¿Qué tan precisa es la cuenta de calorías por foto? Lo que dice la investigación (2026)
Respuesta corta: una estimación basada solo en la foto cae, de media, dentro del 15–30 % del valor real; más cerca en un alimento simple, más lejos en platos combinados, salsas y todo lo que quede escondido debajo de otra cosa. Añadir una descripción breve por texto o por voz («pechuga de pollo, unos 150 g, con arroz») reduce ese error aproximadamente a la mitad. Es comparable o mejor que la estimación humana a ojo, y muy superior a no registrar nada. Pero sigue siendo una estimación, y cualquier aplicación que prometa más del 95 % de precisión en comidas reales está citando un laboratorio.
Por qué importa la pregunta
Toda publicidad de un contador con IA muestra un plato, una cámara y un número seguro. Los escépticos — nutricionistas, foros, gente que probó una aplicación y vio 380 kcal para un burrito — hacen la pregunta obvia: ¿cómo lo sabe?
No lo sabe. Estima, en cuatro pasos, y cada paso puede fallar. Entender esos pasos separa usar bien la herramienta de dejarse confundir por ella.
Cómo funciona en realidad
Casi todas las aplicaciones con cámara en 2026, incluida CalMePlease, siguen esta cadena:
- Segmentación. La imagen se divide en zonas: plato, fondo y cada alimento.
- Clasificación. Cada zona recibe un nombre: pollo a la plancha, arroz blanco, brócoli, salsa. Aquí se confunden los alimentos parecidos: muslo y pechuga, arroz y risotto, mantequilla y margarina.
- Estimación de la porción. El modelo adivina volumen o peso a partir de la imagen. La profundidad hay que deducirla de una foto plana, y eso es lo más difícil.
- Búsqueda de nutrientes. El alimento identificado y la porción estimada se cruzan con una base y se convierten en calorías y macros.
Los errores se suman. Un 10 % de desvío en la porción más una entrada equivocada para la salsa dan un 30 % de desvío final. Por eso dos aplicaciones pueden mirar el mismo plato y diferir en un tercio.
Lo que dicen los estudios
**Revisión sistemática, 2023 (Shonkoff y otros, Annals of Medicine).** Comparó la evaluación dietética por imagen con valores de referencia. El error relativo en calorías fue de menos del 1 % al 38 % según el estudio, menor en alimentos simples. Conclusión: los métodos con IA igualan y pueden superar la estimación humana, pero el resultado varía mucho según el conjunto de datos.
Nutrients, 2025. Probó un modelo de IA general actual con imágenes de comida. Solo imagen: unos 30,5 % de error porcentual absoluto medio. Imagen más una descripción breve de ingredientes: unos 13,9 %. El contexto redujo el error a menos de la mitad.
Fridolfsson y otros, 2025. Probaron ChatGPT, Claude y Gemini con 52 imágenes. El error en peso y energía fue de casi el 40 % en los dos mejores modelos y del 65–70 % en el tercero, con errores del 42 al 110 % en macronutrientes, siendo la proteína la peor. Los modelos generales sin una cadena específica para alimentos rinden claramente peor que las aplicaciones hechas para esto.
Comparativas independientes, 2026. Dos pruebas con seis aplicaciones cada una encontraron que las que se basan solo en foto tienen, como grupo, más error que los flujos que combinan entrada manual y código de barras, y que los platos combinados producen errores un 50–70 % mayores que los platos de un solo alimento. También hallaron que importa la dirección del error: unas se quedan cortas de forma sistemática y otras se pasan, y un sesgo constante es peor para el control del peso que el ruido aleatorio, porque no se compensa a lo largo de la semana.
Estudio colaborativo, 2018 (JMIR). Para calibrar: al pedir a 2 028 personas que estimaran calorías a partir de fotos, la persona media acertó dentro del 20 % en 5 de 20 casos. Los evaluadores entrenados igual. Los humanos también somos malos en esto.
De dónde viene el error, por peso
- Platos combinados. Curry, guiso, pasta con salsa, burrito. El modelo no ve la proporción de ingredientes ni el aceite.
