Nostos GEO
GEO · Cobertura de subpreguntas

¿Por qué las respuestas de las IAs dejan afuera la mitad de tu pregunta?

Por Fabián Torres · 14 de agosto de 2026 · 7 min de lectura

Porque una pregunta compleja casi nunca es una sola pregunta — es un grupo de subpreguntas con distinto peso, y ningún motor de respuesta las cubre todas. Un estudio de Georgia Institute of Technology y Salesforce AI Research (NAACL 2025) descompuso 200 preguntas complejas en cerca de 4.000 subpreguntas y midió cuántas aparecían en las respuestas de tres motores comerciales: You.com, Perplexity AI y Bing Chat. Los tres priorizan bien las subpreguntas centrales por sobre las secundarias — pero aun así dejan sin cubrir cerca de la mitad de esas subpreguntas centrales.

Es el criterio que en Nostos pesa 12%: Cobertura de subpreguntas. No mide si tocaste el tema — mide si respondiste todas las partes que importan.

~50%
Los tres motores evaluados cubrieron, en promedio, apenas un poco más de la mitad de las subpreguntas centrales (core) de una consulta compleja: You.com 42%, Perplexity AI 54%, Bing Chat 49%. El resto quedó sin responder — incluso cuando la información ya estaba entre las fuentes citadas por el propio motor.
Fuente: Xie, Laban, Choubey, Xiong y Wu, Georgia Institute of Technology y Salesforce AI Research — NAACL 2025 (aclanthology.org/2025.naacl-long.301)

Qué es una subpregunta "core" y por qué es la que importa

Es la parte de tu pregunta sin la cual la respuesta queda incompleta — no un detalle adicional, sino un componente necesario del razonamiento. El paper clasifica cada subpregunta en tres tipos:

"A core sub-question is central to the main topic and directly or partially addresses the main question. It is crucial for interpreting the logical reasoning of the main question." — Xie, Laban, Choubey, Xiong y Wu, Georgia Tech y Salesforce AI Research, NAACL 2025. Traducción: "Una subpregunta central es central al tema principal y responde directa o parcialmente la pregunta principal. Es crucial para interpretar el razonamiento lógico de la pregunta principal."

Qué encontraron al evaluar motores reales

Que los tres distinguen bien: cubren más las subpreguntas core que las de background o follow-up. Pero ninguno recupera de forma consistente toda la información necesaria para las core, y aun cuando esa información ya estaba entre las fuentes citadas, muchas veces no llegó a la respuesta final. Dos hallazgos adicionales del mismo estudio: la cobertura de subpreguntas core predice con 82% de precisión cuál de dos respuestas prefiere un humano — más que pedirle directamente a un modelo que compare las dos respuestas, que llega a 71%. Y cuando un sistema RAG prioriza las subpreguntas core al momento de buscar información, la respuesta resultante le gana a la respuesta base —sin ese paso— hasta en un 74% de las comparaciones.

Qué podés hacer hoy

Descomponer tu propio tema antes de escribir, no después. Cuatro pasos concretos:

Analizá tu sitio gratis

Obtené tu score GEO sobre los ocho criterios con respaldo académico, incluida tu Cobertura de subpreguntas.

Hacer el análisis en nostosgeo.app