Haces una foto al plato y la app te da las calorías. Contar calorías con una foto hace que registrar las comidas sea rapidísimo, y eso es una ventaja real. Pero ¿cuánto se parece ese número a lo que de verdad tienes en el plato? Los investigadores ya han empezado a medirlo, y la respuesta es útil en cuanto entiendes de dónde salen los errores.
La respuesta corta: las apps con inteligencia artificial aciertan bastante al reconocer qué comes, pero mucho menos al calcular cuánto. En estudios controlados, los modelos de IA generales estimaron las calorías de una foto de comida con un error medio de alrededor del 35%, y suelen quedarse cortos con las raciones grandes y los alimentos grasos. Corregir la ración y añadir el aceite o la salsa que no se ven cierra buena parte de la diferencia.
Qué dicen los estudios
Estas son las pruebas más relevantes hasta ahora. Usaron métodos distintos, así que compara las tendencias más que las cifras exactas.
| Estudio | Qué se probó | Resultado principal |
|---|---|---|
| Fridolfsson y colaboradores, 2025 | ChatGPT-4o, Claude 3.5 Sonnet y Gemini 1.5 Pro con 52 fotos de alimentos pesados | Error medio en calorías del 35,8% para ChatGPT y Claude y del 64,2% para Gemini. Todos subestimaban más cuanto mayor era la ración. |
| O’Hara y colaboradores, 2025 | ChatGPT-4 con 114 fotos de comidas de una encuesta nacional de alimentación | Alimentos identificados correctamente en el 93% de los casos. Peso de la ración errado un 27,8% de media: las comidas grandes se estimaron en unos 530 g en lugar de unos 800 g. |
| Prueba de los NIH presentada en NUTRITION 2026 (preliminar) | Cuatro apps de fotos con 102 comidas preparadas en una cocina metabólica | Calorías subestimadas entre unas 250 y 345 kcal por comida de media, grasa en unos 30 g. Las comidas ricas en grasa fueron las más difíciles. |
| Martin y colaboradores, 2012 | Fotos analizadas por personal formado (Remote Food Photography Method) | Comidas de laboratorio a un 1% del peso real; ingesta diaria a un 4% del gasto energético medido. |
Hay dos cosas que llaman la atención. Primero, el problema no es la foto: cuando personas formadas analizaban las fotos con cuidado, el método era muy preciso. Segundo, las estimaciones automáticas pierden precisión justo donde las raciones crecen y la grasa se esconde.
Hay un detalle del estudio sobre ChatGPT que conviene conocer. Con la media de las 114 comidas, la energía total estimada fue casi exacta (0,1% de diferencia), porque los excesos y los defectos se compensaban. En una comida concreta, en cambio, el error podía ser grande. A lo largo de semanas, los errores que van en ambas direcciones se compensan en parte. Los que siempre van hacia el mismo lado (como olvidar el aceite) no.
También hicimos nuestra propia prueba con 68 platos pesados en laboratorio y dos modelos de IA. El patrón fue el mismo: los modelos acercaban cada plato a una comida media, sobrestimando los tentempiés pequeños y subestimando los platos grandes. Mira los resultados completos de nuestra prueba.
Por qué la IA falla con las raciones
Una foto es plana. El modelo tiene que adivinar profundidad, densidad y peso a partir de una imagen en dos dimensiones, y varias cosas lo complican:
- El volumen. Un filete grueso y uno fino pueden parecer iguales desde arriba. Un plato hondo de lentejas parece igual que uno llano.
- La grasa oculta. El aceite de la sartén, el sofrito, el aliño absorbido por la ensalada. La grasa es el nutriente con más calorías (9 kcal por gramo) y muchas veces no se ve.
- Los platos combinados. Paella, cocido, lasaña o batidos esconden sus ingredientes, así que el modelo tiene que suponer una receta.
- Los platos grandes. Los estudios de Fridolfsson y de O’Hara (2025) vieron que la subestimación crece con la ración. Las raciones pequeñas y sencillas se estimaron mucho mejor.
En qué acierta la IA
No todo son malas noticias. Las apps con IA son buenas en:
- Reconocer alimentos. Un 93% de precisión en el estudio sobre ChatGPT.
