La inteligencia artificial sigue teniendo un rendimiento inferior en áreas donde sobresale la intuición humana, como lo demuestra su lucha con una tarea aparentemente simple: identificar alimentos con precisión. A pesar de los avances en el reconocimiento de imágenes, las aplicaciones de nutrición basadas en inteligencia artificial calculan constantemente mal las comidas, lo que socava su promesa de realizar un seguimiento macroeconómico sin esfuerzo.
Esta semana, Victoria Song de The Verge probó la nueva función de nutrición de IA de Ladder, con la esperanza de encontrar una forma simplificada de registrar su desayuno previo al entrenamiento de gofres de proteína Kodiak, mantequilla de maní, miel y café helado. En cambio, la IA infló el recuento de calorías en más de un 100% e identificó erróneamente los ingredientes, lo que sugiere que consumió significativamente más comida que ella. Este no es un incidente aislado. Aplicaciones como Oura, January y MyFitnessPal presentan imprecisiones similares, ya que a menudo confunden ingredientes, juzgan mal las porciones o no reconocen platos étnicos.
El problema fundamental radica en la naturaleza misma del registro de alimentos. Si bien la IA puede distinguir entre categorías amplias (plátano versus manzana), falla en aspectos específicos (relleno dentro de los ravioles, tipo de salsa). Incluso cuando se corrigen, los usuarios dedican más tiempo a verificar los errores de la IA que ingresando datos manualmente. Esto niega la conveniencia deseada.
Más importante aún, la dependencia de la IA distrae la atención del tema central: el cambio dietético sostenible. La IA puede sugerir ajustes, pero no puede imponer cambios de comportamiento. El registro de alimentos es más eficaz como herramienta temporal para crear conciencia, no como una dependencia de por vida. El objetivo no es alcanzar objetivos arbitrarios, sino comprender los patrones alimentarios personales y fomentar el consumo consciente.
El modelo de negocio de las aplicaciones de salud incentiva el compromiso perpetuo. En lugar de empoderar a los usuarios para que se autorregulen, estas herramientas fomentan la dependencia al implicar que el éxito requiere un seguimiento constante. La verdadera información que la IA podría proporcionar no es el conteo de calorías, sino una retroalimentación honesta, ya sea celebrando una comida nutritiva o reconociendo un patrón de alimentación por estrés.
Actualmente, las funciones de nutrición de la IA son más frustrantes que útiles. En lugar de simplificar el proceso, crean una nueva capa de molestia que obliga a los usuarios a corregir errores sin sentido. Hasta que la IA pueda identificar los alimentos de manera confiable sin una supervisión constante, el mejor enfoque sigue siendo confiar en su propio criterio y, ocasionalmente, darse el gusto de disfrutar de una bolsa de Cool Ranch Doritos.
