# Estimación de los ingresos publicitarios de OpenAI: lo que los analistas deducen de las señales publicitarias recopiladas # Estimación de los ingresos publicitarios de OpenAI: lo que los analistas deducen de las señales publicitarias extraídas Según se ha informado, OpenAI ha comunicado a sus socios que pretende que los ingresos publicitarios de ChatGPT alcancen aproximadamente 2.5B en 2026, con una previsión de crecimiento hasta los 100B para 2030 ([Axios](https://www.axios.com/2026/02/09/chatgpt-ads-testing-go-free), 2026). Se trata de proyecciones comunicadas, no de resultados auditados. Entonces, ¿cómo las verifican los analistas? Toman muestras de la superficie publicitaria en tiempo real, cuentan lo que aparece y calculan retrospectivamente una estimación de los ingresos publicitarios de OpenAI a partir de señales observables. Este artículo repasa qué señales son relevantes, construye un modelo claramente ilustrativo y muestra en qué puntos dicho modelo se vuelve poco fiable. No se utilizan datos privilegiados, solo lo que cualquiera que ejecute suficientes consultas puede ver. > **Puntos clave** > - Los objetivos publicitarios comunicados por OpenAI pasan de aproximadamente 2.5B dólares (2026) a 25B dólares (2028) y a 100B dólares (2030) ([Axios](https://www.axios.com/2026/02/09/chatgpt-ads-testing-go-free), 2026). Considérense estas tres cifras como proyecciones. > - Los anunciantes solo obtienen datos agregados de visualizaciones y clics, sin que exista un directorio público de anuncios ([Euronews](https://www.euronews.com/next/2026/02/10/chatgpt-will-now-show-you-adverts-heres-everything-you-need-to-know), 2026), por lo que los modelos externos se basan en muestreos repetidos en tiempo real. > - Los CPC comunicados oscilan entre los 2,50 y los 8,00 dólares, por encima de los 1 a 3 dólares de la Búsqueda de Google ([Maciej Turek](https://maciejturek.com/resources/chatgpt-ads-2026.html), 2026). > - La fiabilidad de una estimación de ingresos depende de la calidad de su muestreo: las zonas geográficas limitadas y los conjuntos reducidos de indicaciones sesgan las lecturas de la tasa de llenado. > - Todas las cifras que figuran a continuación son proyecciones comunicadas o ilustraciones etiquetadas, nunca datos medidos. [un flujo de trabajo completo de seguimiento publicitario de ChatGPT](https://www.joinmassive.com/blog/how-to-monitor-chatgpt-ads) ## ¿Qué mide realmente una estimación de ingresos publicitarios de OpenAI? Una estimación de ingresos publicitarios de OpenAI es un modelo, no una revelación de datos. OpenAI comenzó a probar anuncios en las versiones ChatGPT Free y Go en EE. UU. el 9 de febrero de 2026, manteniendo las versiones Pro, Business y Enterprise sin publicidad ([TechCrunch](https://techcrunch.com/2026/02/09/chatgpt-rolls-out-ads/), 2026). Dado que la empresa no publica los ingresos por publicidad, los analistas los calculan a partir de la capa patrocinada visible: la frecuencia con la que aparecen los anuncios, quién los compra y cuál es el coste probable de cada clic. Este enfoque refleja la forma en que los equipos de datos alternativos llevan mucho tiempo abordando las plataformas privadas. Al no poder acceder a los libros de cuentas, se mide la fachada de la tienda. Según nuestra experiencia al analizar estos métodos, la diferencia entre una estimación creíble y una simple conjetura radica en la amplitud de la muestra y la honestidad respecto a los supuestos. Un modelo que admite que su CPC es un rango, y no un valor exacto, resiste mucho mejor el paso del tiempo que uno que cite una única cifra con total seguridad. La huella de la implantación también es importante. Los anuncios se han expandido más allá de EE. UU. a el Reino Unido, Japón, Corea del Sur, Canadá, Australia y Nueva Zelanda, y está prevista su implantación en México y Brasil ([Euronews](https://www.euronews.com/next/2026/02/10/chatgpt-will-now-show-you-adverts-heres-everything-you-need-to-know), 2026). Cada nuevo mercado modifica el denominador. Si no se tiene en cuenta el ritmo de expansión geográfica, las cifras de ingresos se desvían. [herramientas que automatizan esta recopilación de señales](https://www.joinmassive.com/blog/chatgpt-ad-intelligence-tools) ## ¿Qué señales se pueden observar realmente? Seis señales tienen mayor peso, y todas son de carácter superficial. Por cada solicitud, puede registrar qué anunciantes aparecen, sus URL finales y la cuota de impresiones, calculada como el número de apariciones dividido por el total de ejecuciones ([Search Engine Land](https://searchengineland.com/what-chatgpt-ads-data-reveals-about-your-competitors-479301), 2026). Al acumular miles de ejecuciones, surgen patrones: tasa de ocupación, densidad publicitaria, combinación de anunciantes, concentración sectorial, cobertura geográfica y rangos aproximados de CPC. [IMAGEN: Cuadrícula estilizada de respuestas del chat de ChatGPT, algunas