DefinedTerm · Glosario
Qué es fan-out query
Fan-out query es la técnica por la que un motor de búsqueda de IA descompone automáticamente una consulta compleja del usuario en múltiples sub-consultas independientes, las ejecuta en paralelo contra distintas fuentes y sintetiza los resultados en una sola respuesta. En el Google I/O 2025, Elizabeth Reid, directora de Search, describió esta técnica como el núcleo de Google AI Mode. Un análisis de Ahrefs (2026) cifra en 9 a 11 la media de sub-consultas generadas por prompt, con casos de hasta 28.
Definición ampliada
Fan-out query (también escrito query fan-out) es el proceso por el que un motor de IA analiza la intención detrás de una consulta del usuario, la descompone en múltiples sub-consultas más específicas y las ejecuta simultáneamente contra índices web, bases de conocimiento, grafos de entidades y otras fuentes. Los resultados de todas las sub-consultas se fusionan y sintetizan en una única respuesta cohesionada, con citas de las fuentes más relevantes encontradas en cada sub-consulta.
El término se hizo ampliamente conocido cuando Elizabeth Reid, directora de Search en Google, lo describió en el Google I/O 2025 como la técnica fundamental que hace posible Google AI Mode. En su presentación explicó que el motor descompone las preguntas en diferentes subtemas y lanza múltiples consultas simultáneamente en nombre del usuario.
Todos los grandes motores generativos usan fan-out: Google AI Mode, ChatGPT Search, Claude y Perplexity. Las diferencias entre ellos residen en el número de sub-consultas generadas, la profundidad de la descomposición y los criterios de fusión de resultados.
Por qué importa en 2026
El fan-out transforma radicalmente el modelo de competencia en search. En el SEO clásico, una empresa compite por una palabra clave concreta. En un motor con fan-out, esa misma empresa compite simultáneamente en las decenas de sub-consultas que el motor genera a partir de una sola pregunta del usuario.
Un análisis de Ahrefs (2026) midió entre 9 y 11 sub-consultas por prompt de media, con un 24 % de los prompts generando entre 12 y 19 sub-consultas, y casos extremos de hasta 28. Seer Interactive y Nectiv encontraron que el 59 % de los prompts generan entre 5 y 11 búsquedas adicionales.
Para empresas del sector hogar y construcción, esto significa que una pregunta como "mejor empresa de reformas de baño en Madrid" puede generar sub-consultas sobre precios medios, garantías legales, certificaciones del sector, comparativas entre empresas y reseñas de clientes. Una empresa que solo tiene contenido sobre precios pero no sobre garantías o certificaciones cubre una fracción de las sub-consultas relevantes y tiene menor probabilidad de aparecer en la respuesta final.
Cómo funciona
El proceso de fan-out sigue cuatro fases:
1. Análisis de la consulta. El motor clasifica la intención del usuario (informativa, comparativa, transaccional) e identifica las variables implícitas de la consulta que el usuario no formuló de forma explícita.
2. Descomposición (fan-out). El LLM genera las sub-consultas necesarias para responder la pregunta de forma completa, incluyendo contextos implícitos y preguntas de seguimiento probables.
3. Recuperación paralela. Las sub-consultas se ejecutan simultáneamente. Cada sub-consulta puede apuntar a tipos de fuente distintos: tablas de precios, reseñas, definiciones técnicas, normativa, comparativas.
4. Síntesis con Reciprocal Rank Fusion (RRF). Los resultados de todas las sub-consultas se fusionan y re-rankean. Los fragmentos que aparecen relevantes en múltiples listas acumulan puntuaciones más altas y tienen mayor probabilidad de quedar citados en la respuesta final.
Diferencia con búsqueda tradicional
| Dimensión | Búsqueda tradicional | Fan-out (AI search) |
|---|---|---|
| Consultas generadas | 1 por búsqueda del usuario | 9-11 de media por prompt |
| Competencia | Por palabra clave individual | Por cluster temático completo |
| Resultado visible | Lista de enlaces rankeados | Respuesta sintetizada con citas seleccionadas |
| Criterio de victoria | Mejor posición en la SERP | Mayor cobertura de sub-intenciones con calidad |
| Visibilidad sin clic | No aplica | Frecuente: la marca aparece citada sin que el usuario haga clic |
La implicación estratégica principal es que la arquitectura de contenido en clusters temáticos (una página pilar más páginas de subtema interconectadas) es la estructura que mejor se alinea con el funcionamiento del fan-out. Cada página de subtema puede responder una sub-consulta distinta y acumular puntuación en el proceso de fusión, aumentando la probabilidad de que la marca sea citada en la respuesta integrada.
Términos relacionados
RAG (Retrieval-Augmented Generation), Share of Voice IA, Citabilidad LLM.
Fuentes
Términos relacionados
- rag-retrieval-augmented-generation
- share-of-voice-ia
- citabilidad-llm