Google ahora ejecuta dos búsquedas distintas — y tú optimizas para una

Dos búsquedas detrás de un solo botón

El mayor descubrimiento arquitectónico sobre Google en 2026: AI Overview (AIO) y AI Mode (AIM) no son una sola “búsqueda con IA” con dos apariencias — son dos sistemas diferentes sobre motores de recuperación diferentes. La hipótesis (Ashmanov & Partners, empíricos a lo largo de más de 600 parámetros): AIO arma su respuesta a partir de los resultados clásicos, AIM busca sobre un índice semántico vectorial, tal como lo hace ChatGPT.

En la práctica: “una sola plantilla para todo” no funciona. Optimizar solo para los resultados clásicos cubre AIO — y te deja casi inexistente en AIM.

Los datos: en qué se diferencian

Parámetro	AI Overview (AIO)	AI Mode (AIM)
Longitud de la respuesta	corta (1–2 párrafos)	~4× más larga
Fuentes de la consulta original	~60%	~15%
+ de subconsultas extra	10–15%	~30%
Fuentes en el top-3	~40% de los espacios	distribución más plana
Páginas comerciales entre las fuentes	45.6%	29.2%
Idiomas de las fuentes	como en los resultados (monolingüe)	multilingüe
Palabras ambiguas	un solo significado	todos los significados
Correlación con lo orgánico	más fuerte	más débil

La pieza más reveladora es la forma del histograma. En AIO la distribución de fuentes por posición se ve como la búsqueda clásica: densa en el top-3, con decaimiento exponencial. En AIM es plana — exactamente lo que esperarías de una búsqueda sobre un índice de embeddings, donde la posición en la SERP no significa nada y decide la similitud semántica.

La estrategia AIO: lo clásico sigue funcionando

• El top-10 sigue aportando ~60% de las fuentes — los rankings siguen siendo una palanca.
• Query fan-out les da una oportunidad a las páginas fuera del top-3 — vía subconsultas.
• La frescura gana: las páginas actualizadas recientemente se llevan sistemáticamente los espacios.
• La proporción comercial es alta (45.6%) — las páginas comerciales sí entran a AIO.

La estrategia AIM: la posición casi no importa

• El top-10 aporta solo ~15% de las fuentes — el ranking apenas ayuda.
• Necesitas similitud vectorial, no coincidencia léxica: bloques atómicos autocontenidos de 40–60 palabras, un número al inicio del pasaje, datos estructurados.
• Multilingüe: AIM cita fuentes en otros idiomas — tu contenido puede aparecer en otras localidades (y los competidores llegan desde otros idiomas).
• La respuesta es 4× más larga → más espacios de citación, pero cada espacio se gana con una subintención distinta (ver de dónde sacan sus respuestas los motores).

Qué hacer

1. Separa los KPI. La presencia en AIO y en AIM son dos resultados distintos; mídelos por separado, como los rankings.
2. Para AIO — mantén lo clásico: rankings, frescura, cobertura del abanico de subconsultas.
3. Para AIM — atomiza: cada subintención = un bloque autocontenido, extraíble sin contexto.
4. Revisa ambas superficies. Nuestra sonda de visibilidad en IA mide la citación a lo largo de 4 motores, y geo-metrics cuenta por separado tu exposición en AI-Overview por palabra clave.

Fuentes

• GEO-HowTo 2026 — charla de Kurdyukova–Volovich (Ashmanov & Partners) — la hipótesis de los dos motores, una metodología de más de 600 parámetros: histogramas de fuentes, proporciones de la consulta original (~60% vs ~15%), páginas comerciales (45.6% vs 29.2%), comportamiento lingüístico.
• GEO-HowTo 2026 — charla de Alexander Runov (MGCom) — Google Search 2.0 (2026-05-19): “la IA se convirtió en el fundamento de la interfaz de búsqueda”.
• Materiales del caso US v. Google (2025) — FastSearch como un sistema de recuperación aparte (embeddings, producto punto) — la base arquitectónica de la hipótesis.