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