Asistente nutricional con IA en Gemini: posibilidades y límites

¿Puede la inteligencia artificial convertirse en un asistente personal para las decisiones nutricionales cotidianas? La experiencia realizada con el modelo Gemini de Google aborda este interrogante no solo desde el armado de una lista de comidas, sino desde la capacidad de responder a las necesidades cambiantes a lo largo del día. El proceso, que comienza conversando sobre objetivos, estilo de vida y preferencias de alimentos, evoluciona hacia el uso de un asistente interactivo que evalúa los platos, propone alternativas y responde dudas nutricionales. El verdadero valor reside en el diálogo continuo más que en una respuesta aislada.

El punto de partida de la personalización es el contexto que se le brinda al asistente. En la experiencia se contemplaron de forma conjunta los objetivos, el nivel de actividad y las comidas predilectas o descartadas, diseñando un plan de alimentación que toma en cuenta los días de entrenamiento y de descanso. Este enfoque ejemplifica cómo generar recomendaciones adaptadas a la rutina diaria del usuario en lugar de ofrecer a todos la misma lista. No obstante, no se puede asumir que una respuesta personalizada sea médicamente adecuada. Un plan elaborado por inteligencia artificial no debe considerarse una prescripción que reemplace la evaluación de un profesional.

La interacción visual representó uno de los aspectos más prácticos de la experiencia. A partir de la foto de un plato, se calcularon valores aproximados de calorías, proteínas, carbohidratos y grasas, incorporando estas estimaciones al seguimiento diario. De este modo, se consolidó un flujo de registro que parte de una imagen en vez de describir cada comida exclusivamente por escrito. Sin embargo, una fotografía no refleja con precisión el peso de las porciones ni la totalidad de los ingredientes añadidos. Por eso, es necesario interpretar estos resultados como estimaciones y no como mediciones exactas, complementándolos con datos de cantidades e ingredientes siempre que sea posible.

El seguimiento diario no se limitó a enumerar las comidas previas. En la experiencia se ofrecieron opciones para las comidas siguientes en función del consumo registrado y el objetivo calórico diario. Además, las consultas sobre la conveniencia de un producto en el supermercado o en un restaurante a partir de una foto se respondieron con sugerencias alternativas. La distinción clave aquí radica en la información de base: un registro incompleto de comidas o una estimación errónea de las porciones pueden alterar la evaluación del objetivo restante. Este circuito no debe confundirse con un sistema de monitoreo de salud autónomo y continuo.

Consultar el contenido nutricional de un alimento, comparar opciones de menú o replantear el plan diario forman parte de los casos de uso más accesibles de los asistentes de inteligencia artificial. En X Mind Solutions consideramos este ejemplo como un caso práctico que demuestra cómo una interacción enriquecida con contexto puede respaldar las decisiones cotidianas. Aun así, en materia de nutrición es fundamental evaluar la practicidad por separado de la confiabilidad. En especial ante enfermedades, alergias o requerimientos dietarios específicos, el criterio profesional debe ser prioritario, posicionando al asistente como una herramienta para organizar la información y preparar decisiones.