Google AI Overviews: cómo genera Google las respuestas con IA

Por qué los AI Overviews transforman la página de resultados

En solo dos años, los Google AI Overviews han convertido la página de resultados de búsqueda de una lista de enlaces en una máquina de respuestas. La función ya no es un producto de nicho: según Sundar Pichai en la conferencia trimestral de Alphabet, los AI Overviews llegan a 2 mil millones de usuarios mensuales en 200 países y territorios, frente a 1,5 mil millones en mayo de 2025. Para las empresas B2B de la región DACH (Alemania, Austria y Suiza), esto cambia la pregunta clave. Además del posicionamiento en el top 10 orgánico, ahora cuenta si la IA de Google incluye la marca de la empresa como fuente en la respuesta generada.

El alcance económico se ve en el comportamiento de clic. Según un estudio estadounidense del Pew Research Center, los usuarios que veían un resumen de IA hacían clic en un resultado de búsqueda clásico en solo el 8 % de las visitas, frente al 15 % sin resumen de IA. En un enlace dentro del propio resumen, esos mismos usuarios hacían clic en apenas el 1 % de las visitas. La respuesta sustituye cada vez más al clic. Quien entiende cómo funciona puede trabajar de forma específica para formar parte de esa respuesta.

Cómo genera Google técnicamente las respuestas con IA

Los AI Overviews se diferencian en lo fundamental de la antigua Search Generative Experience (SGE), su precursora en fase beta. Los AI Overviews son el producto ya desplegado por encima de los resultados orgánicos. Hay que distinguirlos del Google AI Mode, una experiencia de búsqueda conversacional independiente, y de Gemini, el chatbot de Google. Los AI Overviews y el AI Mode comparten la tecnología de base, pero obtienen sus fuentes de forma distinta.

El mecanismo central se llama query fan-out. En lugar de procesar una búsqueda como una única cadena, el modelo de lenguaje descompone la pregunta en varias subconsultas temáticamente relacionadas y las busca en paralelo. Robby Stein, VP of Product for Search en Google, lo ilustra con un ejemplo del AI Mode: ante la pregunta de qué hacer en Nashville con un grupo, el sistema plantea una serie de preguntas parciales, como buenos restaurantes, buenos bares y actividades con niños, y empieza a buscar en Google en segundo plano. La clave: el sistema también investiga subtemas que el usuario nunca mencionó de forma explícita.

El alcance de esta ramificación crece con la complejidad. En el modo Deep Search del AI Mode, según Google, el mecanismo puede lanzar decenas o incluso cientos de consultas en segundo plano y tardar varios minutos en completarse. Después llega la síntesis: un modelo Gemini reúne los pasajes recuperados de las subconsultas, los contrasta y redacta una respuesta coherente. En las búsquedas comerciales interviene además el Shopping Graph, la base de datos estructurada de productos de Google.

En la práctica, esto significa que tus contenidos deberían responder al mayor número posible de subconsultas probables, no solo a la pregunta principal. Quien divide un tema en bloques de respuesta autónomos y bien definidos aumenta la probabilidad de que al menos uno de esos bloques encaje con alguna de las búsquedas ramificadas.

Qué búsquedas activan los AI Overviews

No todas las búsquedas generan un resumen de IA. La tasa de activación fluctúa mucho y es objeto de pruebas continuas por parte de Google. Un análisis de Semrush en EE. UU. sobre más de 10 millones de keywords documenta la evolución en 2025: los AI Overviews se activaron en el 6,49 % de las búsquedas en enero, subieron hasta un pico del 24,61 % en julio y se situaron en el 15,69 % en noviembre. Esta volatilidad es en sí misma una información estratégica: los AI Overviews son un objetivo móvil, no un estado estable.

Lo decisivo es la intención de búsqueda. El mismo análisis de Semrush muestra para octubre de 2025 un reparto claro de las búsquedas con AI Overview: las búsquedas informativas supusieron el 57,1 %, las comerciales el 18,57 % y las transaccionales el 13,94 %. Los AI Overviews aparecen con más frecuencia en preguntas largas que requieren explicación. En búsquedas claramente transaccionales o locales, así como en temas YMYL sensibles (Your Money or Your Life, es decir, salud y finanzas), Google es bastante más prudente. Para el B2B, esto significa que precisamente las preguntas de investigación típicas del inicio del buyer journey activan con especial frecuencia una respuesta de IA.

AI Overviews en Alemania y Austria

En la región DACH, los AI Overviews aparecen con la etiqueta «Übersicht mit KI». El despliegue llegó con retraso respecto al mercado estadounidense, pero hoy ya está ampliamente disponible, ya que, según Google, la función opera en 200 países y territorios. En las búsquedas en alemán, la calidad de la síntesis se ha puesto al día, aunque el mercado estadounidense sigue siendo el principal campo de pruebas de nuevas funciones, por lo que los cambios suelen observarse primero allí.