con una pequeña tarjeta de imagen patrocinada de 256x256, otras sin ella; términos de búsqueda: «cuadrícula de resultados de búsqueda, ubicación patrocinada, resumen»] La tasa de ocupación es la proporción de consultas aptas para publicidad que realmente devuelven una tarjeta patrocinada. La densidad publicitaria es el número de anuncios que aparecen por respuesta o sesión. La combinación de anunciantes y la concentración sectorial indican si el gasto se concentra, por ejemplo, en los sectores de viajes y software, o si se distribuye de forma más amplia. La creatividad en sí misma está limitada: una imagen de 256x256 en formato 1:1, un titular de 30 caracteres y un cuerpo de 60 caracteres ([Maciej Turek](https://maciejturek.com/resources/chatgpt-ads-2026.html), 2026). Esa uniformidad facilita la detección y clasificación de los anuncios a gran escala. ### Por qué la cuota de impresiones es la métrica de referencia La cuota de impresiones es la señal más clara, ya que no requiere acceso a información privilegiada. Ejecute la misma consulta de intención comercial 1.000 veces y cuente cuántas veces aparece el anunciante X. Search Engine Land documenta este método de «apariciones sobre impresiones» como el indicador competitivo fundamental ([Search Engine Land](https://searchengineland.com/what-chatgpt-ads-data-reveals-about-your-competitors-479301), 2026). Aunque no le proporciona cifras directas en dólares, clasifica a los anunciantes y alimenta el dato de la tasa de llenado del que depende su modelo de ingresos. [proteger su propia marca dentro de estos resultados](https://www.joinmassive.com/blog/brand-protection-chatgpt-ads) ## ¿Cómo se convierten las señales en una estimación de ingresos? Se encadenan cuatro datos observables: consultas aptas para publicidad, tasa de llenado, clics por impresión y CPC. A continuación se presenta un modelo deliberadamente sencillo y ilustrativo. Ninguna de estas cifras procede de OpenAI; son valores de referencia elegidos para mostrar el cálculo, fijados de forma aproximada para que el resultado se sitúe cerca del objetivo declarado para 2026. Ejemplo ilustrativo diario: - Solicitudes aptas para publicidad en los mercados publicitarios activos: 500 000 000 (a título ilustrativo) - Tasa de llenado (porcentaje observado de solicitudes que devuelven un anuncio): 20 % -> 100 000 000 de impresiones publicitarias - Tasa de clics: 2 % → 2 000 000 de clics - CPC (valor medio del rango comunicado de 2,50 a 8,00 dólares): 4,00 dólares → 8 000 000 de dólares al día Anualizado, eso supone aproximadamente 2.9B $, lo que se sitúa en torno a la cifra de 2.5B $ para 2026 que se ha publicado ([Axios](https://www.axios.com/2026/02/09/chatgpt-ads-testing-go-free), 2026). La cuestión no es que estos datos sean correctos. La cuestión es que pequeñas variaciones alteran considerablemente el resultado, y precisamente por eso el análisis de sensibilidad es más importante que la cifra principal. ### Realización del análisis de sensibilidad Cambie un dato de entrada cada vez y observe cómo varía el resultado. Si reduce el CPC hasta el mínimo publicado de 2,50 dólares, el mismo volumen diario genera 5 millones de dólares al día, lo que supone unos 1.8B anualizados. Si lo eleva hasta el máximo de 8,00 dólares, se alcanzan los 16 millones de dólares al día, cerca de los 5,8B. La tasa de cumplimiento se comporta de la misma manera: si la reduce a la mitad, hasta el 10 %, los ingresos se reducen a la mitad con ella. Una estimación seria de los ingresos publicitarios de OpenAI publica este rango, y no una cifra única, porque los datos de entrada son bandas medidas con margen de error. Esta es la parte que la mayoría de los análisis omiten. El CPC y la tasa de ocupación no son independientes. Si OpenAI aumenta la tasa de ocupación para alcanzar el pronunciado crecimiento comunicado, la calidad media de la publicidad tiende a disminuir, lo que suele hacer bajar el CPC, ya que los anunciantes con pujas más bajas ocupan el inventario. Por lo tanto, el escenario optimista (alta tasa de ocupación y alto CPC al mismo tiempo) presenta una tensión interna. Los analistas que multiplican entre sí los datos más optimistas dan por sentada en silencio esa tensión, y ahí es donde suele esconderse una estimación inflada. ## ¿Qué implican las previsiones de ingresos publicadas? El crecimiento publicado es pronunciado, y esa pronunciada curva lo explica todo en cuanto a la migración del gasto publicitario hacia la IA. Según se informa, los objetivos de OpenAI pasan de 2.5B dólares en 2026 a 25B dólares en 2028 y a 100B dólares para 2030 ([Axios](https://www.axios.com/2026/02/09/chatgpt-ads-testing-go-free), 2026). Alcanzar la cima de esa curva requeriría desviar una parte significativa del presupuesto de los motores de búsqueda y las redes sociales tradicionales, ya que el gasto total en publicidad digital no se multiplica por 40 por sí solo.
