原文標題：How we built ChatGPT’s novel ad stack for user trust and relevance
OpenAI 於 10 月 21 日公開 ChatGPT 廣告投放系統的技術設計。不同於傳統搜尋廣告主要依單次查詢決定候選，對話式使用者意圖會隨多輪互動逐步改變，因此工程團隊建立具狀態的廣告工作階段，追蹤符合資格的互動過程。
系統核心是經過特別後訓練的模型協調器，會根據對話脈絡選擇工具，依序產生檢索查詢、搜尋候選廣告、排除不符資格項目、評估相關性與品質，最後執行競價與展示前檢查。官方說明，協調器不應把使用者假設性提問或舊話題直接視為當前購買意圖。
OpenAI 特別把廣告選擇與 ChatGPT 回答生成設計成不同服務，使用不同模型與程式碼。廣告流程在旁路運作，不影響一般回答內容；即使廣告服務延遲或故障，回答仍可繼續產生。系統也允許「不顯示廣告」作為正常結果，而非強迫每次對話都放置廣告。
這篇工程文章說明了技術邊界與系統目標，但不等於外部已完成獨立稽核，也未提供足以推算每位使用者廣告曝光率的資料。企業與研究者應將架構說明和實際產品行為分開評估。
OpenAI 技術文章將廣告架構分為獨立於 ChatGPT 正文產生流程的廣告服務。對話在多個回合中逐步形成意圖，因此廣告系統以有狀態的 session 保留符合使用者設定的上下文，而不是把每句訊息視為互不相干的搜尋請求。廣告服務與一般回答使用不同的程式碼、模型及服務邊界；廣告服務逾時或故障時，正常回答仍可繼續產生。
核心 orchestrator 是經後訓練的 LLM，以工具呼叫方式安排廣告檢索、篩選、評分、競價及交付。首先將多輪對話中可能的商業意圖轉為一個或多個檢索查詢，再形成語意嵌入向量，向多種近似最近鄰索引取得候選廣告；不同索引可針對產品 feed、搜尋意圖與其他廣告型態分別最佳化。
初步候選須經資格檢查，包括活動與素材是否仍有效、地區與受眾設定、廣告政策、預算與投放節奏、可用版位、以及同一廣告主或活動的去重。通過後再評估語意相關性、預測互動、歷史轉換與安全品質，只有達到門檻的廣告才會進入競價。LLM 負責挑選可參與競價的候選，但不自行設定最終價格；競價工具會綜合出價、品質調整、投放節奏與定價機制。
競價選出候選廣告不代表使用者一定看到廣告。系統仍檢查廣告是否適合當下對話，若可能干擾敏感或不適合商業推廣的內容，就可不顯示。另一個關鍵限制是時序：若廣告素材與說明未能在 ChatGPT 正文完成前送達，系統不會為等待廣告而延遲回答。廣告前言由模型生成，與廣告主提供的標題、說明、目的連結及行動按鈕分離，並以贊助內容標示。
廣告系統分別記錄未符合資格、未發出檢索、檢索無候選、資格審核失敗、成功交付與後續互動等狀態，以辨識機會判斷、檢索品質、競價與前端展示各階段的問題。模型評估及使用者點擊、隱藏、問卷、廣告主回饋共同影響後續訓練與調整，資料使用仍受隱私控制及個人化設定限制。
官方並稱 ChatGPT 廣告在推出不到 200 天後，年化營收運行率已達 10 億美元，累計有逾十萬名廣告主使用。這是公司當時的年化運行率，不等於已認列全年營收。OpenAI 表示未來可能探索讓使用者直接透過廣告與商家互動的動態形式，但未在該技術文章承諾所有市場的開放日期或具體定價。
發生了什麼事
OpenAI 說明 ChatGPT 廣告系統如何透過模型協調器與多階段工具流程完成選擇、排名及競價。
為什麼重要
對話式廣告必須處理跨回合意圖與回答獨立性，系統隔離是可靠性與使用者信任的關鍵設計。
影響哪些人
廣告技術開發者、AI 產品架構師、隱私研究者與企業廣告主可據此理解系統運作方式。
已確認與未確認
已確認架構與服務隔離的官方說法；文章未提供第三方稽核結論或個別使用者廣告顯示比例。