Dentro de Open Food Facts: lo que no dicen 4,6 millones de productos

Open Food Facts es la mayor base de datos abierta de alimentos del mundo y la construye gente voluntaria fotografiando envases en el supermercado. Es un bien público de verdad y nosotros dependemos de él. También se parece muy poco al catálogo terminado y uniforme que sugiere el marketing de las apps, y podemos enseñarte dónde están los huecos porque construir nuestra propia réplica obliga a leer todas y cada una de las filas.

Guardamos el archivo entero, así que tuvimos que leerlo entero

PlateLens no consulta a Open Food Facts cuando escaneas un código de barras. Reconstruye cada 30 días su propia réplica completa a partir de una instantánea fijada, y el escaneo lee esa copia. El motivo es poco glamuroso —la cena de nadie debería depender de que la API de un tercero esté despierta a las nueve de la noche—, pero tiene un efecto secundario que merece un artículo. Para construir la réplica hay que recorrer, interpretar y aceptar o rechazar con un motivo explícito absolutamente todas las filas. Cuando haces eso, acabas sabiendo cosas del conjunto de datos que su propio recuento de productos jamás te va a contar.

Los tres recuentos de la tabla siguiente son nuestra medición de una generación concreta: la instantánea de julio de 2026, leída de principio a fin. Describen ese archivo ese día. Open Food Facts incorpora productos de forma continua, así que las cifras se moverán, y esperamos que se muevan a favor del proyecto.

1.063.626 productos sin datos nutricionales

«Sin datos nutricionales utilizables» significa justo lo que parece. La ficha existe. Casi siempre tiene nombre, muchas veces marca y con frecuencia una foto de la parte delantera del envase. Lo que no tiene es una tabla nutricional que un programa pueda leer: ni valores por 100 g, ni valores por ración, nada con lo que escalar una cantidad. Casi una cuarta parte de la base de datos está en ese estado.

Esto no es un escándalo ni una chapuza. Es el aspecto que tiene el trabajo colaborativo visto desde dentro. Alguien en un pasillo del supermercado fotografía la parte de delante de un bote y la sube: treinta segundos de la vida de un desconocido donados a un conjunto de datos público, y con eso ya existe una ficha real, porque ese código de barras ya resuelve a un nombre y una marca. Darle la vuelta al envase, fotografiar la letra pequeña y teclear ocho cifras es otro nivel de esfuerzo. La parte delantera sale barata; la trasera es trabajo. Un millón de fichas son productos en los que alguien hizo lo barato y todavía nadie ha hecho el trabajo.

Por qué un recuento de productos no significa nada

Las apps de nutrición anuncian el tamaño de su base de datos igual que los fabricantes de móviles anuncian megapíxeles. Millones de alimentos. Todas las cadenas de restaurantes que se te ocurran. Es una cifra trivial de producir y casi nunca es la que querías.

Contar filas te dice cuántas filas hay. Lo que de verdad quieres saber es si la base de datos responde cuando escaneas lo que tienes en la mano. Son dos preguntas distintas, y en la instantánea que auditamos la distancia entre ambas mide 1.063.626 filas. Un catálogo puede estar vacío en una cuarta parte y seguir imprimiendo la cifra grande en la caja, porque la cifra grande es cierta.

Una afirmación honesta de cobertura necesita un denominador y una prueba: de los códigos de barras que la gente escaneó de verdad el mes pasado, este porcentaje devolvió un producto con tabla nutricional legible. Esa cifra tampoco te la podemos dar. Más abajo explicamos por qué, y es el párrafo más útil de esta página.

El hueco de la ración es el que te cambia las calorías

La ración —porción, en México— es lo segundo que puede faltarle a una ficha, y es lo que te cambia en silencio la cifra que apuntas. No la hemos contado sobre la instantánea entera, así que no tiene porcentaje en la tabla de arriba. Lo que sí tenemos es más pequeño y conviene decirlo exacto: en una muestra de 471 productos consultados contra la API en vivo de Open Food Facts el 26 de julio de 2026, todos ellos con calorías por 100 g, el 25,5 % no traía ninguna cantidad de ración. Es una muestra de un día, no un censo; pero basta para enseñar el mecanismo, y el mecanismo es lo que importa.

La tabla nutricional y la ración responden a preguntas distintas y un programa necesita las dos. La tabla dice cuánta energía hay en 100 gramos. La ración dice cuánto se come una persona de una sentada. Quita la segunda cifra y cualquier app que quiera registrar «un producto» tiene que inventarse una cantidad; y la invención que no exige pensar es tratar el envase entero como si fuera una ración.

