Google documenta el despliegue con sus propias palabras
El modelo mental que siguen teniendo casi todos los equipos es la lista ordenada. Tienes una palabra clave, el motor tiene un índice y en medio hay una posición que puedes mover. Todos los productos de búsqueda con IA lanzados en los dos últimos años rompieron ese modelo, y Google ha puesto por escrito exactamente cómo.
Las indicaciones de Google para propietarios de webs dicen que AI Overviews y AI Mode pueden usar una técnica de despliegue de consultas, lanzando varias búsquedas relacionadas sobre subtemas y fuentes de datos para elaborar una respuesta. El anuncio en I/O de Elizabeth Reid, vicepresidenta y responsable de la Búsqueda de Google, es más concreto sobre AI Mode: divide tu pregunta en subtemas y lanza multitud de consultas a la vez en tu nombre. El motivo que da Google es el alcance. Desplegarse permite a la Búsqueda llegar más hondo en la web que una consulta tradicional.
Así que lo que se responde no es lo que se escribió. Para cuando se monta una respuesta, el motor ha hecho un conjunto de preguntas que escribió él mismo, y tu página apareció en algunas o no.
Una docena en una pregunta normal, cientos en una difícil
Google le ha puesto cifra dos veces. En marzo de 2026, su propia serie de entrevistas pidió a Dounia Berrada, directora sénior de ingeniería de la Búsqueda, que explicara el método. Su resumen: AI Mode básicamente hace una docena de búsquedas por ti en el tiempo que se tarda en hacer una. Su ejemplo es una foto de un jardín, en la que una sola imagen lleva a la vez varias preguntas reales sobre sombra, clima y mantenimiento, y el modelo lanza una búsqueda para cada una.
En el otro extremo, Deep Search en AI Mode lleva la misma técnica más lejos. Google dice que puede lanzar cientos de búsquedas, razonar sobre informaciones dispersas y producir un informe con todas las citas. El despliegue también se ha vuelto multimodal. Circle to Search y Lens ya dividen una sola imagen en sus distintos objetos y los buscan en paralelo, así que una foto de una habitación se convierte en búsquedas de la lámpara, la alfombra y la silla.
Una docena es la cifra con la que quedarse, porque describe el caso normal y no el escaparate.
Todos los motores descomponen, y ninguno coincide en cuánto
No es una costumbre solo de Google, y los presupuestos están lejos de ser iguales. Perplexity publica las instrucciones por defecto con las que funciona el asistente de su Agent API, y dicen que hay que descomponer las consultas complejas del usuario en llamadas a herramientas separadas para ganar precisión y paralelismo. Esa misma configuración publicada pone luego un techo: hacer como mucho tres llamadas a herramientas antes de concluir.
Tres, una docena y cientos son máquinas distintas. La documentación de Google añade que AI Overviews y AI Mode pueden usar modelos y técnicas distintos, así que las respuestas y los enlaces que muestran variarán entre dos superficies de la misma empresa.
Esa variación es el problema práctico. Una marca puede estar en la lista corta en un motor que se despliega doce veces y quedarse fuera en uno que se despliega tres, para la misma pregunta, el mismo día, con la misma web y sin cambiar nada.
La subconsulta en la que pierdes nunca es la que seguías
Este es el fallo que más cuesta. Un equipo elige el término principal que encaja con su página de producto y lo vigila. La marca aparece. El panel está en verde.
Mientras tanto, el despliegue escribió otras once preguntas. Precio frente a dos competidores concretos. Si sirve para un equipo de cinco. A qué se pasaron quienes lo dejaron. Integración con una herramienta en la que nadie de marketing piensa. Cada una tiene sus propios resultados, sus propias fuentes citadas y sus propios ganadores, y se montan en la respuesta que lee de verdad un comprador.
Nada de eso te llega. Google cuenta AI Overviews y AI Mode dentro del tráfico normal de búsqueda web en Search Console, así que las subconsultas nunca aparecen como filas propias. La única forma de verlas es hacer a los motores las preguntas que haría un comprador, una y otra vez, y apuntar lo que vuelve.
Esa es la medición para la que construimos Proofsource: muestrear cada motor sobre un conjunto de Prompts, trazar el despliegue, seguir qué fuentes se citan junto a cuáles y poner un intervalo de Wilson en cada cifra, para que un movimiento tenga que superar el ruido antes de contar como movimiento.
Cuatro formas de medir una pregunta que nunca hiciste
Nada de esto necesita nuestro producto. Necesita que dejes de tratar un Prompt como un solo Prompt.
- Escribe tú mismo el despliegue antes de medir nada. Toma tu término principal y apunta las diez o doce preguntas que un comprador necesita resolver debajo: precio, alternativas, para quién es, con qué se conecta, por qué lo deja la gente. Esa lista es tu verdadero conjunto de Prompts.
- Pregunta a cada motor por separado y guarda las respuestas. AI Mode, AI Overviews, ChatGPT, Perplexity y Gemini no coincidirán entre sí, y el desacuerdo es el hallazgo y no un fallo de tu método.
- Muestrea varias veces antes de concluir nada. Una ejecución te dice lo que pasó una vez. En las categorías que muestreamos vemos entre un 9 % y un 27 % de cambio diario en qué nombres aparecen, según el motor. Una sola lectura sobre esa base no es una medición.
- Lee las fuentes citadas, no solo las menciones. En la categoría que muestreamos, las listas fueron el 44 % de lo que citó ChatGPT para una pregunta de «los mejores». Si las recopilaciones de terceros responden a tus subconsultas, que tu propia web sea perfecta no lo resuelve.
Dónde podría fallar esto
El mecanismo de arriba es Google y Perplexity describiendo sus propios sistemas, y ninguna de las dos empresas publica las subconsultas reales que hay detrás de una respuesta concreta. Una docena es el resumen redondo de una directora de ingeniería en una entrevista, no una distribución medida, y variará según la pregunta, la superficie y el mes. Tómalo como un orden de magnitud y nada más fino.
El límite de tres llamadas a herramientas es la configuración por defecto publicada en la documentación de la Agent API de Perplexity. Describe ese valor por defecto documentado y no dice nada de lo que hace el producto de consumo en una pregunta concreta.
Nuestras propias cifras son nuestras. El 9 al 27 % de cambio y el 44 % de listas son mediciones sueltas sobre las muestras que tomamos, en las categorías en que las tomamos, y no defenderíamos ninguna de las dos como ley general. La propia página de Google para propietarios de webs se actualizó por última vez en diciembre de 2025, y estos productos cambian más rápido que su documentación.
Lo que defenderíamos es la forma del error. Seguir una sola cadena frente a un sistema que escribe sus propias preguntas mide la única entrada que controlas y ninguna de las que deciden la respuesta.
