El Brand Safety en los chats de IA no será un filtro sino una negociación con la incertidumbre

En la industria publicitaria nos hemos acostumbrado a discutir sobre el Brand Safety como si el problema estuviera razonablemente acotado: un vídeo puede clasificarse, una URL puede analizarse, un artículo puede categorizarse, una palabra clave puede bloquearse y una App puede entrar o salir de una lista. El sistema nunca ha sido perfecto, pero al menos partía de una premisa operativa cómoda: el contenido existía antes de que se sirviera el anuncio.

Pero en los entornos conversacionales de IA, esa premisa deja de funcionar; la llegada de anuncios a los interfaces conversacionales como ChatGPT abre una nueva superficie publicitaria y con ella, una nueva superficie de riesgo para el Brand Safety y el Brand Suitability. En un LLM, la impresión, la intención del usuario y el contexto que rodea al mensaje comercial pueden formarse dentro de una misma ventana conversacional, en tiempo real y con una lógica que no se parece a la de un publisher, una red social o una plataforma de vídeo.

El mercado publicitario tiende a hacer siempre lo mismo cuando aparece un nuevo canal: aplicar las herramientas del canal anterior. Ya se hizo con Social usando métricas de Display, con CTV usando reflejos de vídeo online o lo está haciendo con retail media usando plantillas de search y trade. Ahora corremos el riesgo de hacer lo mismo con la publicidad conversacional: tratarla como otro inventario digital más, con algunos controles semánticos por encima y una etiqueta de “AI-powered” para tranquilizar a quien firma el presupuesto y eso sería un error bastante caro.

En la mayoría de entornos digitales, la decisión de idoneidad se toma contra un contexto relativamente estable. El contenido puede ser revisado antes, durante o después, se puede construir una taxonomía, aplicar exclusiones, comparar dominios, evaluar señales históricas y establecer reglas. En un chat de IA el contexto no está cerrado: se crea a partir del prompt, de la interpretación del modelo, de la información que utiliza y de la evolución de la conversación. Lo podemos llamar la “context window” o esa superficie conversacional entre una pregunta y una respuesta, que puede expandirse a medida que el usuario sigue interactuando. Pero ahí aparece el primer problema serio para marcas y agencias: la suitability deja de ser una clasificación previa y pasa a requerir una evaluación continua porque no basta con saber que el usuario está hablando de viajes, coches o seguros, hay que entender cómo se desarrolla la conversación, qué tono adopta, qué nivel de sensibilidad tiene y si el anuncio queda integrado en un entorno apropiado. La diferencia entre “quiero comprar un seguro de vida” y “me han diagnosticado una enfermedad y necesito saber si puedo contratar un seguro” no es una diferencia de keyword sino de riesgo reputacional.

El segundo cambio es aún más delicado: la respuesta generada tiene apariencia de autoridad; técnicamente, un LLM no “sabe” en el sentido humano del término, pero el usuario no siempre lo percibe así. La interfaz responde con seguridad, ordena la información y entrega una conclusión coherente. Esa forma de presentación produce una autoridad percibida superior a la de muchos entornos pasivos de consumo. Cuando una respuesta de ChatGPT contiene un error o una alucinación, el riesgo para el anunciante no es solo aparecer al lado de contenido problemático, sino hacerlo dentro de la misma interfaz que ha producido esa respuesta.

Esto cambia la naturaleza del daño porque, en una web, una marca puede argumentar que ha aparecido junto a un contenido ajeno, pero en un chat, esa separación puede ser menos evidente para el usuario. Si el sistema recomienda, explica o sintetiza algo erróneo, y al lado aparece una marca, la asociación puede resultar más fuerte no porque el anunciante haya aprobado la respuesta, sino porque la interfaz puede mezclar recomendación, respuesta y oportunidad comercial en un mismo flujo de atención. La percepción pesa mucho y en reputación, la percepción no suele pedir permiso al departamento legal, por eso la publicidad conversacional exigirá señales que hoy no forman parte del toolkit habitual del Brand Safety: la sensibilidad temática será una; salud, finanzas, derecho, seguros, empleo, menores o crisis personales no deberían tratarse igual que entretenimiento o recetas de cocina. La confianza del modelo será otra. Si una plataforma puede estimar que una respuesta tiene menor certeza, que depende de inferencias débiles o que sintetiza información sin fuentes suficientemente claras, el anunciante debería poder decidir no aparecer ahí y la procedencia de la respuesta será una tercera capa crítica. No es lo mismo una respuesta apoyada en fuentes citadas y verificables que una síntesis opaca donde nadie puede reconstruir de dónde salió la afirmación.

