Hay un cambio en cómo funciona la búsqueda que, si haces SEO, te afecta directamente y mucha gente todavía no ha interiorizado. Cuando alguien le hace una pregunta a AI Mode, a ChatGPT o a Perplexity, esos sistemas no buscan la frase que el usuario escribió. La descomponen en varias preguntas más pequeñas, buscan cada una por separado, recuperan trozos de páginas distintas y cosen una respuesta única. Eso es el query fan-out, y le da la vuelta a cómo se gana visibilidad.
Este artículo desarrolla a fondo una de las fases del proceso de keyword research moderno. Si quieres el proceso completo, está en la guía completa de keyword research en 2026 →.
Qué es exactamente el fan-out
Imagina que alguien pregunta: "qué tengo que mirar al elegir una gestoría para una pyme que lleva fiscalidad personal y de sociedad". Un buscador clásico intentaría casar esa frase con páginas. Un sistema de IA hace otra cosa: la rompe en sub-preguntas del tipo "qué servicios incluye una gestoría para sociedades", "diferencia entre fiscalidad personal y de sociedad", "cuánto cuesta una gestoría para pymes", "cómo elegir gestoría", y unas cuantas más. Lanza todas a la vez, recupera pasajes de fuentes diferentes para cada una, y sintetiza.
En queries complejas se han medido del orden de 8 a 12 sub-queries por pregunta. AI Mode es el que más agresivamente descompone; ChatGPT tiende a ser más quirúrgico, con menos sub-queries pero más afinadas.
Por qué esto cambia tu trabajo
La consecuencia es la que importa, y tiene dos caras.
La buena: tu contenido puede ser citado por responder bien a una de esas sub-preguntas aunque no posiciones para la query principal. Se abre una puerta que antes no existía.
La incómoda: puedes ser el número uno orgánico de toda la vida para tu keyword y no aparecer en la respuesta que la IA le da al usuario. De hecho, varios estudios apuntan a que una mayoría de las páginas citadas en respuestas generadas no están en el top 10 orgánico de esa misma query. Posicionar y ser citado han dejado de ser lo mismo.
Dicho de otra forma: si tu competidor tiene contenido que cubre las doce sub-preguntas y tú solo cubres la principal, en una respuesta generada él aparece varias veces y tú, ninguna. La visibilidad se multiplica por cobertura, no por ranking.
Cómo simular el fan-out de tus queries
No hace falta adivinar qué sub-preguntas dispara cada query. Se pueden ver.
Gemini con grounding activado es la forma más directa de mirar dentro: como Gemini es el motor de los AI Overviews y de AI Mode, expone las fan-out queries que usa para responder. Si tienes que elegir una herramienta, esta.
Otterly.AI tiene un análisis de fan-out gratuito que simula cómo AI Mode expande una query. Bien para empezar sin coste.
Locomotive va un paso más allá: genera las fan-out queries, trocea tu contenido en secciones y evalúa con análisis semántico qué sub-queries cubres y cuáles te faltan. Es el que más se acerca a un diagnóstico accionable.
Pero la parte que de verdad rinde: cruza esto con tus datos. Parte de las queries que ya te traen impresiones en Search Console y, para cada una, genera sus 8-12 sub-preguntas probables. Ese conjunto es tu verdadero keyword set de cara a la IA, aunque muchas de esas sub-preguntas no aparezcan en ninguna herramienta de volumen. Ahí está la oportunidad que tu competencia, si solo mira volumen, no ve.
Cómo cubrir el fan-out en tu contenido
Saber qué sub-preguntas hay es media batalla. La otra media es escribir para que la IA pueda recuperarte. Y la IA no recupera páginas: recupera pasajes. Eso condiciona cómo escribes:
- Encabezados en formato pregunta que respondan a las sub-queries detectadas. Si la sub-pregunta es "cuánto cuesta una gestoría para pymes", que haya una sección que se titule más o menos así.
- Pasajes autocontenidos de dos a cuatro frases: cada párrafo responde una cosa concreta y se entiende solo, sin necesitar el de arriba. Es lo que el sistema extrae.
- La respuesta directa primero, el desarrollo después. Nada de tres párrafos de calentamiento antes de contestar.
- Cobertura amplia del tema en arquitectura pillar/satélite: la IA premia que cubras todas las preguntas alrededor de un tema, no que tengas una página enorme. A veces conviene partir un mega-artículo en piezas focalizadas. Esto lo desarrollo en el artículo sobre clusters y arquitectura →.
En resumen
El query fan-out convierte cada búsqueda en un puñado de preguntas paralelas, y tu visibilidad depende de cuántas de ellas cubres bien, no de para cuántas posicionas. El trabajo nuevo consiste en descubrir esas sub-preguntas —con Gemini grounding, Otterly o Locomotive, cruzado con Search Console— y escribir en pasajes que la IA pueda recuperar uno a uno.
Es, junto con la distinción entre clic y citación, lo que separa un keyword research que sigue mirando a 2020 de uno que mira a cómo se busca ahora.
Si quieres que mire el fan-out de las queries que de verdad importan para tu negocio, es justo el tipo de diagnóstico con el que arranco un trabajo de SEO y GEO.