리서치 2026년 9월 · 6분 분량

왜 중요한 질문인가요

AI 앱 광고에는 늘 접시와 카메라와 자신 있는 숫자가 나와요. 영양사, 커뮤니티, 앱을 써보고 부리토에 380kcal이 뜨는 걸 본 사람들은 당연한 질문을 해요. 어떻게 아느냐고요.

몰라요. 네 단계로 추정하고, 각 단계마다 틀릴 수 있어요. 이 단계를 아는지가 도구를 잘 쓰는 것과 숫자에 휘둘리는 것의 차이를 만들어요.

실제로 어떻게 동작하나요

2026년 CalMePlease를 포함한 거의 모든 사진 기반 앱은 이런 흐름이에요.

1. 영역 분할. 이미지를 접시, 배경, 개별 음식으로 나눠요.
2. 분류. 각 영역에 이름을 붙여요. 구운 닭고기, 흰쌀밥, 브로콜리, 소스. 비슷하게 생긴 음식이 헷갈리는 지점이에요. 닭다리와 닭가슴, 밥과 리소토, 버터와 마가린.
3. 분량 추정. 이미지에서 부피나 무게를 추측해요. 깊이를 평면 사진에서 유추해야 해서 가장 어려워요.
4. 영양 조회. 인식한 음식과 추정 분량을 영양 데이터베이스와 맞춰 칼로리와 탄단지로 펼쳐요.

오차는 쌓여요. 분량에서 10% 어긋나고 소스의 데이터 항목이 틀리면 최종 숫자가 30% 어긋나요. 같은 접시를 본 두 앱이 3분의 1씩 차이 나는 이유예요.

연구가 말하는 것

**체계적 문헌고찰, 2023년(Shonkoff 외, Annals of Medicine).** 이미지 기반 AI 식이 평가를 기준값과 비교했어요. 칼로리 상대 오차는 연구에 따라 1% 미만에서 38%까지였고, 단품이나 단순한 음식에서 오차가 작았어요. 결론은 AI 방식이 사람의 추정과 같거나 나을 수 있지만 데이터셋에 따라 성능 차이가 크다는 것이었어요.

Nutrients, 2025년. 최신 범용 AI 모델을 음식 이미지로 검증했어요. 이미지만: 평균 절대 백분율 오차 약 30.5%. 이미지에 재료에 대한 짧은 설명을 더한 경우: 약 13.9%. 맥락이 오차를 절반 이하로 줄였어요.

Fridolfsson 외, 2025년. ChatGPT, Claude, Gemini를 음식 이미지 52장으로 직접 검증했어요. 무게와 열량 오차는 상위 두 모델이 40% 조금 아래, 세 번째는 65~70%였고, 영양소 오차는 42~110%로 단백질이 가장 나빴어요. 음식 전용 처리 없이 범용 언어 모델만 쓰면 전용 앱보다 확연히 떨어져요.

독립 앱 검증, 2026년. 각각 여섯 개 앱을 대상으로 한 두 건의 검증에서, 사진만 쓰는 앱들은 수동 입력과 바코드를 함께 쓰는 방식보다 오차가 컸고, 섞인 요리는 단품 접시보다 50~70% 큰 오차를 냈어요. 또 오차의 방향이 중요하다는 점도 확인됐어요. 어떤 앱은 만성적으로 낮게, 어떤 앱은 높게 잡는데, 한쪽으로 치우친 편향은 한 주가 지나도 상쇄되지 않아 체중 관리에는 무작위 오차보다 나빠요.

집단 참여 연구, 2018년(JMIR). 기준을 잡기 위해: 2,028명에게 음식 사진으로 칼로리를 추정하게 했더니 평균적인 사람이 실제값의 20% 안에 든 건 20번 중 5번이었어요. 훈련받은 평가자도 같았어요.

오차는 어디서 오나요

1. 섞인 요리. 카레, 찌개, 볶음, 소스를 곁들인 파스타, 부리토. 재료 비율도 기름 양도 모델은 못 봐요.
2. 보이지 않는 칼로리. 드레싱, 조리유, 버터, 소스의 설탕, 국물의 크림. 사진에는 안 보이고 흔히 100~300kcal이에요.
3. 분량의 깊이. 그릇을 위에서 보면 밥이 150g이든 300g이든 똑같아 보여요.
4. 닮은 음식. 일반 요구르트와 저지방, 가당과 무가당, 살코기와 지방이 많은 부위.
5. 빛과 각도. 어두우면 분류가 나빠지고, 각도가 가파르면 분량 추정이 나빠져요.