La procedencia es probablemente el punto menos resuelto y más importante. En los medios tradicionales, el contenido tiene autoría: en social, al menos hay una cuenta, un creador o una pieza concreta; en search, existe una URL; pero en un LLM, la respuesta es una construcción probabilística a partir de múltiples señales, fuentes y datos. Incluso cuando parte de materiales fiables, la salida final es una interpretación del modelo: la síntesis puede cambiar matices, perder contexto o introducir inexactitudes aunque el material original sea creíble.

Para compradores de medios, esto complica todo pero sobretodo saber dónde ha aparecido mi marca. Antes la respuesta podía ser una URL, un vídeo, una App o un publisher, pero en publicidad conversacional, la respuesta puede ser: apareció dentro de una conversación sobre un tema, alrededor de una respuesta generada, en una ventana contextual que cambió varias veces y cuya fuente exacta no es del todo transparente. Como reporte post campaña, admitamos que tiene menos encanto que una tabla de Excel con dominios y CPMs, pero quizá sea más honesto.

Dicho todo esto, la industria necesitará nuevos controles y una separación clara entre respuesta generada y mensaje pagado, pero también información sobre categorías de conversación donde se sirven los anuncios. Otras cosas importantes pueden ser opciones de exclusión por sensibilidad temática, señales sobre grado de confianza o incertidumbre, políticas específicas para sectores regulados, transparencia sobre cuándo una respuesta cita fuentes y cuándo no y previsiblemente, algún tipo de verificación externa.

El patrón más probable ya no conocemos: primero, habrá un control nativo dentro de los Walled Gardens, después, una apertura selectiva a terceros, más tarde estándares parciales y, finalmente, una capa de medición que todos aceptan a regañadientes porque nadie quiere quedarse fuera. Ya lo hemos visto en Social, CTV y retail media, la diferencia es que aquí la infraestructura de verificación existente no fue diseñada para auditar una conversación generada en tiempo real por lo que no basta con adaptar una lista de categorías, hay que repensar la unidad misma de evaluación.

Para las agencias esto implica trabajo farragoso pero necesario. No bastará con saber si la plataforma ofrece Brand Safety sino qué entiende por contexto, cómo clasifica la sensibilidad, qué transparencia ofrece sobre las respuestas, qué controles existen para los sectores regulados, cómo se separa el anuncio de la respuesta, qué ocurre cuando una respuesta es corregida o retirada, qué datos recibe el anunciante y qué puede auditar un tercero. Pueden parecer preguntas aburridas, pero son las típicas preguntas que evitan incendios.

Para las marcas, el reto será decidir cual es su tolerancia al riesgo antes de entrar, pero no todas las categorías deberían comportarse igual. Una marca de snacks puede aceptar más experimentación que una entidad financiera o una farmacéutica. Una telco puede querer capturar intención en consultas de producto, pero quizá evitar conversaciones de vulnerabilidad económica. Una aseguradora puede estar interesada en momentos de consideración, pero no necesariamente en aparecer junto a una respuesta incierta sobre salud o legislación. La publicidad conversacional no será solo un canal nuevo, será un ejercicio de gobierno de riesgo.

Y para los publishers hay una derivada evidente: si las respuestas de los LLM's se convierten en nuevas superficies publicitarias, parte del valor que antes se monetizaba en páginas, vídeos o resultados de búsqueda puede desplazarse hacia interfaces que sintetizan contenido ajeno y sin duda, todo esto tensionará de nuevo la cadena de valor.

La publicidad en chats de IA llega con promesas conocidas: intención, personalización, eficiencia, contexto, automatización. Algunas de estas promesas serán reales, otras vendrán adornadas con el entusiasmo habitual de la primera fase comercial de cualquier nueva superficie. Pero lo importante será no confundir novedad con madurez porque en un entorno donde la respuesta se genera mientras el usuario mira, el Brand Sfety ya no consiste en evitar el barrio equivocado, consiste en saber si quieres sentarte en una mesa donde nadie puede garantizar del todo qué se va a decir en los próximos diez segundos.

Puntos clave:

• La publicidad en chats de IA introduce un contexto dinámico que no puede evaluarse como una página, un vídeo o un post en social.

• El mayor riesgo no es solo la adyacencia, sino la posible asociación de una marca con una respuesta errónea, sensible o generada sin procedencia clara.

• Las marcas necesitarán nuevos criterios de Brand Suitability: sensibilidad temática, confianza del modelo, procedencia de la respuesta, separación entre contenido y anuncio, y verificación independiente.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.