¿Puedes fiarte de ChatGPT para controlar tu nutrición? Lo que dicen los estudios

Puedes usar ChatGPT para estimar qué lleva una comida, pero las pruebas publicadas dicen que no conviene fiarse solo de él. En tres estudios reconoció bien los alimentos, acertó las calorías con menos de un 10 % de diferencia en menos de la mitad de los alimentos que se le preguntaron y se equivocó en las raciones a medida que los platos crecían. Además, no lleva un diario de comidas propio: ni totales diarios que puedas ver en una gráfica, ni objetivos que se ajusten, ni tendencia de peso. La pregunta útil no es si usar ChatGPT para la nutrición, sino con qué combinarlo.

Calorías con menos de un 10 % de error

del 39 al 47 % de 222 alimentos, ChatGPT-3.5 y 4

Alimentos reconocidos en fotos

el 93 % en 114 comidas

Nutrientes con más de un 10 % de error

13 de 16 en el estudio con fotos

PlateLens, medido sobre platos

error calórico medio del 1,1 % en 180 comidas pesadas, Dietary Assessment Initiative

Lo que encontraron los estudios

Calorías de alimentos sueltos. Un equipo de Taiwán pidió a ChatGPT-3.5 y ChatGPT-4 las calorías y los macros de 222 alimentos de ocho menús y comparó las respuestas con los valores de una nutricionista. Las calorías quedaron a menos de un 10 % en entre el 39 y el 47 % de los alimentos, según la versión y el idioma de la pregunta. Las respuestas fueron coherentes al repetir la misma pregunta, y ChatGPT-4 sobrestimó la proteína (Hoang et al., JAMA Network Open, 2023).

Una tolerancia más amplia. Un segundo estudio comparó los valores de ChatGPT con los datos del USDA y encontró que el 97 % de sus cifras de calorías quedaba a menos de un 40 % de la referencia; las comidas de los planes diarios que redactó quedaron a menos de un 30 % de sus calorías según el USDA. Los autores lo consideran razonablemente preciso para planificar (Haman et al., Nutrition, 2024). Para un diario de comidas es un margen amplio: el 40 % de una cena de 600 calorías son 240 calorías, cerca de la mitad de un déficit diario habitual.

Comidas a partir de fotos. El tercer estudio subió 114 fotos de comidas de una encuesta nacional de dieta. ChatGPT-4 identificó los alimentos con una precisión del 93 % y estimó bien el peso de las comidas pequeñas, pero sus pesos para las medianas y grandes no coincidieron con los reales. Se desvió más de un 10 % en 13 de 16 nutrientes y se quedó corto en 11 de ellos (O’Hara et al., Nutrients, 2025).

Los tres probaron versiones anteriores de ChatGPT. Un modelo más nuevo no es automáticamente un modelo medido, así que esta es la mejor evidencia publicada, no la última palabra.

Dónde se desvían los números de ChatGPT

• La ración. El estudio con fotos encontró el desfase justo donde está la mayoría de los platos: las raciones medianas y grandes. Acertar el alimento y equivocarse en la cantidad da un total seguro de sí mismo y equivocado.
• La grasa que nadie menciona. El aceite de la sartén, la mantequilla de las verduras y el aliño de la ensalada rara vez se ven en una foto o aparecen en una descripción, y son las entradas que más a menudo faltan, como explicamos en por qué se estanca un déficit calórico.
• La descripción. «Un plato de pasta» puede ser una ración o tres. La estimación es tan concreta como lo que escribes.
• El registro. Una conversación no es un diario. Los totales viven en un chat, no en un registro que puedas corregir, ver en una gráfica o promediar por semana, y nada los conecta con la tendencia de tu peso.

Qué arregla una base de datos verificada, y qué no

El argumento habitual contra ChatGPT, que plantea Cronometer entre otros, es que no tiene una base de datos de alimentos verificada. Es justo, y una base de datos curada, como la de Cronometer, acierta cada ficha. Pero el estudio con fotos muestra dónde está el resto del error: ChatGPT nombró bien el 93 % de los alimentos y aun así falló en 13 de 16 nutrientes, porque el error estaba en cuánto, no en qué. Una ficha verificada registrada con la ración equivocada, o sin el aceite, arrastra el mismo error. Un diario de comidas es tan preciso como la ración y la grasa que entran en él.

Cómo usar ChatGPT para la nutrición sin fiarte solo de él

1. Lleva el registro en una app que guarde cada comida con su ración y su grasa de cocción, y que lleve los totales diarios, los objetivos y la tendencia de tu peso.
2. Usa ChatGPT para lo que hace bien: preguntas, ideas de comidas, cambios para subir la proteína, explicar una etiqueta. Sus respuestas son coherentes, algo que sirve más para explicar que para contar con exactitud.
3. Toma cualquier número que te dé para una comida como una primera estimación y registra la ración que de verdad comiste.
4. Conecta las dos cosas, para que ChatGPT responda desde tu diario real y no desde una descripción de una línea. Cómo contar calorías con ChatGPT explica la configuración.

Dónde encaja PlateLens

Los estudios de arriba fallaron en los mismos sitios: la ración y la grasa que nadie menciona. PlateLens registra el plato mismo desde una foto o una frase como «salmón, una taza de arroz y una cucharada de aceite de oliva», y una corrección con tus palabras, como «el arroz eran dos tazas», actualiza la entrada. El plugin de PlateLens para ChatGPT le da después a ChatGPT acceso de solo lectura a ese diario, con tus comidas, tus objetivos, la tendencia de tu peso y tu balance energético, así que sus respuestas salen de lo que registraste. Las estimaciones detrás de ese diario las han medido otros: el estudio de validación publicado por el Dietary Assessment Initiative encontró un error calórico medio del 1,1 % en 180 comidas pesadas, y el banco de código abierto Foodvision Bench lo reprodujo con otras 231 en su clasificación pública de GitHub.

Preguntas Frecuentes

De dónde sale esto

• Hoang YN, Chen YL, Ho DKN et al. Consistency and accuracy of artificial intelligence for providing nutritional information. JAMA Network Open, 2023.
• Haman M, Školník M, Lošťák M. AI dietician: unveiling the accuracy of ChatGPT’s nutritional estimations. Nutrition, 2024.
• O’Hara C et al. An evaluation of ChatGPT for nutrient content estimation from meal photographs. Nutrients, 2025.
• Medición independiente de PlateLens: el estudio de validación de seis apps del Dietary Assessment Initiative (180 comidas pesadas) y el leaderboard mini-231 de Foodvision Bench.
• La ficha del plugin de PlateLens en el directorio de plugins de ChatGPT; configuración y permisos: Usar PlateLens en ChatGPT.