En materia regulatoria, la UE es un caso especial. El RGPD y el Reglamento de IA de la UE fijan un marco que Google debe tener en cuenta al mostrar estos resultados. En la práctica, esto significa que algunas funciones se lanzan en la UE más tarde o de forma adaptada. Para el análisis estratégico en el mercado B2B, lo que más cuenta es la concentración del canal. Según StatCounter, en septiembre de 2026 Google tenía en Austria una cuota de mercado del 80,88 %, mientras que Bing llegaba al 10,93 %. En Alemania, Google se situaba en septiembre de 2026 en el 87,84 %, y Bing en el 6,5 %. Quien quiera ser visible en las búsquedas de Alemania o Austria no puede ignorar las respuestas con IA de Google.

Impacto en el CTR y el tráfico

Los efectos sobre los clics son medibles y se están agravando. Un análisis de Ahrefs sobre 300.000 keywords de diciembre de 2025 concluyó que la presencia de un AI Overview se correlaciona con un CTR medio un 58 % más bajo para la página mejor posicionada, frente a una reducción del 34,5 % en el análisis de abril de 2025. En la comparación a dos años, un segundo indicador deja clara la tendencia: el CTR de la posición 1 en keywords con AI Overview cayó de 0,073 en diciembre de 2023 a 0,016 en diciembre de 2025.

El efecto no afecta igual a todos los tipos de keywords. En las búsquedas puramente informativas, en las que la respuesta de IA resuelve la pregunta por completo, la pérdida de clics es máxima. En las búsquedas comerciales y transaccionales, en las que los usuarios quieren comparar, configurar o comprar, el clic se mantiene con más frecuencia, porque el resumen por sí solo no basta. De ahí se deriva una valoración sobria del contenido: los artículos que solo definen conceptos son los que más tráfico pierden, mientras que los contenidos cercanos a la decisión de compra y al producto resisten mejor.

Cómo optimizar contenidos para los AI Overviews

La optimización para AI Overviews sigue los principios de la Generative Engine Optimization. La cuestión central es si un pasaje puede extraerse como bloque de respuesta preciso y autónomo.

• Front-loading y answer islands: Coloca la respuesta directa a una pregunta justo debajo del encabezado correspondiente. Una answer island es un párrafo autocontenido que responde a una pregunta por completo sin necesitar contexto de otras secciones. Son justo esos bloques los que encajan con las subconsultas ramificadas.
• Estadísticas y fuentes: Respalda tus afirmaciones con cifras concretas y fuentes identificadas. Los sistemas de IA prefieren hechos verificables y atribuidos frente a afirmaciones vagas, porque reducen el riesgo de una síntesis errónea.
• Señales E-E-A-T: La experiencia, la pericia, la autoridad y la fiabilidad tienen que ser legibles por máquinas. Una autoría clara, fuentes verificables y una trayectoria profesional reconocible aumentan la probabilidad de que te citen.
• Estructura concisa: Párrafos cortos, subtítulos descriptivos, listas y tablas facilitan la extracción. Lo que se puede aislar limpiamente como pasaje tiene más probabilidades de formar parte de la respuesta.
• Formato pregunta-respuesta: Formula los subtítulos como preguntas que hacen usuarios reales y respóndelas de inmediato. Así cubres las variantes más frecuentes del query fan-out.

Lógica de citación: por qué las fuentes de los AIO posicionan fuera del top 10

El cambio estratégico más importante afecta a la selección de fuentes. Antes regía una regla: quien posiciona arriba es citado. Esa lógica se está rompiendo. Un análisis de Ahrefs de 863.000 SERP de keywords y 4 millones de URL de AI Overviews concluyó que solo el 38 % de las páginas citadas en los AI Overviews posiciona también en el top 10, frente a alrededor del 76 % en julio de 2025; el 62 % restante, aproximadamente, se reparte entre las posiciones 11 a 100 (31,2 %) y páginas fuera del top 100 (31,0 %).

Esto no significa que el posicionamiento clásico deje de importar. Significa que estar en el top 10 orgánico no es condición necesaria ni suficiente para ser citado. Google selecciona cada vez más las fuentes según su encaje temático con cada subconsulta, no solo según el ranking. Para la estrategia SEO y GEO, esto desplaza la palanca. El linkbuilding por sí solo pierde peso como factor diferencial, mientras que la profundidad temática, las menciones de marca en contextos relevantes y la facilidad para extraer pasajes concretos ganan importancia. Así, las brand mentions en fuentes de confianza pueden convertirse en señal de citación, aunque la propia página no esté en la primera posición.

Errores frecuentes en la optimización para AI Overviews

En la práctica se repiten algunas valoraciones erróneas que cuestan visibilidad.

