¿Qué Precisión Tienen Realmente los Escáneres de Calorías?

Toda herramienta de calorías sugiere una precisión que no tiene. Un número como 187 parece medido. No lo es: es el final de una cadena de aproximaciones, cada una con su propio error, y conocer el tamaño de cada una es lo que te permite usar la cifra con sentido en lugar de creértela a ciegas o descartarla del todo.

Los tres métodos, ordenados

La última fila es la importante y la que la gente pasa por alto. La ingesta autodeclarada no es simplemente imprecisa: está sesgada. Décadas de investigación con agua doblemente marcada —el patrón de referencia para medir el gasto energético real— encuentran que las personas subestiman entre un 20 y un 40 %, y la subestimación es mayor precisamente en los alimentos que más te interesaría registrar.

Lo cual replantea la pregunta. Una estimación de IA que se desvía un 20 % en una dirección impredecible no es peor que una estimación humana que se desvía un 30 % en una dirección predecible. Es mejor, porque el error sin sesgo se compensa a lo largo de una semana y el error sesgado no.

Por qué ni siquiera un escaneo de código de barras es exacto

Un escaneo devuelve la tabla declarada por el fabricante. Es la mejor cifra accesible a un consumidor, y aun así arrastra tres fuentes de error.

Las etiquetas pueden equivocarse legalmente

Tanto la normativa estadounidense como la europea toleran en torno a un 20 % de desviación entre los valores declarados y los reales para la mayoría de nutrientes. Un producto que declara 200 calorías puede contener legalmente 240. No es un resquicio: el contenido de nutrientes varía de verdad entre lotes de comida real.

Los redondeos se acumulan

Las etiquetas estadounidenses pueden declarar 0 g de grasa para cualquier cosa por debajo de 0,5 g por ración. A lo largo de cuatro raciones eso son hasta 18 calorías ocultas de una sola línea de una sola etiqueta. Insignificante una vez; no tanto a lo largo de un día de comida procesada.

La reformulación va por delante de la base de datos

Los fabricantes cambian recetas sin cambiar el código de barras. Una ficha colaborativa puede describir la versión del año pasado. Cuando el paquete que tienes en la mano no coincide con el escaneo, el paquete tiene razón.

Dónde fallan realmente las estimaciones por foto

Probamos nuestro propio escáner contra comidas pesadas, y los fallos no fueron aleatorios: se agruparon en cuatro categorías que ninguna mejora del modelo arreglará, porque la información no está en la fotografía.

Grasa de cocción invisible. El grande. Una pechuga de pollo hecha a la sartén con dos cucharadas de aceite parece una a la plancha y lleva unas 240 calorías más. Toda herramienta basada en fotos subestima la comida frita.

Capas ocultas. Arroz bajo un curry, una segunda rebanada de pan, mantequilla ya derretida dentro de una patata. Un solo punto de vista no puede ver a través de la comida.

Confusión de densidad. Un cruasán y un panecillo ocupan un espacio parecido y se diferencian en torno a un 40 %, porque uno está laminado con mantequilla. Una ensalada aliñada frente a una sin aliñar tiene el mismo problema.

Recipientes opacos. Una taza son 2 calorías de café solo o 120 de café con leche, y la fotografía es idéntica.

Tres de esos cuatro se arreglan con una nota corta junto a la foto. «Frito en mantequilla, con arroz debajo» mueve una estimación más que cualquier cámara mejor.

El error que nadie cuenta: la porción

Aquí viene la parte incómoda. Todo lo anterior queda empequeñecido por un fallo que no tiene nada que ver con la tecnología.

Las bases de datos guardan por 100 g. Si aceptas la ración declarada de una etiqueta sin comprobar cuánto pesa, puedes equivocarte en un 100 %. Una caja de cereales declara 30 g; un bol real son 60–80 g. Eso no es un error del 20 %: es el doble.

En la práctica, el error de porción supera a todas las demás fuentes juntas para la mayoría de la gente. Lo que significa que lo más valioso que puedes hacer no es elegir una app mejor: es comprobar la cifra en gramos que la app ha supuesto. Esa es exactamente la razón por la que nuestro escáner te muestra la porción supuesta en lugar de esconderla tras un número de calorías limpio.

¿Cuánto se equivoca entonces un día registrado?

Para alguien que escanea comida envasada, pesa de vez en cuando y fotografía el resto, una cifra realista es ±15 % en el total diario: unas 300 calorías en un día de 2.000.

Suena demoledor hasta que piensas para qué sirve registrar. No estás intentando medir un día. Estás intentando responder preguntas como «¿estoy comiendo más de lo que creo?» y «¿de dónde viene?». Ambas sobreviven a un error del 15 % sin problema. Un hábito de 600 calorías a media tarde aparece sin lugar a dudas lo registres como 600 o como 700.

Lo que no sobrevive a ese error es el ajuste fino. Si estás cambiando tu ingesta en 100 calorías a partir de datos registrados, estás reaccionando a ruido.

Cómo equivocarse menos, por orden de retorno

1. Comprueba la porción. La mayor ganancia individual, y cuesta dos segundos.
2. Pesa la comida durante una semana. No para siempre. Te calibra el ojo de forma más o menos permanente.
3. Registra el aceite de cocina. El artículo menos registrado en la cocina casera, a 120 calorías por cucharada.
4. Regístralo todo, incluidos los días malos. Registrar solo una parte sesga a la baja, porque los artículos omitidos son los densos.
5. Escanea en lugar de buscar. Elimina el error de selección, que es mayor que el error aritmético.
6. Usa medias semanales. El error aleatorio se cancela en siete días. El sesgo no, y por eso los puntos anteriores van primero.

El resumen honesto

Contar calorías es una herramienta de dirección, no un instrumento de medida. Es excelente mostrando patrones y mala diciéndote cifras exactas, y casi toda la frustración con ello viene de esperar lo segundo.

Trata la cifra como «unas 190» en vez de 187, mira la semana en lugar del día, y comprueba la porción. Eso es casi toda la precisión disponible, y es suficiente.

Pruébalo con algo de tu cocina usando el escáner de calorías, y lee la página del escáner de calorías con IA para más detalle sobre dónde fallan las estimaciones por foto.