¿Qué es el query fan-out en la búsqueda con IA?

Fan-out es una palabra de ingeniería: una entrada que se reparte en muchas salidas. En la búsqueda con IA, la entrada es tu pregunta y las salidas son las búsquedas que el sistema lanza por su cuenta para responderla. Google España lo traduce como técnica de descomposición de consultas.⁠^{[1]Google, blog de Google España (8 de octubre de 2025). La Búsqueda de Google: el Modo IA llega a España} Para una tienda, la consecuencia es concreta: tu ficha de producto puede acabar citada en una respuesta a una pregunta que no contesta entera, porque contesta bien una de sus partes, y puede quedarse fuera aunque posicione para la pregunta original.

Cómo funciona

Google lo define en su guía para las funciones de IA generativa: un conjunto de consultas simultáneas y relacionadas que genera el modelo para pedir más información y traer más resultados con los que responder a la pregunta de la persona. Y pone un ejemplo: ante «cómo arreglar un césped lleno de malas hierbas», las consultas de fan-out pueden ser «mejores herbicidas para césped», «quitar malas hierbas sin productos químicos» y «cómo evitar las malas hierbas en el césped».⁠^{[2]Google Search Central. Optimizing your website for generative AI features on Google Search}

Lo usan las dos funciones de IA de la Búsqueda. AI Overviews y el Modo IA pueden lanzar varias búsquedas relacionadas sobre subtemas y fuentes de datos para construir la respuesta, y mientras la generan sus modelos identifican más páginas que la respaldan, de modo que pueden mostrar un abanico de enlaces más amplio y variado que una búsqueda clásica.⁠^{[3]Google Search Central. AI features and your website} Al presentar el Modo IA en mayo de 2025, Google lo explicó así: por debajo, el Modo IA descompone tu pregunta en subtemas y lanza una multitud de consultas a la vez en tu nombre. Su modo de investigación a fondo, Deep Search, lleva la idea más lejos y puede lanzar cientos de búsquedas para redactar un informe con sus citas.⁠^{[4]Google, The Keyword (Elizabeth Reid, 20 de mayo de 2025). AI Mode in Google Search: Updates from Google I/O 2025} El anuncio de su llegada a España, en octubre de 2025, habla de «una ráfaga de consultas simultáneas».⁠^{[1]Google, blog de Google España (8 de octubre de 2025). La Búsqueda de Google: el Modo IA llega a España}

Las consultas de fan-out recuperan páginas del índice, y con ellas el modelo redacta. Esa segunda parte, recuperar y luego generar, es lo que se llama RAG o grounding, y Google la hace con sus sistemas de clasificación de siempre.⁠^{[2]Google Search Central. Optimizing your website for generative AI features on Google Search} El fan-out decide qué se busca; el resto del sistema, qué se lee y qué se cita.

Fuera de Google

ChatGPT no usa el nombre, pero describe el mismo gesto. Cuando busca con proveedores externos, normalmente reescribe tu pregunta en una o varias consultas concretas y, después de revisar los primeros resultados, puede enviar otras más específicas. Su ejemplo: ante «¿qué hay de nuevo en fármacos contra CCR8 para el cáncer?», la primera consulta puede ser «CCR8 immunotherapy drug development 2025», y la siguiente, una más concreta sobre un fármaco y un congreso. Puede añadir tu ubicación aproximada y, con la memoria activada, lo que recuerda de ti.⁠^{[5]OpenAI Help Center. Searching the web with ChatGPT} Así, «restaurantes buenos cerca de mí» puede convertirse en «top restaurants San Francisco».⁠^{[5]OpenAI Help Center. Searching the web with ChatGPT}

Bing enseña a los propietarios de sitios un reflejo de esas consultas. Su informe AI Performance, en Bing Webmaster Tools, muestra las consultas de grounding: las frases clave que usó la IA al recuperar el contenido que acabó citado. Es una muestra, no el registro completo.⁠^{[6]Microsoft, blog de Webmaster Tools. Introducing AI Performance in Bing Webmaster Tools Public Preview}

Lo que no conviene hacer con esto

La tentación es fabricar una página por cada subconsulta posible. Google lo descarta en la misma guía: sus sistemas entienden sinónimos y el sentido general de lo que se busca, y crear contenido aparte para cada variante, incluidas las consultas de fan-out, sobre todo para manipular las respuestas de IA, infringe su política contra el abuso de contenido a escala.⁠^{[2]Google Search Central. Optimizing your website for generative AI features on Google Search} Lo útil es lo contrario: que la página que ya tienes responda bien a cada parte de la pregunta.

En una tienda

Un ejemplo ficticio y pedagógico. Las subconsultas de esta tabla son una hipótesis escrita para explicar la idea: no son consultas reales de Google ni de ningún asistente, que no publican las suyas. La pregunta: «busco una mochila para la cámara que pueda llevar en cabina y que aguante la lluvia».

Una ficha que solo dice «ideal para viajar» no responde a ninguna de las cuatro. Una que da las medidas, el peso y la protección contra la lluvia puede ser la fuente de dos o tres partes de la respuesta, aunque nunca salga para la pregunta completa.

Cómo comprobarlo

1. Escribe la pregunta completa de tu cliente y pártela tú en las tres o cuatro dudas que la componen. Rotula la lista como hipótesis, porque lo es.
2. Busca en tu ficha el dato que responde a cada duda, en texto y con su unidad. Si falta, añádelo a la página que ya tienes en lugar de crear otra.⁠^{[2]Google Search Central. Optimizing your website for generative AI features on Google Search}
3. Haz la pregunta completa en el Modo IA y anota qué páginas enlaza y qué parte de la respuesta sostiene cada una, con fecha.⁠^{[3]Google Search Central. AI features and your website}
4. Si tienes la web en Bing Webmaster Tools, abre AI Performance y lee las consultas de grounding de tus páginas citadas.⁠^{[6]Microsoft, blog de Webmaster Tools. Introducing AI Performance in Bing Webmaster Tools Public Preview}
5. Mira en el informe de rendimiento de IA generativa de Search Console qué páginas suman impresiones en AI Overviews y en el Modo IA. Si aparece una ficha que no esperabas, probablemente responde a una parte de alguna pregunta.⁠^{[7]Ayuda de Search Console. Generative AI performance report (Search)}

Concepto cercano: RAG

Los dos van juntos y se confunden a menudo. El query fan-out es el paso de decidir qué buscar: multiplicar una pregunta en varias consultas.⁠^{[2]Google Search Central. Optimizing your website for generative AI features on Google Search} RAG es el esquema completo de buscar y luego redactar con lo encontrado; el fan-out es una forma de hacer más rica su primera mitad. Un sistema puede usar RAG con una sola consulta, sin ningún fan-out, y el fan-out no sirve de nada sin un modelo que lea lo recuperado.

Para seguir, la entrada del Modo IA de Google cuenta dónde se ve más esta técnica, y la ruta de lectura de búsqueda con IA ordena el resto de términos.