Il conteggio calorico con l'AI da una foto è una stima utile, non una misurazione. Nei test indipendenti, le stime basate su foto erano sbagliate di circa un quarto o un terzo, e di solito risultavano troppo basse. Un test del NIH su quattro app popolari le ha trovate da 250 a 345 calorie in meno per pasto.
La precisione migliora molto quando dici all'app che cosa c'è nel piatto e in che quantità, e quando usi un codice a barre o una bilancia per i cibi che mangi più spesso.
Punti chiave
- Gli errori tendono al ribasso: la maggior parte degli studi ha rilevato che l'AI sottostima le calorie, soprattutto per le porzioni grandi e i pasti ricchi di grassi.
- Riconoscere il cibo è più facile che pesarlo: l'AI spesso indica il piatto giusto, ma sbaglia la quantità e l'olio nascosto.
- Il contesto aiuta: aggiungere ingredienti e quantità ha reso più precise le stime in uno studio su ChatGPT del 2025.
- Anche le persone non sono perfette: i diari alimentari basati sulla memoria hanno mancato fino alla metà dell'assunzione reale.
- Verifica con la bilancia: un confronto di 2-4 settimane tra le calorie registrate e la variazione di peso mostra se i tuoi registri sono troppo bassi.
Cosa hanno trovato gli studi
| Studio | Cosa è stato testato | Risultato principale |
|---|---|---|
| NIH (NIDDK), presentato a luglio 2026 | MyFitnessPal, Lose It!, Cal AI e Appediet su foto di 102 pasti con valori nutrizionali noti | Calorie 250-345 in meno per pasto in media; grassi circa 30 g in meno; i pasti keto ricchi di grassi sono stati i più difficili. Preliminare, non ancora sottoposto a revisione paritaria |
| Fridolfsson e colleghi, 2025 | ChatGPT-4o, Claude 3.5 Sonnet e Gemini 1.5 Pro su 52 foto standardizzate di cibo | Errore medio sulle calorie del 35,8% per ChatGPT e Claude; Gemini dal 64 al 110% tra i nutrienti; tutti sottostimavano le porzioni più grandi |
| Rodríguez-Jiménez e colleghi, 2025 | ChatGPT-5 su 195 piatti, con più contesto | L'errore è sceso quando sono state aggiunte descrizioni e quantità degli ingredienti; senza la foto è peggiorato |
| Nakagawa e Yamamoto, 2026 | Tre modelli Claude su 691 foto di pasti giapponesi e 1.463 statunitensi, più circa 1.000 immagini di cibi confezionati giapponesi | Claude Sonnet 4.6 sbagliava di 117 calorie in media per foto statunitense; i cibi confezionati erano più facili dei pasti; il sale era stimato male |
| Vedovelli e colleghi, 2026 | 40 modelli visione-linguaggio contro nutrizionisti professionisti | Contava soprattutto il modello usato; angolazioni extra della foto non aiutavano; i nutrizionisti erano molto più precisi, soprattutto per le proteine |
| Serra e colleghi, 2026 | Un'app AI per foto (SNAQ) usata nella vita quotidiana per 7 giorni, contro l'acqua doppiamente marcata, 20 donne con obesità | L'app sottostimava l'assunzione del 25% (817 calorie al giorno); un'intervista di richiamo di 24 ore la sottostimava del 50% |
Due schemi attraversano tutti questi studi. Gli errori sono abbastanza grandi da contare per un singolo pasto, e per lo più puntano in una direzione: verso il basso.
Perché i conteggi con l'AI risultano bassi
Una fotocamera vede la parte superiore del piatto. Non può pesare il cibo, vedere quanto è profonda la ciotola o capire quanto olio è finito in padella. Le calorie si nascondono proprio in questi punti.
- Dimensione della porzione: la stessa foto può mostrare 150 g o 250 g di pasta. Nello studio del 2025, la sottostima cresceva con le porzioni più grandi.
- Grassi nascosti: burro, olio da cucina, condimenti e salse cremose sono ricchi di calorie e difficili da vedere. Nel test del NIH, i grassi sono stati il nutriente più sottostimato e i pasti ricchi di grassi i più difficili.
- Piatti misti: stufati, curry, teglie al forno e burrito nascondono la maggior parte degli ingredienti all'interno.
- Cibi insoliti o regionali: un modello che ha visto pochi esempi di un piatto ha meno elementi su cui basarsi.
I cibi confezionati fanno eccezione, perché è l'etichetta a fare il lavoro. Per questo scansionare un codice a barre batte la foto per tutto ciò che sta in un involucro. Per saperne di più su come le app stimano le quantità, leggi come l'AI stima le porzioni.
AI, registrazione manuale e memoria a confronto
L'AI non sta competendo con la perfezione. Ogni modo di contare le calorie ha un errore:
- Memoria: in un celebre studio su persone che dicevano di non riuscire a dimagrire con meno di 1.200 calorie, hanno dichiarato il 47% in meno dell'assunzione reale e sovrastimato l'esercizio del 51% (Lichtman e colleghi, 1992). Nello studio SNAQ del 2026, un richiamo strutturato di 24 ore ha mancato il 50%, peggio dell'app con il 25%.