• Medir el éxito solo por el ranking: Quien solo sigue la posición orgánica pasa por alto las citas. Como solo una fracción de las páginas citadas posiciona en el top 10, el seguimiento de rankings no ve gran parte de la visibilidad en AIO.
• Enterrar las respuestas en el texto corrido: Si el mensaje clave llega después de varios párrafos, la extracción se complica. El query fan-out premia los pasajes que responden a una pregunta parcial de inmediato y por completo.
• Malinterpretar los bloqueos de crawlers de IA: Quien bloquea GPTBot, ClaudeBot o Google-Extended en el robots.txt no pierde por ello visibilidad en los AI Overviews. Esas reglas afectan a OpenAI, Anthropic y a las apps de Gemini y Vertex AI. Una página desaparece de los AI Overviews si Googlebot no puede rastrearla o si tiene noindex, nosnippet o max-snippet:0. Con data-nosnippet y otros valores de max-snippet solo limitas qué texto aparece. Toma ambas decisiones de forma consciente.
• Confundir caída de tráfico con pérdida de relevancia: En las keywords informativas, la caída de clics es en parte inevitable. Quien recorta buenos contenidos por ese motivo pierde justo la sustancia que genera las citas.
• Confiar en una única medida de IA: Ni llms.txt ni un fragmento de Schema aislado sustituyen a contenidos sólidos, rastreables y bien estructurados. Las señales técnicas solo funcionan combinadas con un valor real del contenido.

Datos estructurados y requisitos técnicos

Para que los contenidos puedan siquiera optar a aparecer en los AI Overviews, tienen que ser rastreables e interpretables por máquinas.

• Rastreabilidad para Googlebot: Para aparecer en los AI Overviews, una página tiene que estar indexada y poder mostrarse con snippet en la Búsqueda de Google. Por tanto, Googlebot necesita acceso. Qué parte aparece en los AI Overviews lo limitas con nosnippet, data-nosnippet, max-snippet o noindex. Google-Extended solo controla el entrenamiento y el grounding de las apps de Gemini y de Vertex AI y, según Google, no influye en la inclusión en la Búsqueda de Google.
• Datos estructurados de Schema.org: Un marcado como Article, FAQPage, Product u Organization ayuda a los sistemas de búsqueda a clasificar correctamente el contenido. Los datos estructurados no sustituyen al contenido, pero facilitan su interpretación y extracción. Google no exige un marcado específico para los AI Overviews.
• Situar llms.txt en su contexto: El archivo propuesto llms.txt pretende ofrecer a los sistemas de IA un mapa del contenido. Su efecto real sobre las citas no está demostrado hasta ahora. Supone una inversión pequeña, pero no sustituye a contenidos rastreables y bien estructurados.
• Base técnica limpia: Tiempos de carga rápidos, una semántica HTML clara y una jerarquía de encabezados lógica siguen siendo la base. Lo que un crawler no lee correctamente, un modelo no puede citarlo de forma fiable.

Medición y herramientas

Los AI Overviews escapan a la medición clásica de posiciones, porque una cita no es un ranking. Por eso, los equipos B2B necesitan indicadores adicionales.

• Tráfico de referencia de IA en GA4: Registra las visitas procedentes de sistemas de IA segmentando las combinaciones de fuente y medio relevantes. Parte de este tráfico aparece como acceso directo por falta de información del referrer, por lo que son importantes unos segmentos bien definidos y, en su caso, parámetros UTM.
• Visibilidad en AIO y share of voice: Las herramientas GEO especializadas comprueban en qué búsquedas aparece un AI Overview y si tu marca aparece citada en él. El share of voice en las respuestas de IA sustituye al ranking clásico como medida de visibilidad.
• Valor de conversión en lugar de volumen de clics: Como los AI Overviews reducen el volumen de clics, el foco debería estar en la calidad de las visitas que quedan. Lo decisivo es si los usuarios que llegan desde la IA convierten, no solo cuántos llegan.
• Monitorización de activaciones: Vigila de forma continua en cuáles de tus keywords principales aparece un AI Overview. Dada la fluctuación documentada de la tasa de activación, se trata de un proceso continuo, no de una comprobación puntual.

Perspectivas: AI Mode, agentic commerce y próximos pasos

Los AI Overviews son la primera fase. El Google AI Mode lleva más lejos la búsqueda conversacional, en la que los usuarios hacen preguntas de seguimiento y el query fan-out actúa con más fuerza aún. En paralelo, con el agentic commerce surge una capa en la que agentes de IA investigan y comparan productos por encargo de los usuarios. Ambas tendencias aumentan la importancia de contenidos estructurados, extraíbles y bien documentados.

Para las empresas B2B en Europa, de ahí se derivan tres pasos concretos. Primero: reconvertir los contenidos informativos propios en bloques de respuesta autónomos que encajen con las subconsultas probables. Segundo: pasar de la simple observación de rankings a medir la visibilidad en AIO y el valor de conversión. Tercero: garantizar el acceso de Googlebot, decidir de forma consciente los bloqueos para otros crawlers de IA y mantener los datos estructurados con rigor. Con una cuota de mercado de Google del 80,88 % en Austria (septiembre de 2026), la optimización para las respuestas con IA de Google es la palanca central de la visibilidad en búsquedas.