Aumento de los ingresos publicitarios de ChatGPT según los datos comunicados Previsiones comunicadas, no resultados medidos 2.5 mil millones de dólares 2026 25 000 millones de dólares 2028 100 mil millones de dólares 2030
Fuente: previsiones publicadas por Axios (2026). Las alturas de las barras son ilustrativas; las cifras son objetivos, no ingresos auditados.
Por eso las señales extraídas son importantes para los inversores, mucho más allá de OpenAI. El seguimiento mensual de la tasa de cumplimiento y la composición de los anunciantes permite determinar si la migración es real o meramente aspiracional. Si la concentración del sector se amplía y la tasa de ocupación aumenta de forma constante, la tendencia gana credibilidad. Si la capa de contenido patrocinado sigue siendo escasa, la brecha entre el gráfico y la realidad se amplía. ## ¿En qué punto falla el modelo? El modelo falla siempre que una suposición esconde una conjetura. El punto de fallo más evidente es el muestreo. Los anunciantes solo reciben datos agregados de visualizaciones y clics, sin datos de los usuarios, y no existe un directorio público de anuncios ([Search Engine Journal](https://www.searchenginejournal.com/see-competitor-ads-chatgpt-trendos-spa/575883/), 2026). Por lo tanto, la tasa de llenado y la composición de los anunciantes solo existen en la medida en que alcance su muestra de consultas. Si se toma una muestra de una ciudad, se modela una ciudad, no un país. [GRÁFICO: línea de múltiples pequeños —tasa de llenado a lo largo del tiempo para tres zonas geográficas de muestra que muestran divergencia— fuente: ilustrativo] Hay otras tres fisuras que merecen ser señaladas. En primer lugar, el CTR es en gran medida inobservable desde el exterior, por lo que cualquier cifra de clics es una suposición basada en otra suposición. En segundo lugar, el sesgo de selección de las consultas se cuela rápidamente: las consultas comerciales devuelven más anuncios que las informativas, por lo que su combinación de consultas determina su tasa de ocupación antes incluso de que mida nada. En tercer lugar, la superficie cambia durante un despliegue, lo que significa que la cobertura geográfica del mes pasado puede estar ya desactualizada. Nada de esto hace que el ejercicio carezca de sentido. Simplemente hace que la humildad sea imprescindible. [la red de recopilación que sustenta el muestreo representativo](https://www.joinmassive.com/blog/residential-vs-datacenter-proxies-ai-ads) ## ¿Cómo garantizan los analistas la fiabilidad de la muestra? El muestreo representativo marca la diferencia entre una estimación defendible de los ingresos publicitarios de OpenAI y el ruido. Dado que los anuncios se lanzan por países y se mantienen específicos para cada región ([Euronews](https://www.euronews.com/next/2026/02/10/chatgpt-will-now-show-you-adverts-heres-everything-you-need-to-know), 2026), un analista que realice una consulta desde una ubicación concreta solo ve una parte del conjunto. Para interpretar la tasa de ocupación y la composición de los anunciantes en los distintos mercados, el muestreo debe proceder de los propios mercados, con volúmenes realistas. Esta es la función práctica que desempeña la Web Render API de Massive para los equipos que realizan este trabajo. Su punto final `/ai` devuelve las respuestas completadas por ChatGPT, incluido el contexto de la capa patrocinada, a través de orígenes de dispositivos de usuarios reales seleccionables por país, subdivisión o ciudad, en modos síncrono o asíncrono. La red abarca más de un millón de dispositivos residenciales verificados en más de 195 países y cuenta con un origen ético, cumpliendo con las normas SOC 2, el RGPD y AppEsteem. Una recopilación amplia y geográficamente representativa es lo que permite que las lecturas de la tasa de llenado y la composición de anunciantes sean fiables en todos los mercados en los que se publican realmente los anuncios de ChatGPT. ## Preguntas frecuentes ### ¿Se basa la estimación de ingresos