El IAB reasigna las ventas de la IA: por qué las recomendaciones de ChatGPT desaparecen del seguimiento

El Interactive Advertising Bureau presentó el 12 de noviembre 2026 un nuevo marco estándar que pretende hacer visibles las recomendaciones de la IA a lo largo del proceso de compra. El AI-Era Attribution Blueprint distingue si las personas compran por su cuenta, si la IA apoya la decisión o si un agente ejecuta la compra. La pregunta central para los equipos de marketing: ¿a quién se atribuye una venta cuando el primer contacto decisivo se produce en una respuesta de IA y no en una web?

El reporte de último clic suele ver solo el último resultado de búsqueda en Google, el acceso directo o la sesión en la tienda. Sin embargo, un cliente pudo haberse informado sobre el producto días antes en ChatGPT, Gemini o un agente de compras.

Tres caminos de compra en lugar de una sola cifra de conversión

La asociación del sector define tres categorías:

• Human-Owned: una persona genera la intención de compra, decide y realiza la compra por sí misma.
• AI-Assisted: un sistema de IA ayuda en la investigación, la selección o la recomendación; la decisión sigue siendo esencialmente humana.
• AI-Executed: un agente se encarga de la compra final o de la transacción en nombre del usuario.

Para cada proceso debe documentarse quién originó la intención, tomó la decisión y ejecutó la transacción. Después, una plataforma, un editor u otro participante puede reclamar una contribución a la venta, pero sobre la base de pruebas verificables. Una simple afirmación todavía no es una atribución reconocida.

Así, el nuevo blueprint se apoya en el marco anterior del IAB para la visibilidad en IA: mientras allí se trataba de menciones y fuentes en respuestas de IA, ahora interesa la conexión con el resultado de negocio. Las diferencias entre mención de marca, citación y referencia ya las explicamos en la medición de visibilidad en IA.

Por qué muchas recomendaciones de IA aparecen como búsqueda o directo

Lo grande que puede ser la brecha lo ilustran los datos de Similarweb que el IAB cita en su estudio. Los usuarios a los que un asistente de IA había recomendado una marca visitaron su web en los siete días siguientes 2,5 veces más a menudo que otros usuarios del grupo de comparación analizado. De esas visitas, sin embargo, solo el 8,8 por ciento se registró como referencia directa de IA. El 55,9 por ciento llegó por búsqueda y el 19,9 por ciento por acceso directo.

Un panel de analítica clásico podría, en recorridos así, señalar la búsqueda o el acceso directo como el contacto más importante, aunque la marca ya hubiera entrado en el conjunto relevante durante una conversación con IA. Precisamente esa atribución errónea influye en hacia dónde fluye el presupuesto.

También la práctica de medición propia muestra presión de adaptación: según el IAB Outlook Study 2026, actualización de septiembre, el 45 por ciento de los compradores de publicidad encuestados señala la comparación entre recorridos impulsados por IA y recorridos tradicionales como el principal reto de medición; el 44 por ciento recurre a la búsqueda de marca o al tráfico directo como aproximaciones de la influencia de la IA.

Los editores tienen una nueva cuestión de atribución

El papel de los contenidos periodísticos resulta especialmente interesante. Un usuario recibe de un asistente la recomendación de un producto cuya respuesta se basa en una prueba publicada, y luego compra en la tienda. Esa prueba pudo haber contribuido a la decisión sin haber recibido nunca un clic registrado.

Por eso el IAB distingue entre las reclamaciones sobre el contacto decisivo y las de una contribución colaboradora. Los editores deben poder demostrar que sus contenidos fueron utilizados y, cuando esté disponible, que están relacionados con una conversión posterior. La recomendación del IAB para las plataformas es: distinguir entre recomendaciones pagadas y orgánicas, revelar las fuentes y etiquetar de forma coherente el tráfico generado por IA.

Esto conecta con el debate sobre Google AI Overviews y la falta de datos de clics para los editores. Al mismo tiempo, las nuevas ChatGPT Business Analytics encajan con las menciones de marca y los clics como primera parte de una pila de medición más amplia en el futuro.

Qué pueden incluir ya los especialistas de marketing en sus informes

En lugar de cambiar de inmediato la ponderación de Search, Social y Direct, los equipos pueden complementar los datos de forma sistemática: recomendación de IA, cita visible de la fuente, referencia desde IA, búsqueda de marca y conversión posterior deberían registrarse por separado. Como complemento, resultan útiles las encuestas tras el primer descubrimiento del producto y las pruebas de incremento controladas.

Además, los agentes de IA están modificando la distinción entre las visitas humanas y las acciones automatizadas. El nuevo blueprint del IAB ofrece un vocabulario común para ello; ahora las plataformas, las tiendas y los editores deben hacer accesibles de forma conjunta los justificantes reales de las transacciones.

Fuentes - IAB: Comunicado oficial sobre el AI-Era Attribution Blueprint, 12. noviembre 2026 - IAB: AI-Era Attribution Blueprint – marco y categorías - Digiday: El nuevo modelo de atribución del IAB y las lagunas de datos - MediaPost: Antecedentes del marco de atribución del IAB