI sigue siendo una prueba planeada. Uno vende una conversación con una marca, mientras el otro propone un anuncio junto a una tarea creativa.

Los operadores ocupan distintas partes de la transacción. Google puede suministrar anuncios a conversaciones de chatbots fuera de sus propios productos. Snap controla la pestaña Chat y el agente patrocinado dentro de ella. OpenAI controla la sesión de ChatGPT en la que planea mostrar el anuncio visual. El impulso de Meta para distribuir agentes en superficies sociales y empresariales muestra por qué importa controlar el lugar donde un usuario delega una tarea, incluso cuando no se ha establecido un formato equivalente de agente patrocinado.

Una pantalla generada convierte el encuentro renderizado en la evidencia

Google describió una implementación de UI generativa en noviembre de 2025 que permite a Gemini 3 Pro crear interfaces interactivas para prompts. Ese anuncio no prueba que Google genere cada pantalla publicitaria bajo demanda. Establece una capacidad de producto que altera un supuesto de medición: una aplicación no necesita presentar la misma disposición de respuesta, imagen y controles cada vez que un usuario la abre. Greg Nudelman y Daria Kempka llaman a la consecuencia de diseño “UX individualizada”.

Para un comprador, un evento de servidor de anuncios y el encuentro de un usuario pueden ser registros distintos. Un registro útil de exposición identificaría el mensaje comercial seleccionado, la respuesta y la interfaz efectivamente renderizadas, dónde apareció la divulgación, qué rodeaba al anuncio y sobre qué controles podía actuar el usuario. Un registro del prompt por sí solo no mostraría la pantalla. Un conteo de anuncios servidos no mostraría si una etiqueta permaneció visible junto a la respuesta. Estos son insumos de auditoría propuestos, no un estándar existente de la industria.

Antes de la prueba de anuncios durante la generación de imágenes de OpenAI, los anunciantes de las campañas iniciales de ChatGPT describieron, según informes, un proceso de compra poco tecnológico y dijeron haber recibido pocos datos que mostraran si los anuncios funcionaban. Su queja no establece que una impresión en particular se haya contado mal. Muestra que OpenAI podía abrir inventario antes de que los compradores tuvieran la evidencia necesaria para evaluarlo.

La autoría de IA, la divulgación comercial y la idoneidad son pruebas distintas

Google dijo en julio de 2026 que divulgaría automáticamente los anuncios hechos con sus herramientas publicitarias de IA, extendiendo esa divulgación más allá de los anuncios electorales. OpenAI dice que sus anuncios propuestos para generación de imágenes estarán claramente etiquetados. Esas decisiones abordan preguntas distintas: Google identifica cómo se hizo un anuncio; OpenAI describe cómo aparecerá un mensaje pagado durante la tarea de un usuario.

La Ley de IA de la UE añade otro límite. Desde el 2 de agosto, sus requisitos de etiquetado cubrían imágenes, video, audio y texto generados por IA con apariencia auténtica sobre asuntos de interés público. Ese requisito no debe confundirse con una auditoría universal de colocación pagada. Una etiqueta puede decirle a un usuario que un material fue generado sin establecer quién pagó para ponerlo ahí, si la etiqueta apareció en la pantalla renderizada o si el material junto a ella era adecuado para el anunciante.

El formato de agente de Snap introduce una distinción adicional. Un usuario puede hablar con un agente específico de marca y recibir una recomendación, por lo que una evaluación del encuentro debe distinguir el papel comercial del agente del contenido de lo que dijo. La guía de diseño de interacción ha tratado desde hace mucho la relación inteligible entre causa y efecto como parte del control del usuario. En este entorno, el usuario necesita entender de quién es la recomendación que presenta la interfaz; el comprador necesita una forma de examinar la recomendación que se dio. Ningún requisito se satisface al llamar impresión a toda la sesión.

