Desde el 12 de mayo de 2026, Google AI Mode está activo en España y, con él, un mecanismo que va a cambiar la forma en que tienes que pensar tu arquitectura de contenidos: el query fan-out. No es un concepto nuevo —las patentes de Google lo describían antes de que AI Mode existiera en Europa—, pero ahora opera sobre búsquedas reales de usuarios reales en tu mercado, y la mayoría de los SEOs españoles todavía están trabajando con estrategias diseñadas para un buscador que ya no funciona igual.
Según datos de Google I/O 2026, AI Mode supera los 1.000 millones de usuarios mensuales globales y la consulta media es tres veces más larga que una búsqueda tradicional. Eso no es un detalle estadístico: es el síntoma de que el usuario ya no busca una keyword, busca una conversación. Y si el usuario hace eso, Google hace algo muy concreto en respuesta, que es exactamente lo que voy a explicarte aquí.
Qué hace Google AI Mode cuando recibes una consulta compleja
El query fan-out es el proceso por el que Google AI Mode descompone una sola consulta del usuario en entre 10 y 16 subconsultas paralelas que se lanzan simultáneamente contra el índice. Cada subconsulta recupera fragmentos (passages) de distintas páginas, y el modelo de lenguaje los usa como base de evidencia para construir la respuesta. El término técnico detrás de esto es RAG, Retrieval-Augmented Generation: primero recupera, luego genera.
Para entenderlo de forma concreta, piensa en alguien que escribe "qué fontanero contratar en Valencia y cuánto cuesta una avería de tubería en fin de semana". Una búsqueda tradicional habría devuelto resultados para "fontanero Valencia" y ya. AI Mode, en cambio, puede generar subconsultas como "precio reparación tubería Valencia", "fontanero urgencias fin de semana Valencia", "qué incluye el presupuesto de un fontanero" o "cómo saber si una avería es urgente", todas en paralelo y en fracciones de segundo. Tu página de servicios sola no puede aparecer en todas esas subconsultas a la vez; necesitas contenido que cubra cada ángulo de esa conversación.
Un dato que resume bien el problema: el 88% de las subconsultas generadas por el fan-out tienen volumen cero en herramientas convencionales. Dicho de otro modo, si planificas contenido solo a partir de Ahrefs o Semrush, estás diseñando para un escenario que AI Mode ya ha dejado parcialmente atrás. Las subconsultas que importan para el fan-out no aparecen en ningún keyword planner.
En qué se diferencia de AI Overviews y por qué eso importa para tu estrategia
AI Overviews y AI Mode comparten la base técnica pero responden a lógicas distintas, y confundirlos lleva a tomar decisiones equivocadas. AI Overviews aparece de forma automática en los resultados ordinarios sin que el usuario haga nada especial; AI Mode requiere que el usuario entre intencionalmente. Esa diferencia de intención cambia todo lo que Google espera de los contenidos que cita.
AI Overviews, al ser automático y visible en la SERP estándar, tiende a premiar concisión y respuestas directas. AI Mode, porque el usuario está ahí con voluntad de explorar y hacer follow-ups, recompensa la profundidad y la capacidad de responder preguntas encadenadas. Un artículo que define un concepto en tres párrafos puede aparecer en AI Overviews; para AI Mode necesitas el artículo que además explica por qué, qué excepciones existen, cuánto cuesta implementarlo y qué ocurre si algo falla.
La caída del 34,5% en el CTR de la posición #1 orgánica cuando aparece un AI Overview ya era conocida, pero AI Mode introduce otro vector de pérdida de tráfico que no se mide igual: las citas dentro de respuestas conversacionales. Según un estudio de Surfer SEO de diciembre de 2025 sobre 173.902 URLs y 10.000 keywords, el 67,82% de las páginas citadas en AI Overviews no están en el top 10 orgánico; en AI Mode la lógica es similar, lo que significa que aparecer en conversaciones de IA no depende solo de tu ranking clásico, sino de si tu contenido responde subconsultas que Google puede extraer durante el fan-out.
Lo que he visto en Search Console después del lanzamiento en España
Cuando Google activó AI Mode en España el 12 de mayo, empecé a revisar los datos de Search Console de varios clientes para ver si había algún movimiento atribuible. Lo que observé en un proyecto de servicios locales en el sector salud, donde AI Mode también está cambiando las reglas del SEO local y la ficha de Google Business Profile, fue interesante: las impresiones para consultas de cola larga (frases de 5 o más palabras con intención comparativa o de proceso) subieron entre un 15 y un 20% en las dos semanas posteriores al lanzamiento, mientras que las consultas cortas y directas se mantuvieron estables.