Los envases no son raciones, y lo dicen las propias etiquetas de los fabricantes:

Registra un envase de Half Baked como «una ración» y habrás anotado 370 calorías donde había 1.110. No es un error de redondeo: es un factor de tres, y como nace de una regla y no de un despiste, se repite cada vez. Con las cremas para untar es peor, porque las cantidades plausibles están aún más separadas: el USDA da 598 kcal por 100 g para la crema de cacahuete suave —cacahuate o maní, según el país— y 191 kcal para su ración de dos cucharadas soperas, 32 g (USDA FoodData Central, FDC ID 172470). Un mismo producto, dos cantidades defendibles y un factor de tres entre ellas, antes siquiera de pensar en qué pasa si el programa se agarra al tamaño del bote.

Los tres helados de la tabla sí imprimen su ración, y cuando la etiqueta la imprime y alguien la teclea, nada de esto muerde. El caso que muerde es aquel en que nadie la tecleó, así que no hay nada que leer y la elección ocurre sin que la veas. Si ya registras calculando las cantidades a ojo en vez de pesarlas, este es exactamente el mismo problema disfrazado de código de barras.

2.988 cosas que no son códigos de barras

En el otro extremo está la categoría pequeña y humana. En la instantánea auditada, 2.988 identificadores quedan fuera de cualquier longitud válida de código de barras: cadenas numéricas mucho más largas que cualquier código de barras comercial, del tipo que sale cuando un campo se pega dos veces o cuando una celda de hoja de cálculo guarda una referencia interna en lugar de un EAN.

Nuestra réplica los excluye en vez de guardarlos, porque un identificador que jamás podrá coincidir con un escaneo no es un producto: es una fila que se quedaría en el catálogo para siempre haciendo que el total parezca mayor. Y hay que ser justos con el proyecto: 2.988 identificadores mal formados sobre 4.643.670 filas, en una base de datos en la que puede escribir cualquier persona del planeta, es una tasa notablemente baja. La comunidad es cuidadosa. Simplemente, no ha terminado.

La cifra que no vamos a publicar

Las apps de calorías anuncian tasas de acierto de su lector de códigos de barras. Un noventa y tantos por ciento, normalmente. Nosotros no publicamos ninguna, porque no podemos calcularla con honestidad, y merece la pena explicarlo con detalle.

Cuando un escaneo falla en PlateLens, el servidor registra el fallo: este código no se encontró, o el producto existe pero no tiene nutrición legible. Cuando un escaneo funciona, no se escribe absolutamente nada. Es deliberado. Un registro por cuenta de cada escaneo exitoso es una segunda copia del diario de comidas de alguien, y mantener una réplica del catálogo no requiere tenerla.

La consecuencia es que nuestro registro de fallos tiene numerador y no tiene denominador. Sabemos cuántos fallos hubo. No sabemos cuántos intentos. Un porcentaje construido sobre eso tendría la forma de una prueba y nada de su contenido, así que no lo construimos; y sugerimos con toda la amabilidad preguntarle a cualquiera que te cite una tasa de acierto cuál era su denominador y quién lo contó. Es la misma disciplina que aplicamos a las estimaciones de calorías gastadas: etiquetar la estimación y decir claramente qué no se midió.

Qué significa esto cuando escaneas

La conclusión no es que escanear códigos de barras esté roto. La mayoría de las veces la ficha está ahí, la tabla es correcta y escanear un envase sigue siendo la forma más rápida y más precisa de registrar comida envasada, muy por encima de calcularla a ojo. La conclusión es que esa ficha la hizo una persona y puede estar coja de dos formas concretas y comprobables.

Así que, después de escanear, mira la ración antes que las calorías. Si la app ha elegido una cantidad por ti, pregúntate si es la cantidad que de verdad te comiste. Esa sola mirada atrapa toda la familia de errores de la que trata este artículo, y es el hábito que conviene llevarse del primer mes contando calorías.

También es la razón por la que PlateLens mantiene la cantidad del envase y la ración como dos datos separados y nunca deja que uno haga de otro. Una botella de 500 ml es un envase; la app no va a ascenderla a ración en silencio porque la ficha se olvidara de decir qué era una ración, ni va a usar la cantidad del envase como denominador para escalar una tabla nutricional. Y cuando un código de barras no tiene nada que ofrecer —como les pasa a más de un millón de fichas de esta instantánea—, puedes recurrir a describir la comida con palabras o a fotografiar el plato, que es como se registra igualmente todo lo que nunca tuvo código de barras. Todo eso está en el plan gratuito, que tiene límites diarios.

Un apunte de mantenimiento: este artículo describe un conjunto de datos público, no una dieta. Nada de lo que hay aquí es consejo nutricional ni médico, y si vas a cambiar lo que comes por un motivo de salud, esa conversación es con tu médico o con un dietista-nutricionista colegiado (nutriólogo o nutrióloga con cédula profesional, en México).

Preguntas frecuentes

Los datos de este artículo proceden de Open Food Facts y están sujetos a la Open Database License (ODbL) v1.0. Puedes conocer el proyecto o colaborar en openfoodfacts.org.