Perché ho smesso di scansionare i codici a barre (e perché dovresti farlo anche tu)

Per anni, le app di nutrizione ci hanno insegnato che il modo migliore (e spesso unico) per registrare la nostra dieta era dare la caccia ai codici a barre in ogni angolo della cucina o del supermercato.

Il processo è ben noto: prendi una confezione, apri l’app, cerchi di far mettere a fuoco alla fotocamera un minuscolo punto sulla scatola e incroci le dita affinché le informazioni si carichino correttamente. Sebbene questa sia stata una vera rivoluzione nel 2010, oggi è un metodo logisticamente obsoleto che presenta gravi problemi di aderenza e salute.

Questa frustrazione è stata uno dei motivi principali per cui abbiamo creato Tabeku.

Il pregiudizio verso gli alimenti ultra-processati

Il problema più grande dello scanner di codici a barre è psicologico. Il nostro cervello cerca sempre il percorso di minor resistenza operativa.

Una mela fresca, una pera o il salmone del pescivendolo non hanno codici QR stampati sulla buccia. Tuttavia, qualsiasi barretta proteica ultra-processata o salsa industriale ne ha uno in bella vista. Se registri il tuo cibo in base a ciò che è “facile da scansionare”, finirai per aumentare il consumo di prodotti commerciali semplicemente per evitare il laborioso processo manuale di ricerca di cibi crudi in un database.

Con la stima visiva basata su modelli di Intelligenza Artificiale che utilizziamo in Tabeku, questo pregiudizio scompare completamente. L’app impiega esattamente lo stesso tempo per elaborare una porzione di lenticchie fatte in casa o una banana tramite una foto rispetto a una scatola di pasticcini. La registrazione veloce del cibo vero è finalmente democratizzata.

L’anarchia dei database creati dagli utenti (crowdsourcing)

Se il punto precedente non fosse bastato, esiste un secondo problema colossale: i database generati dagli utenti.

Tutti noi abbiamo scansionato uno yogurt generico o una scatola di fagioli solo per premere “accetta” e renderci conto che un utente aveva scambiato i dati o caricato una voce da 6.000 kcal per una bibita zuccherata. I database convenzionali ospitano decenni di errori di trascrizione senza alcuna convalida professionale.

Il risultato? Perdi ancora più tempo per confermare e incrociare manualmente le etichette nutrizionali fisiche con ciò che dice il tuo telefono. È un compito ripetitivo che stanca chiunque.

Delegare il riconoscimento a un’IA altamente addestrata, standardizzata e focalizzata sull’aspetto visivo è il salto di qualità definitivo che ci permette di dimenticarci della cattiva matematica. È il momento di lasciare i codici a barre nel passato.