En resumen: una entrada más específica reduce las suposiciones evitables, pero ninguna descripción ni imagen hace que una comida estimada sea exacta. · Unos 8 min de lectura
Qué significa el resultado
Un registro de comida de KnowsYou es una aproximación estructurada de lo que has indicado. Puede contener alimentos individuales, una cantidad estimada y estimaciones disponibles de calorías, proteínas, carbohidratos, grasas y fibra. No es un análisis químico de la comida y no establece con exactitud qué has consumido.
El valor principal es la entrada del diario: conservar qué, cuándo y aproximadamente cuánto has comido para que puedas repasar el día. Las cifras nutricionales añaden contexto, pero no deben tratarse como más precisas que la información usada para crearlas.
Una cifra que parece detallada puede proceder de una identificación de alimentos o una suposición de porciones incierta. La precisión mostrada no es lo mismo que la exactitud de la medición.
Datos de entrada que puede usar la estimación
El agente trabaja con la información de tu mensaje y con cualquier imagen actual que le pidas usar. Los datos de entrada útiles pueden incluir:
- Nombres de alimentos y bebidas en lenguaje corriente.
- Una cantidad indicada, como gramos, mililitros, piezas, raciones o tamaño del envase.
- Ingredientes, marca, receta, método de preparación, salsas y grasas de cocción.
- Alimentos visibles e indicios relativos de porciones en una foto adjunta.
- Una corrección que aportes tras revisar el primer registro.
Las cantidades y los datos nutricionales proporcionados por el usuario son más útiles que las conjeturas visuales, pero el agente puede malinterpretar lo que has escrito. Compruébalos en el registro guardado.
El flujo de estimación
El flujo de trabajo actual sigue cuatro etapas prácticas:
Divide la comida en probables alimentos y bebidas usando tu descripción y, cuando se aporten, indicios visibles de la imagen.
Usa las cantidades que hayas indicado. Cuando falte una cantidad, infiere una porción aproximada a partir del contexto disponible.
Genera una estimación nutricional aproximada por alimento y calcula los totales guardados de la comida a partir de esos alimentos.
Muestra el registro guardado para que puedas sustituir un alimento, una cantidad, un ingrediente, una hora o una etiqueta de comida incorrectos mediante la conversación.
Este es un proceso de estimación con IA, no un procedimiento de laboratorio. KnowsYou no publica un porcentaje de precisión universal porque el error varía sustancialmente según la comida y la calidad de los datos introducidos.
Lo que una foto de una comida no puede revelar
Una imagen bidimensional puede sugerir alimentos y tamaños relativos. Normalmente no puede determinar la masa, el volumen o la composición exactos. Entre las incógnitas importantes suelen figurar:
- El peso, la profundidad de la ración y los alimentos ocultos debajo de otros.
- El aceite, la mantequilla, el aliño, el azúcar y otros ingredientes mezclados.
- La marca, la receta, las sustituciones y los valores de la etiqueta nutricional.
- El método de preparación y cuánta grasa de cocción se ha absorbido.
- Si realmente se comió todo lo visible.
- La escala del plato cuando no hay una referencia fiable.
Por lo tanto, platos de aspecto similar pueden tener calorías y nutrientes notablemente distintos. Varias imágenes pueden aportar más contexto visual, pero no eliminan estas limitaciones básicas.
Detalles que hacen más útil un registro
Añade detalle en proporción al motivo por el que registras. Un diario de comidas rápido puede ser sencillo. Si una estimación nutricional es importante, la siguiente información puede reducir suposiciones evitables:
| Detalle | Ejemplo | Por qué ayuda |
|---|---|---|
| Cantidad medida | 150 g de pollo | Sustituye una estimación visual de la porción |
| Envase o etiqueta | Una botella de 200 ml | Aclara el producto y el tamaño de la ración |
| Preparación | Frito en una cucharadita de aceite | Añade información que una foto puede ocultar |
| Detalle de la receta | Aliño servido aparte; se usó la mitad | Distingue lo que se sirvió de lo que se comió |
Más detalle puede mejorar la utilidad, pero no convierte una estimación con IA en una medición exacta.