- Etichette alimentari: la FDA considera un alimento confezionato come etichettato in modo errato solo quando le sue calorie superano di oltre il 20% quelle dichiarate, quindi piccoli eccessi sono ammessi.
- Numeri dei ristoranti: in test di laboratorio su 269 piatti da ristorante, le calorie dichiarate erano giuste in media, ma il 19% dei piatti aveva almeno 100 calorie in più rispetto a quanto indicato (Urban e colleghi, 2011).
- Pesare e registrare a mano: resta il metodo domestico più preciso, ma è quello che richiede più tempo.
Questo rende una stima da foto meno precisa di un registro basato su peso e codici a barre, e in alcuni studi più precisa della memoria. Per un confronto diretto dei metodi, vedi registrazione AI o manuale delle calorie e scansione del codice a barre o riconoscimento AI da foto.
Il conteggio calorico con l'AI è abbastanza preciso per dimagrire?
Può esserlo, purché tu tenga conto della direzione dell'errore. L'errore casuale, in cui alcuni pasti risultano troppo alti e altri troppo bassi, in larga parte si annulla nell'arco di una settimana. Una sottostima costante no.
Immagina che il tuo obiettivo lasci un deficit giornaliero di 500 calorie. Se nei tuoi registri sottostimi tre pasti di 250 calorie ciascuno, in realtà mangi 750 calorie in più di quanto credi, e il deficit scompare. È il tipo di divario che ha trovato il test del NIH.
La correzione è un controllo semplice:
- Registra tutto per 2-4 settimane e pesati più volte a settimana, sempre alla stessa ora del giorno.
- Confronta la tua assunzione media registrata con l'andamento del peso. Se registri un deficit di 500 calorie ma il peso non si muove, i tuoi registri sono probabilmente troppo bassi.
- Correggi: o registra con più attenzione (vedi sotto), o abbassa il tuo obiettivo calorico della differenza che hai trovato.
Il tuo TDEE è il punto di partenza per questo confronto.
Come rendere più preciso il conteggio calorico con l'AI
- Scatta dall'alto, con tutto il piatto nell'inquadratura. Una forchetta o la tua mano nell'immagine danno un'idea della scala.
- Aggiungi ciò che la fotocamera non vede. Scrivi o dì "cotto in 1 cucchiaio di olio d'oliva" o "con 2 cucchiai di ranch". Il contesto ha migliorato le stime nello studio su ChatGPT-5.
- Indica le quantità quando le conosci. "200 g di petto di pollo" batte una stima ogni volta.
- Correggi la porzione prima di salvare. Se la stima sembra piccola per quello che hai mangiato, probabilmente lo è.
- Usa un codice a barre per i cibi confezionati e una bilancia da cucina per i cibi che mangi ogni giorno, come avena, riso, burro di frutta secca e olio da cucina.
- Separa i piatti misti quando puoi, o registra gli ingredienti principali di uno stufato invece di scrivere "stufato".
La nostra guida per tracciare le calorie con precisione approfondisce i pasti al ristorante e il mangiare fuori.
Quando usare qualcosa di diverso dalla foto
- Cibi confezionati: scansiona il codice a barre.
- Cibi che mangi ogni giorno: pesali una volta, salvali e riusa la voce.
- Diete mediche: se gestisci diabete, malattia renale o un'altra condizione con il cibo, una stima da foto non è abbastanza precisa. Lavora con il medico o con un dietista registrato.
Il ruolo di Nutrify
Nutrify ti offre la registrazione con foto, codice a barre e voce in un solo posto, così puoi usare una foto per un piatto veloce e un codice a barre o una quantità digitata quando vuoi precisione. Ogni stima può essere modificata prima di salvarla. Nutrify include una prova gratuita di 7 giorni, poi un abbonamento a pagamento. Se stai confrontando le app, vedi Cal AI vs MyFitnessPal.
Fonti
- American Society for Nutrition via ScienceDaily, Your AI calorie-tracking app may be off by 345 calories (26 luglio 2026; studio NIDDK presentato a NUTRITION 2026).
- Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance evaluation of 3 large language models for nutritional content estimation from food images. Curr Dev Nutr, 2025.
- Rodríguez-Jiménez M, et al. Image-based dietary energy and macronutrients estimation with ChatGPT-5. Nutrients, 2025.
- Nakagawa S, Yamamoto A. Prompt engineering and model selection for LLM-based nutritional estimation from food images. Nutrients, 2026.
- Vedovelli L, et al. Model architecture dominates nutritional estimation accuracy in vision-language systems. Sci Rep, 2026.
- Serra M, et al. Limited validity of an AI-powered app for dietary assessment in females with obesity. NPJ Digit Med, 2026.
- Lichtman SW, et al. Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. N Engl J Med, 1992.
- Urban LE, et al. Accuracy of stated energy contents of restaurant foods. JAMA, 2011.
- US Code of Federal Regulations, 21 CFR 101.9(g)(5), conformità dell'etichettatura nutrizionale.



