¿Confías en la IA para contar tus calorías? Un estudio revela que podrías estar comiendo un 30% más de lo que crees
El hábito de apuntar la cámara al plato antes de dar el primer bocado se ha vuelto rutina para miles de personas. La promesa de las aplicaciones móviles impulsadas por inteligencia artificial es tentadora: te ahorran el trabajo pesado de pesar el pollo, medir el aceite y buscar cada ingrediente en una base de datos. Sin embargo, delegar tu nutrición a un algoritmo visual tiene un margen de error considerablemente alto.
| Nota sugerida: Cómo elegir la zapatilla deportiva correcta. |
La ilusión del escaneo perfecto
Un estudio reciente liderado por investigadores de los Institutos Nacionales de Salud (NIH) de Estados Unidos puso a prueba las herramientas de reconocimiento de imagen más populares del mercado. Las conclusiones son tajantes: la mayoría de estas aplicaciones subestima las calorías y las grasas en un tercio (hasta un 33%) respecto al contenido real del plato.
El problema principal radica en lo que la cámara no puede ver. La visión por computadora identifica con relativa facilidad los elementos evidentes —una pechuga de pollo, una porción de arroz o un trozo de brócoli—, pero es incapaz de calcular con precisión la densidad energética oculta:
- Aceites y grasas invisibles: El aceite de oliva utilizado para saltear, la mantequilla en un puré o los aderezos integrados son imperceptibles para un sensor fotográfico.
- Profundidad y volumen: La perspectiva tridimensional se pierde en una foto bidimensional, lo que provoca fallos severos al calcular la masa real del alimento.
- Composición interna: La proporción de grasa en una corte de carne picada o el relleno de un preparado no se pueden auditar a simple vista.
Consecuencias directas en tus objetivos nutricionales
Si tu meta es la pérdida de grasa o el control metabólico, una desviación sistemática del 30% desbarata cualquier planificación. Creer que estás consumiendo 1.800 calorías cuando en realidad ingieres cerca de 2.400 elimina el déficit calórico por completo, provocando el estancamiento y la frustración del usuario.
Estas aplicaciones funcionan bien como un diario visual cualitativo para registrar qué comes, pero utilizarlas como una herramienta métrica exacta es, hoy por hoy, un riesgo nutricional.
Fuentes consultadas:
- National Institutes of Health (NIH) – Research Studies on AI Nutrition & Caloric Estimation Accuracy.
- Infobae – Reportes sobre tecnología aplicada a la salud y nutrición digital.
¿Sueles usar este tipo de aplicaciones en tu día a día o prefieres el método tradicional de báscula y registro manual? Déjanos tu comentario abajo y suscríbete al newsletter de FIIIT para no perderte ningún análisis sobre tecnología, rendimiento y salud real.