Las correcciones forman parte del método
La primera estimación no es definitiva. Pide al agente de IA que busque la comida reciente y corrija el registro completo; por ejemplo, «El arroz eran 200 gramos, no una taza» o «Quita el aliño y añade una cucharada de aceite de oliva».
Cuando cambian los alimentos, los totales de la comida se recalculan a partir de los elementos actualizados. Revisa de nuevo el resultado: una corrección aún puede malinterpretarse y la incertidumbre previa puede persistir.
Los valores corregidos siguen siendo aproximados a menos que hayas proporcionado valores verificados para cada elemento y cantidad relevantes, e incluso entonces el registro solo refleja lo que se introdujo.
Detalles faltantes y resúmenes diarios
Faltante no es lo mismo que cero. Un alimento individual puede no tener valor numérico para un nutriente. El cálculo del resumen actual trata esa contribución faltante como cero al construir los totales de comidas y periodos. Por tanto, un cero mostrado, o cualquier total construido a partir de valores de nutrientes incompletos, no confirma que el nutriente estuviera ausente ni que el total esté completo. Esta es una limitación actual de la interfaz de resumen. Un total diario tampoco puede demostrar que se registraran todas las comidas, snacks o ingredientes.
- Un día puede tener algo de comida registrada y seguir estando incompleto.
- Un día sin valores de calorías se excluye de los promedios de ingesta de calorías en lugar de contarse silenciosamente como cero.
- Un resumen de periodo no puede detectar una comida omitida en un día que por lo demás contiene entradas.
- El error del balance energético puede combinar una ingesta incierta con un gasto incierto.
Lee el método de gasto energético diario por separado antes de interpretar un valor de ingesta menos gasto.
Lo que la app muestra actualmente sobre las fuentes
KnowsYou guarda la estimación estructurada del agente de IA y la información de la comida que proporcionaste. Actualmente, la app no muestra una cita alimento por alimento ni un historial de fuentes para cada cifra nutricional. No asumas que un valor mostrado proviene de una base de datos pública, un fabricante o un laboratorio concretos.
Cuando haya que verificar una cifra, usa la etiqueta del producto, la receta, la cantidad medida u otra fuente autorizada y proporciona el valor corregido al agente de IA. Como las citas por alimento no están disponibles actualmente, KnowsYou no afirma precisión respaldada por bases de datos para una estimación individual.
Limitaciones importantes y usos no admitidos
- El reconocimiento de alimentos puede fallar, especialmente en platos mixtos, alimentos visualmente similares o elementos parcialmente ocultos.
- Un error de porción puede cambiar de forma significativa las calorías y todas las estimaciones de nutrientes derivadas.
- Los patrones de registro pueden aportar contexto, pero no establecen una causa ni un efecto médico.
No uses estimaciones de fotos o comidas para dosificar insulina u otros medicamentos, gestionar una alergia o afección médica, ni para sustituir un método de nutrición clínica prescrito. Usa información nutricional verificada y la orientación de un profesional cualificado cuando la consecuencia de un error sea médica.
El seguimiento de alimentos y calorías también puede resultar angustioso o perjudicial para algunas personas, incluidas las que tienen o han tenido un trastorno de la conducta alimentaria. Deja de hacer seguimiento si te resulta perjudicial y busca el apoyo adecuado.
Referencias
- Dalakleidi K et al. (2022)Revisión sistemática de sistemas de reconocimiento de alimentos y evaluación dietética basados en imágenes
- Subhi Y et al. (2021)Estudio de estimación de porciones de alimentos mediante imágenes y objetos de referencia
Publicado el · Versión del método 1.0 · Último cambio el
1.0 · 22 de julio de 2026 — Publicación inicial de las entradas actuales, las etapas de estimación, el flujo de corrección, las reglas de datos faltantes, el límite de fuentes y las limitaciones de seguridad.