El query fan out ha hecho de la subpregunta la unidad de competencia en búsqueda. Las universidades que siguen optimizando una keyword por página están perdiendo la cita de la IA sin saberlo.
En Volcanz lo vemos cada semana: instituciones que dominaban el primer resultado orgánico para términos como 'máster en finanzas Madrid' desaparecen de la respuesta generada porque la IA descompone esa consulta en varias subpreguntas paralelas y su web solo responde a una. El mecanismo es simple y brutal: la IA parte tu pregunta, busca respuestas independientes a cada fragmento y sintetiza una respuesta única. Quien responde una faceta bien entra en la cita; quien responde solo la pregunta general queda fuera.
El fan-out descompone lo que el SEO unificaba
El query fan out —escrito también como fan-out— es la técnica por la que un motor de búsqueda con IA expande una consulta en subconsultas paralelas para cubrir todas las facetas implícitas de la pregunta original. Cada subconsulta busca su propia fuente, y la URL que antes representaba toda la consulta queda como una candidata más entre muchas.
Piensa en lo que ocurre cuando un alumno busca 'grado en Enfermería Sevilla'. El SEO clásico trataba esa expresión como un término único con variaciones de cola larga. La IA actual la descompone en varias subpreguntas: plan de estudios, salidas profesionales, nota de corte, prácticas hospitalarias, equivalencia del título en el extranjero, precio de la matrícula. Cada una busca su propia fuente. Si tu página de grado responde bien a la nota de corte pero no menciona las prácticas clínicas, la IA te cita para una faceta y te ignora en el resto. Y esa faceta vacía la rellena con otra web: un foro de estudiantes, una guía de orientación, la página de otra facultad.
Eso rompe la lógica de una keyword por URL. Durante veinte años, optimizar significaba elegir un término, construir una página alrededor de él y conseguir enlaces. El fan-out (se abre en una pestaña nueva) convierte esa página en insuficiente por diseño: la IA la lee en fragmentos, compara cada uno con lo que otras fuentes dicen sobre la misma subpregunta y elige la mejor respuesta para cada faceta. El query fan out añade una capa de descomposición encima del ranking clásico. Tu URL sigue posicionando para la keyword original, pero la IA la trata como una fuente candidata para una faceta concreta, compitiendo contra todas las demás. Mantener la posición orgánica y desaparecer de la respuesta generada al mismo tiempo es perfectamente posible —y cada vez más frecuente.
Tu competencia es cualquier página que responda mejor que tú a una de las subpreguntas en que se ha descompuesto la consulta original, aunque no comparta tu keyword. Una web de rankings universitarios, un foro de estudiantes, un artículo de prensa sobre empleabilidad: todos pueden estar contestando una faceta mejor que tu página oficial del grado, y la IA los citará antes que a ti.
De la base a lo decisivo
Cómo el query fan out descompone una consulta
La IA no busca tu página: busca fragmentos que respondan subpreguntas
La IA busca fragmentos autoconclusivos: trozos de texto que respondan a una subpregunta concreta de forma que se sostengan solos fuera del contexto de tu página. Lo que el modelo necesita es un párrafo, una tabla o una lista que, extraído y colocado dentro de una respuesta generada, siga teniendo sentido sin leer nada más de tu web.
Eso cambia lo que significa tener buen contenido. Una página de máster que empieza con dos párrafos de presentación institucional antes de llegar a la información útil sigue siendo legible para un humano. Para la IA, esos párrafos son ruido. El modelo escanea buscando la frase que responde a la subpregunta que le tocó en el reparto: ¿cuál es el precio?, ¿es oficial?, ¿hay becas?, ¿se puede hacer online? Si la respuesta está enterrada bajo copy de marca, la IA la pasa por alto y busca en otra fuente.