정확도 표시가 뜻하는 것

앱이 「정확도 90%」라고 하면 무엇에 대해서인지 물어보세요. 실험실 검증은 단색 배경, 좋은 조명, 접시당 한 가지 음식, 알려진 분량을 씁니다. 점심시간 책상 위와는 달라요. 실제로 섞인 요리에 대한 정직한 범위는 15~30%예요. 방법이 공개되고 독립적으로 검증되지 않았다면 실제 식사에서 5% 미만이라는 숫자는 의심하는 게 좋아요.

Cal AI의 FAQ는 약 80%라고 밝혀요. ±20%라고 솔직하게 말한 셈이고, 그게 이 분야의 수준이에요.

가장 가까운 숫자를 얻는 방법

1. 한 문장을 더하세요. 사진에 「닭가슴살, 밥 한 공기 정도, 올리브유」를 더하면 오차가 거의 절반이 돼요. CalMePlease에서는 사진 직후 9개 언어 중 하나로 말하면 돼요.

2. 복잡한 접시는 영상으로. 2초 정도 훑으면 위에서 찍은 한 장보다 많은 각도를 얻어요.

3. 포장 식품은 바코드로. 읽어들인 표시는 정확해요. 프로틴 바는 찍지 말고 스캔하세요.

4. 아는 건 고치세요. 앱이 밥 200g이라고 했는데 100g인 걸 안다면 바꾸세요.

5. 한 끼가 아니라 흐름을 보세요. 개별 추정은 25% 어긋날 수 있어요. 무작위 오차가 섞인 한 주치는 평균이 나면서 훨씬 좁은 숫자로 모여요.

6. 칼로리 말고도 세세요. 칼로리 20% 오차는 성가신 정도예요. 당·식이섬유·나트륨을 통째로 놓치는 게 — 탄단지 네 개만 보는 앱 대부분이 그래요 — 더 큰 사각지대예요. CalMePlease는 한 끼당 열 가지를 세기 때문에, 완벽하지 않은 칼로리 숫자에도 컨디션을 설명해 주는 맥락이 따라와요.

충분히 정확한가요

대부분의 사람에게는 충분해요. 다만 조건이 하나 있어요. 목표가 실험실 수준의 정밀함이 아니라 알아차림과 방향이라는 점이에요.

임상 프로토콜 때문에 정확히 1,847kcal을 맞춰야 한다면 음식을 재고 데이터베이스를 쓰세요. 점심에 빠른 탄수화물이 많다는 것, 대부분의 날에 단백질이 30g 부족하다는 것, 주말 당이 평일의 두 배라는 것을 알고 싶은 거라면 짧은 설명을 곁들인 사진 추정으로 충분하고도 남아요. 그리고 그것이 대부분의 사람이 2주차 이후에도 이어가는 유일한 방법이에요.

가장 정확한 앱은 3개월째에도 여전히 쓰고 있는 앱이에요.

자주 묻는 질문

다이어트에 쓸 만한 정확도인가요? 그래요. 체중 감량은 몇 주에 걸친 일정한 적자로 결정돼요. 끼니당 15~25%의 무작위 오차는 대체로 상쇄돼요. 중요한 건 매 끼니를 기록하는 것이고, 사진이면 그럴 가능성이 훨씬 높아져요.

가장 정확한 앱은 뭔가요? 모든 앱을 포함한 독립 비교는 없어요. 여러 검증을 보면 사진에 바코드와 텍스트를 결합하고 빠르게 고칠 수 있는 앱이 더 좋은 성적을 내요.

설명을 더하면 정말 나아지나요? 나아져요. 발표된 연구에서 재료에 대한 짧은 설명으로 오차가 약 30%에서 약 14%로 떨어졌어요.

외식 음식에서 왜 어긋나나요? 외식에는 카메라에 안 보이는 기름, 버터, 설탕이 들어 있고 분량도 보이는 것보다 많아요. 낮게 나올 거라 보고 「외식, 기름 많을 듯」 같은 메모를 더하세요.

영상으로도 칼로리를 계산할 수 있나요? 할 수 있어요. 영상은 여러 각도를 주기 때문에 분량 추정이 좋아져요.

---

함께 읽기: 2026년 AI 칼로리 계산 앱 추천 7가지 · CalMePlease와 Cal AI 비교

CalMePlease는 사진·영상·음성·바코드로 식사를 기록하고 한 끼당 열 가지를 측정해요. App Store에서 무료.