Facebook abrió sus métricas a auditoría después de que la confianza ya se había roto

El precedente del Media Rating Council comenzó con un problema más acotado. Facebook sostuvo conversaciones reportadas con el MRC a finales de 2016 sobre sus métodos de medición y acreditación. En febrero de 2017, Facebook se comprometió a auditorías del MRC de los datos de métricas publicitarias que suministraba a socios de verificación externos. Luego Google acordó permitir que el MRC auditara los datos publicitarios de YouTube y los anuncios comprados para sitios ajenos a Google mediante AdWords y DoubleClick Bid Manager.

Los reporteros publicaron dos piezas relacionadas con el MRC en 2016Q4 y cuatro en 2017Q1. Esa es una medida de cobertura, no de auditorías concluidas. Facebook después retrasó una auditoría de seguridad de marca a la que se había comprometido públicamente, un recordatorio de que aceptar escrutinio y concluirlo son hechos separados.

Esas auditorías abordaron métricas de plataforma y datos publicitarios para video y otras colocaciones establecidas. No establecieron un método para inspeccionar una respuesta individualizada de un modelo. El registro del periodo actual proporcionado no muestra un estándar del MRC para publicidad en interfaces generativas ni una especificación coordinada con IAB Tech Lab. El precedente institucional es el escrutinio externo después de que los compradores pierden confianza; el trabajo técnico necesario para un encuentro generado sigue sin probarse.

Un verificador independiente debe probar el encuentro, no confiar en el registro

Registros de plataforma más completos darían a un verificador algo que cuestionar. No harían que el verificador tuviera razón. Adalytics informó que DoubleVerify no detectó el 21% de las visitas de bots, pese al negocio establecido de detectar tráfico inválido. Un registro detallado de la visita de un bot puede seguir siendo un registro detallado de algo que un anunciante no pretendía comprar.

Una auditoría de sesión generativa necesitaría verificaciones separables. Una plataforma podría conservar el anuncio seleccionado, la decisión de divulgación, la respuesta renderizada y las acciones posteriores en la interfaz. Una parte independiente podría comparar encuentros renderizados de una muestra con esos registros y probar si el tráfico provino de usuarios reales. Un anunciante podría entonces evaluar resultados —y probar si la publicidad causó algún resultado incremental— en vez de tratar un clic o un turno de conversación como prueba de valor. Cada verificación responde una pregunta distinta; un registro de servidor no puede responderlas todas.

Esa división también establece límites a lo que cualquier organismo de estándares puede afirmar hoy. La historia del MRC lo vuelve un participante plausible para definir medidas auditables, e IAB Tech Lab podría tener un papel en registros técnicos comunes. Ninguna de las dos organizaciones cuenta con un estándar documentado para anuncios generativos en la evidencia proporcionada. Los compradores no deben confundir una cadena de evidencia propuesta con acreditación.

El mayor auge publicitario todavía no ha convertido al chat en un gran mercado publicitario

Google y Meta se han beneficiado de herramientas de IA en creación de anuncios, traducción, segmentación, pujas y medición. Esas ganancias mejoran en gran medida sistemas de compra establecidos. No establecen el tamaño ni la efectividad de la publicidad dentro de intercambios con chatbots. eMarketer estimó que los chatbots, incluidos ChatGPT y Google AI Mode, generarían menos de $1 billion en ingresos publicitarios en 2026: un pronóstico para un mercado pequeño, pese a la atención que reciben sus formatos.

Los acuerdos de distribución de OpenAI muestran cuán rápido puede desarrollarse la venta antes de que se asiente la medición. En un piloto reportado de servicio administrado en Estados Unidos, el sistema de compra de anuncios de Amazon daría a los anunciantes una forma de comprar anuncios de ChatGPT mientras OpenAI retendría las decisiones de entrega. Eso separa el acceso al inventario del control sobre lo que aparece. Las solicitudes de los primeros anunciantes de mejores datos de desempeño están del otro lado de esa separación.

Facebook podía entregar a un auditor una métrica de anuncios de video. Para el agente de marca de Snap, la prueba crítica es la recomendación que apareció en la pantalla del comprador.