- Calorías invisibles. Aderezo, aceite de cocción, mantequilla, azúcar en la salsa, crema en la sopa. Invisibles en una foto, a menudo 100–300 kcal.
- La profundidad de la porción. Un bol visto desde arriba es igual con 150 g de arroz que con 300.
- Alimentos gemelos. Yogur entero o desnatado, bebidas con o sin azúcar, cortes magros o grasos.
- Luz y ángulo. Poca luz empeora la clasificación; un ángulo cerrado empeora la porción.
Qué significan los porcentajes de precisión
Cuando una aplicación dice «90 % de precisión», pregunta: ¿sobre qué? Las pruebas de laboratorio usan fondo liso, buena luz, un alimento por plato y porciones conocidas. No es tu escritorio a mediodía. El rango honesto para un plato combinado real es del 15 al 30 %. Trata con escepticismo cualquier cifra por debajo del 5 % en comidas reales mientras la metodología no sea pública e independiente.
Las preguntas frecuentes de Cal AI hablan de un 80 %, que es una forma directa de decir ±20 %. Ese es el nivel de la categoría.
Cómo obtener el número más cercano
La investigación marca un camino claro, y CalMePlease está pensada para usarse así:
1. Añade una frase. Foto más «pechuga de pollo, arroz, como una taza, aceite de oliva» reduce el error casi a la mitad. En CalMePlease puedes decirlo por voz justo después de la foto.
2. Usa video en platos complejos. Dos segundos moviendo la cámara dan más ángulos que una toma cenital.
3. Usa el código de barras en productos envasados. Una etiqueta escaneada es exacta. No fotografíes una barrita de proteína: escanéala.
4. Corrige lo que sabes. Si la aplicación dice 200 g de arroz y sabes que eran 100, cámbialo.
5. Mira la tendencia, no la comida. Una estimación suelta puede fallar un 25 %. Una semana de estimaciones con error aleatorio converge en una cifra mucho más ajustada.
6. Mide algo más que calorías. Un 20 % de error en calorías molesta. Pasar por alto azúcar, fibra y sal — como hacen casi todas las aplicaciones de cuatro macros — es un punto ciego mayor. CalMePlease mide diez indicadores por comida, así que incluso un número imperfecto llega con el contexto que explica cómo te sientes.
¿Es suficiente precisión?
Para la mayoría, sí, con una condición: el objetivo es tomar conciencia y marcar una dirección, no la precisión de laboratorio.
Si necesitas acertar exactamente 1 847 kcal por un protocolo clínico, pesa la comida y usa una base. Si quieres saber que tus almuerzos van cargados de carbohidratos rápidos, que te faltan 30 g de proteína casi todos los días y que el azúcar del fin de semana duplica el de entre semana, una estimación por foto con una descripción breve sobra. Y es el único método que la mayoría mantiene más allá de la segunda semana.
El contador más preciso es el que sigues usando en el tercer mes.
Preguntas frecuentes
¿Sirve para bajar de peso? Sí. La pérdida de peso depende de un déficit constante durante semanas. Errores aleatorios del 15 al 25 % por comida se compensan en gran medida; lo importante es registrar cada comida, y con foto eso ocurre mucho más.
¿Cuál es la más precisa? No hay una comparación independiente que incluya todas. En las pruebas rinden mejor las que combinan foto con código de barras y texto y permiten corregir rápido. Pesar y escanear supera a todo, a costa de que la mayoría lo abandona.
¿De verdad ayuda añadir una descripción? Sí: los trabajos publicados muestran una caída del error de cerca del 30 % a cerca del 14 %.
¿Por qué falla con la comida de restaurante? Los platos de restaurante llevan aceite, mantequilla y azúcar que la cámara no ve, y las porciones son mayores de lo que parecen. Espera que se quede corta y añade una nota tipo «restaurante, probablemente aceitoso».
¿Puede contar calorías desde un video? Sí. El video aporta varios ángulos y mejora la estimación de la porción.
Relacionado: Las mejores aplicaciones para contar calorías con IA en 2026 · CalMePlease frente a Cal AI
CalMePlease registra comidas por foto, video, voz o código de barras y mide diez indicadores por comida. Gratis en el App Store.