- Alimentos sencillos y sueltos. Un plátano, una manzana o una rebanada de pan se reconocen fácilmente y tienen tamaños estándar. (Si te interesa, aquí tienes las calorías de un plátano según su tamaño.)
- Ordenar las comidas. Aunque la cifra exacta fallara, las estimaciones se correlacionaban bien con los valores reales (0,73 para la energía en el estudio sobre ChatGPT), así que la app distingue igualmente una comida pesada de una ligera.
- La rapidez. Registrar en segundos significa que de verdad lo haces, todos los días.
¿Es peor que contar calorías a mano?
No realmente. Contar a mano también tiene puntos ciegos. En un estudio clásico del New England Journal of Medicine, personas que no conseguían adelgazar con una dieta que decían de menos de 1200 kcal en realidad comían mucho más: declaraban alrededor de un 47% menos de lo que comían, mientras que su metabolismo era normal.
Los investigadores suecos que probaron los tres modelos de IA concluyeron que los mejores alcanzan una precisión comparable a la de los registros tradicionales, pero sin el esfuerzo. Es un buen resumen: la IA no es una báscula de laboratorio, pero tu memoria tampoco.
Un ejemplo práctico
Imagina que de verdad comes 2100 kcal al día y que la app se queda corta un 30% solo en la cena:
| Comida | Calorías reales | Registradas con foto |
|---|---|---|
| Desayuno (tostada con tomate y aceite, café con leche) | 450 kcal | 440 kcal |
| Comida (bocadillo, manzana) | 650 kcal | 610 kcal |
| Cena (pasta con tomate y aceite) | 1000 kcal | 700 kcal |
| Total | 2100 kcal | 1750 kcal |
La diferencia es de 350 kcal al día, casi todo un déficit típico para adelgazar. Ahora añade “1 cucharada de aceite de oliva” y ajusta la pasta a la cantidad que de verdad te serviste. La cena vuelve a acercarse a las 1000 kcal y el registro vuelve a ser útil. Te ha llevado diez segundos.
Cómo conseguir estimaciones más precisas con una foto
- Haz la foto desde arriba, con todo el plato dentro y un tenedor o tu mano cerca como referencia.
- Añade lo que la cámara no ve: aceite de cocinar, mantequilla, aliños, azúcar en el café.
- Revisa la ración en platos grandes o combinados y corrígela si te parece baja.
- Escanea el código de barras de los productos envasados en lugar de fotografiarlos: la etiqueta es más fiable que cualquier estimación. Nuestra guía sobre la app para contar calorías con código de barras muestra cuánto se acercan los valores escaneados al envase.
- Pesa los básicos durante una semana. Pasta, arroz, cereales y frutos secos. Cuando tu ojo sabe cómo son 80 g de pasta en crudo, tus correcciones mejoran.
- Fíate de la tendencia, no de un solo día. Si tu peso no se mueve en dos o tres semanas, baja un poco el objetivo en lugar de dudar de cada registro.
Con BananaCal puedes hacer todo esto en un solo sitio: haces una foto, escaneas un código de barras o simplemente escribes o dices “más una cucharada de aceite” y la estimación se actualiza.
¿Importa tanto la precisión perfecta?
Menos de lo que crees. Una revisión sistemática de estudios sobre pérdida de peso encontró una relación constante entre llevar un registro de lo que comes y adelgazar. El beneficio viene de hacerlo con regularidad, no de acertar cada gramo. Elige un método lo bastante rápido como para usarlo siempre, corrige los grandes errores sistemáticos (aceite, raciones, bebidas) y deja que la tendencia de tu peso te diga si tu objetivo es el correcto.
Si todavía no tienes ese objetivo, usa nuestra calculadora de calorías y lee cuántas calorías comer para adelgazar. Controlar también la proteína ayuda, y las apps con IA suelen estimar mejor la proteína que la grasa.
Resumen rápido
- Las apps con IA reconocen bien los alimentos, pero subestiman las raciones, sobre todo las grandes y grasas.
- En un plato complejo sin correcciones, cuenta con un error de alrededor de un tercio.
- Añade siempre a mano el aceite, la mantequilla, las salsas y las bebidas.
- Para productos envasados, usa el código de barras.
- La constancia gana a la precisión: registra cada día y ajusta según la tendencia de tu peso.