publicitarios de OpenAI en datos reales de OpenAI? No. Todas las estimaciones externas se basan en la superficie publicitaria visible, ya que los anunciantes solo ven las visualizaciones y los clics agregados y no existe un directorio público de anuncios ([Euronews](https://www.euronews.com/next/2026/02/10/chatgpt-will-now-show-you-adverts-heres-everything-you-need-to-know), 2026). Los objetivos de ingresos comunicados, como los 2.5B dólares para 2026, proceden de la prensa, no de datos auditados, y deben interpretarse como proyecciones. ### ¿Qué grado de precisión tienen estos modelos de ingresos extraídos? La precisión depende casi por completo de la amplitud del muestreo y de la veracidad de las hipótesis. El modelo de cuatro variables (solicitudes válidas, tasa de ocupación, CTR y CPC) acumula errores rápidamente, ya que el CTR es en gran medida inobservable y el CPC se sitúa en un amplio rango declarado de entre 2,50 y 8,00 dólares ([Maciej Turek](https://maciejturek.com/resources/chatgpt-ads-2026.html), 2026). Considere los resultados como rangos, nunca como cifras concretas. ### ¿Cuál es la señal más fiable que se puede seguir? La cuota de impresiones, medida como el número de apariciones del anunciante dividido por el total de ejecuciones de las indicaciones, es la más fiable porque no requiere acceso a información privilegiada ([Search Engine Land](https://searchengineland.com/what-chatgpt-ads-data-reveals-about-your-competitors-479301), 2026). Si se ejecuta miles de veces una indicación fija con intención comercial, la clasificación que genera se incorpora directamente a la tasa de llenado de cualquier modelo de ingresos. ### ¿Por qué los CPC en ChatGPT son más elevados que en la Búsqueda de Google? Los CPC de ChatGPT comunicados, que oscilan aproximadamente entre 2,50 y 8,00 dólares, se sitúan por encima de los 1 a 3 dólares de la Búsqueda de Google, lo que refleja en parte la escasez inicial y la elevada intención comercial a primera vista ([Maciej Turek](https://maciejturek.com/resources/chatgpt-ads-2026.html), 2026). Se trata de cifras comunicadas procedentes de una subasta aún incipiente, por lo que los analistas deben esperar que varíen a medida que crezcan el inventario y la competencia. ### ¿Puede este enfoque rastrear la migración del gasto publicitario desde los motores de búsqueda y las redes sociales? En parte. Observar cómo aumentan con el tiempo la tasa de ocupación, la composición de los anunciantes y la concentración sectorial es un indicador de si el presupuesto se está desplazando hacia las plataformas de IA. No puede demostrar que el dinero haya abandonado Google o Meta. Solo puede mostrar que el lado de la IA se está llenando, lo que, comparado con el objetivo declarado de 100 000 millones de dólares para 2030 ([Axios](https://www.axios.com/2026/02/09/chatgpt-ads-testing-go-free), 2026), pone de manifiesto lo agresiva que tendría que ser esa migración. ## La conclusión sincera Un modelo basado en datos recopilados nunca coincidirá con los libros contables internos de OpenAI, y tampoco debería pretenderlo. Lo que ofrece es una lectura transparente y repetible de un ámbito que, de otro modo, resultaría opaco: quién se anuncia, con qué frecuencia se llenan los espacios publicitarios y cuál es, aproximadamente, el coste por clic. Si se elabora con cuidado, expresando el CPC y la tasa de ocupación en intervalos y distribuyendo el muestreo entre los mercados en los que los anuncios se publican realmente, una estimación de los ingresos publicitarios de OpenAI se convierte en una verificación útil del aumento declarado de entre 2.5B y 100B dólares, en lugar de ser un mero eco del mismo. Las cifras aquí presentadas son ilustrativas o proyecciones comunicadas en todo momento. Lo importante es el método, no la cifra. Mantenga un muestreo amplio, haga visibles las hipótesis y revíselas a medida que avanza el despliegue. [Desarrolle el sistema de seguimiento completo](https://www.joinmassive.com/blog/how-to-monitor-chatgpt-ads)