No lo atribuyo en exclusiva a AI Mode —hay más variables en juego—, pero el patrón encaja con lo que la mecánica del fan-out predice: cuando el usuario reformula consultas en lenguaje más natural y largo, Google genera más subconsultas, y eso amplía la superficie de páginas que pueden aparecer citadas. Los contenidos de ese cliente que más impresiones ganaron eran precisamente los que cubrían preguntas de proceso ("cómo funciona", "qué incluye", "cuánto tiempo lleva"), no los que simplemente describían el servicio.
 (1).jpg)
Si tienes acceso a Search Console, el filtro más útil ahora mismo es ordenar por impresiones las queries de más de 4 palabras y ver qué porcentaje de ese tráfico va a páginas que tienen respuestas profundas frente a páginas que solo describen. Ese ratio te da una idea de qué partes de tu arquitectura de contenidos están listas para el fan-out y cuáles no.
Cómo afecta el fan-out a tu arquitectura de contenidos y qué debes cambiar
La implicación más directa del query fan-out para la arquitectura de contenidos es que ya no basta con tener un artículo bueno sobre un tema; necesitas una red de artículos que cubra todas las subconsultas que ese tema puede generar. Un cluster de 8 a 12 artículos bien enlazados entre sí multiplica la probabilidad de que varias páginas tuyas aparezcan citadas en una misma respuesta de AI Mode, porque cada faceta del cluster puede ser una subconsulta distinta del fan-out.
La diferencia con la estrategia de clusters que ya conoces es el nivel de granularidad. Antes era suficiente con el artículo pilar + artículos de soporte para las keywords secundarias. Para el fan-out necesitas ir un nivel más abajo: los artículos de soporte tienen que cubrir ángulos concretos de proceso, comparación, coste, error frecuente y caso de uso, porque eso es lo que las subconsultas paralelas buscan. Si tienes un cluster sobre "reformas de baño" y tus artículos de soporte son genéricos, el fan-out los ignorará en favor de páginas de la competencia que respondan "cuánto cuesta cambiar el alicatado" o "qué permiso necesito para ampliar el baño".
Un criterio práctico para auditar tu contenido existente: abre cada artículo de soporte de tus clusters y hazte esta pregunta: ¿responde una subconsulta específica que un usuario real formularía de forma natural? Si la respuesta es "sí, pero solo parcialmente" o "no con suficiente detalle", ese artículo necesita un refuerzo antes de que valga para el fan-out.
Para saber más sobre cómo construir clusters que resistan este tipo de auditoría, la guía sobre profundidad temática y posicionamiento en IA que publiqué antes del lanzamiento de AI Mode en España sigue siendo la referencia más útil para estructurar esa granularidad.
Según datos de Seer Interactive de junio de 2025, el 85% de las citas en AI Overviews vienen de contenido publicado en los últimos dos años, con el 44% concentrado solo en 2025. El fan-out no cita páginas viejas con datos obsoletos, aunque estén bien posicionadas. Si tienes clusters con artículos de soporte que no se han tocado en tres años, están fuera de juego para AI Mode antes incluso de que empiece el rastreo de subconsultas.
Tres cambios concretos que puedes aplicar esta semana
Empieza por el inventario de subconsultas. Elige tu cluster más estratégico, escribe la consulta principal como la formularía un usuario real en AI Mode (con intención compleja, en lenguaje natural, de 6 a 10 palabras) y lista manualmente entre 10 y 15 preguntas derivadas que esa consulta podría generar. Compara esa lista con el índice de tu cluster actual: los huecos que encuentres son artículos que necesitas crear o reforzar.
A continuación, revisa el enlazado interno entre artículos de soporte, no solo desde el artículo pilar hacia ellos. El fan-out recupera passages de múltiples páginas, y el enlazado cruzado ayuda a Google a entender que esas páginas forman una unidad temática coherente; si solo enlazan desde el pilar, la coherencia semántica entre artículos de soporte queda débil.
Por último, y con más urgencia si tu contenido lleva tiempo sin actualizarse, identifica los artículos de soporte con fecha de publicación anterior a 2024 que todavía tienen impresiones relevantes en Search Console y dales una revisión real: datos actualizados, ejemplos más recientes y, si aplica, un apartado de preguntas frecuentes que cubra subconsultas conversacionales. No es cambiar la fecha; es hacer que el contenido vuelva a merecer ser citado.
El query fan-out no es una amenaza para el SEO clásico: es la demostración de que la profundidad temática real, la que siempre fue buena práctica, ahora es directamente medible por el buscador en cada consulta. Los sitios que han construido clusters con sustancia de verdad van a salir reforzados; los que han acumulado contenido de soporte delgado para cubrir keywords, van a perder superficie de cita por cada subconsulta que Google genere y no encuentre respuesta en sus páginas.