Por qué dejé de escanear códigos de barras (y tú también deberías)

Durante años, las aplicaciones de nutrición nos han enseñado que la mejor (y a menudo única) forma de registrar nuestra dieta era persiguiendo códigos de barras por todos los rincones de la cocina o el supermercado.

El proceso es conocido: coges un envase, abres la aplicación, intentas que la cámara enfoque un punto minúsculo de la caja y cruzas los dedos para que la información cargue correctamente. Aunque esto supuso una revolución en 2010, hoy en día es un método logísticamente obsoleto que presenta problemas graves de adherencia y salud.

Esa frustración fue uno de los motivos principales para crear Tabeku.

El sesgo hacia el alimento ultraprocesado

El mayor problema del escáner de códigos de barras es psicológico. Nuestro cerebro siempre busca la ruta de menor resistencia operativa.

Una manzana fresca, una pera o el salmón de la pescadería no tienen un código QR impreso en su piel. Sin embargo, cualquier barrita ultraprocesada de proteínas o salsa industrializada lo tiene en un tamaño enorme. Si registras tu comida guiándote por lo que es “fácil de escanear”, acabarás incrementando el consumo de productos comerciales simplemente para evitarte el laborioso proceso manual de buscar alimentos crudos en una base de datos.

Con la estimación visual basada en modelos de Inteligencia Artificial que utilizamos en Tabeku, este sesgo desaparece por completo. La aplicación tarda lo mismo en procesar la ración de unas lentejas caseras o un plátano a través de una foto que lo que tardaría en procesar una caja de bollería. Se democratiza el registro rápido de la comida real.

La anarquía en las bases de datos de crowdsourcing

Si el punto anterior no resulta suficiente, existe un segundo problema colosal: las bases de datos generadas por los usuarios.

Todos hemos escaneado un yogur genérico o un bote de lentejas para, al pulsar “aceptar”, comprobar que un usuario introdujo los datos al revés o subió entradas de 6.000 kcal para un refresco azucarado. Las bases de datos convencionales albergan décadas de errores de transcripción sin validación profesional.

¿El resultado? Pierdes aún más tiempo confirmando a mano y cruzando las etiquetas nutricionales del envase físico con lo que dice tu teléfono. Es una tarea repetitiva que cansa a cualquiera.

Delegar el reconocimiento en una IA altamente entrenada, estandarizada y enfocada a nivel visual es el salto definitivo que permite olvidarnos de las matemáticas erróneas. Es hora de dejar los códigos de barras en el pasado.