La cobertura facetada es el concepto que en Volcanz usamos para describir lo que hace falta: cubrir cada ángulo de la pregunta original como una sección independiente con su propia respuesta directa. Una consulta como 'máster en finanzas Madrid' descompuesta por el query fan out (se abre en una pestaña nueva) genera facetas sobre precio, plan de estudios, salidas profesionales, modalidad, admisión y comparativas con otros programas. Tu web necesita una sección autoconclusiva para cada una. Si dejas facetas sin cubrir, la IA las rellena con otra fuente.
Una página de grado que indica una nota de corte concreta en una frase clara y visible vale más para el fan-out que cinco párrafos sobre la excelencia académica de la facultad. La densidad informativa por faceta es lo que premia el query fan out: cuanto más concreta y autoconclusiva sea la respuesta a cada subpregunta, más probable es que la IA la extraiga y te cite. El principio se aplica igual en educación superior que en otros sectores (se abre en una pestaña nueva): el fan-out recompensa quien cubre cada faceta con profundidad.
GEO es escribir para que un modelo te entienda y decida citarte
El GEO consiste en escribir para que un modelo de lenguaje te entienda, extraiga un fragmento y decida citarte como fuente en su respuesta generada. El cambio práctico respecto al SEO clásico es absoluto: optimizas para un modelo que lee, comprende y selecciona fragmentos. El índice que rankeaba URLs sigue existiendo, pero la visibilidad que importa —la que el usuario ve primero— la decide el modelo.
El movimiento fundamental es el mapeo de facetas. Tomas la consulta que un alumno haría sobre tu programa, listas las subpreguntas que la IA generaría al descomponerla y creas una sección autoconclusiva para cada una. Cada sección responde en la primera frase, desarrolla la respuesta en los párrafos siguientes y usa entidades claras: nombre del grado, universidad, ciudad, modalidad, créditos ECTS. El modelo necesita esos anclajes para entender de qué hablas y relacionarlo con la subpregunta que le tocó responder. Sin entidades, el modelo te lee pero no te identifica como fuente de nada concreto.
La AI Overviews, activa en España desde marzo de 2025, y AI Mode, desde octubre de 2025, son las dos capas donde el query fan out opera en Google. Ambas descomponen la consulta, buscan fuentes para cada faceta y generan una respuesta con citas. Quien no aparece ahí deja de existir para el usuario que ya no scrollea hasta los resultados orgánicos. La forma de aparecer pasa por la estructura de respuesta directa: cada H2 como una subpregunta, cada primer párrafo como su respuesta, cada fragmento preparado para ser extraído y citado. Es arquitectura de contenido pensada para que un modelo la desmonte, la lea en piezas y la recoloque dentro de su propia respuesta.
En Volcanz aplicamos este enfoque en cada página de programa que tocamos: mapeamos las facetas que el query fan out generaría, reestructuramos el contenido para que cada faceta tenga su respuesta directa y marcamos las entidades para que el modelo las identifique sin ambigüedad.
España y Latam: mismo fan-out, distinto destino de cita
El mecanismo de query fan out es idéntico en España y en Latam; lo que cambia es quién cita y cómo. En España, la capa principal de IA en búsqueda es Google AI Overviews y AI Mode: ambas aplican fan-out, generan una respuesta y citan fuentes. En Latam, ChatGPT también descompone la consulta y recupera información de forma similar, y sí incluye citas con enlace a las fuentes que utiliza. Perplexity y otros motores conversacionales aplican lógicas comparables de descomposición y recuperación.
Para una universidad española, la prioridad es aparecer en AI Overviews para cada faceta de cada programa. Para una latinoamericana, ChatGPT es un destino de cita igual o más relevante. El trabajo de visibilidad en IA que hacemos en Volcanz cubre ambas capas, porque la marca necesita estar donde el usuario pregunta. El query fan out no distingue fronteras: descompone la pregunta igual en Madrid que en Ciudad de México. Lo único que cambia es qué modelo la sintetiza y qué formato de cita le toca a tu web. Si tu estrategia de contenido solo contempla el ranking clásico, estás compitiendo por la capa que más se encoge.
Si la IA no te encuentra cuando descompone la pregunta, no existes.
Hablemos