Qué es el query fan-out: cómo la IA parte tu pregunta

Fan-out es «abrirse en abanico», y eso es literalmente lo que pasa: entra una pregunta, salen cuatro o cinco búsquedas.

Es de las piezas menos conocidas del funcionamiento de un motor generativo y de las que más cambian cómo conviene trabajar, porque desmonta una suposición que casi todo el mundo arrastra sin darse cuenta: que el sistema busca lo que el usuario escribió.

Por qué el motor hace esto

Conviene entender el motivo antes que el mecanismo, porque explica por qué no va a dejar de hacerlo.

Cuando alguien le habla a un buscador escribe como quien le habla a una máquina: tres palabras sueltas, sin verbos. Cuando le habla a un motor generativo escribe como quien le habla a una persona: una pregunta larga, con contexto, condiciones y a veces dos preguntas encadenadas en una.

Esa segunda forma es un desastre como consulta de búsqueda. Buscar literalmente «¿qué herramienta me conviene para medir si ChatGPT menciona mi marca?» devuelve poco y malo, porque casi ninguna página está escrita con esas palabras exactas.

Así que el sistema hace de traductor. Interpreta qué está pidiendo la persona, lo parte en las búsquedas que esa persona haría si supiera buscar, y ejecuta todas.

Qué pasa exactamente

Alguien escribe una pregunta en lenguaje natural, larga y ambigua. Un buscador tradicional la tomaría casi tal cual. Un motor generativo primero la interpreta y la parte.

Una pregunta como «¿qué herramienta me conviene para medir si ChatGPT menciona mi marca?» puede convertirse en algo cercano a esto:

Fijate que ninguna de las cuatro es la pregunta original, y que las cuatro se parecen bastante a búsquedas de toda la vida.

Cada una recupera su propio conjunto de resultados. Después el modelo junta todo y redacta una respuesta.

Las 3 consecuencias del query fan-out para tu contenido

1. Cubrir el tema le gana a cubrir la keyword. Una página que responde solo la pregunta principal entra en una subconsulta. Es el argumento a favor de los topic clusters. Una que además compara opciones, explica el criterio y menciona precios entra en cuatro. Aparece cuatro veces ante el modelo, y eso pesa.

2. Se explica que citen páginas que no estaban primeras. Si una página está séptima para la consulta obvia pero primera para una subconsulta que el usuario nunca escribió, entra igual. Es el origen de la sorpresa más común al mirar citas.

3. Las páginas largas y bien seccionadas rinden distinto. No por largas, sino porque cada sección puede responder una subconsulta diferente. Un artículo con seis encabezados que responden seis preguntas relacionadas tiene seis puertas de entrada.

Cómo escribir para las subconsultas sin adivinar cuáles son

No hay manera de ver las subconsultas que ejecuta el motor. Lo que sí se puede hacer es aproximarlas:

1. Escribí la pregunta real que haría alguien de tu público, en sus palabras.
2. Anotá las cuatro o cinco búsquedas que esa persona haría a mano para resolverla sola: la definición, la comparación, el precio, el «cómo se hace», el problema típico.
3. Fijate si tu página cubre las cinco. Si cubre una, estás compitiendo en un quinto del terreno.
4. Dale a cada una su propio encabezado, con la respuesta arriba. Un bloque que responde una subconsulta completa vale más que tres párrafos que la rodean.

Google describió el funcionamiento general de AI Mode al presentarlo en su anuncio de Google I/O 2025, sin entrar en el detalle del reparto.

Qué no se sabe del query fan-out

Cuántas subconsultas lanza cada motor, cómo las pondera y cómo desempata entre documentos recuperados por subconsultas distintas no está documentado y varía entre sistemas. Lo que sí es consistente es que la descomposición existe. Trabajar asumiéndola rinde; trabajar asumiendo que el motor busca literalmente lo que el usuario escribió, no.