Cele Mai Frecvent Subestimati și Supraestimați Alimente: Perspective din AI vs. Urmărirea Manuală

Credeți că știți câte calorii sunt în acea salată. Probabil că vă înșelați.

Estimarea caloriilor este unul dintre cele mai studiate și, în același timp, cele mai neînțelese aspecte ale urmăririi nutriției. Studiile arată constant că oamenii au dificultăți în a estima caloriile — dar care alimente anume îi induc în eroare cel mai mult? Și poate AI să facă o estimare mai bună?

La Nutrola, dispunem de un set de date unic pentru a răspunde acestor întrebări. Comparând estimările generate de AI, intrările manuale ale utilizatorilor și valorile de referință verificate pentru 26 de milioane de mese, putem identifica exact care alimente sunt sistematic supraestimate sau subestimate, cuantificând magnitudinea erorii și arătând unde urmărirea AI oferă o corectare semnificativă.

Rezultatele dezvăluie puncte oarbe care afectează aproape fiecare persoană care își urmărește alimentația, fie că folosește AI sau nu.

Cum Am Identificat Erorile de Estimare

Metodologie

Am analizat 26,4 milioane de intrări de mese din platforma Nutrola, înregistrate între mai 2025 și februarie 2026. Pentru fiecare intrare, am avut:

1. Valoarea înregistrată de utilizator (fie introdusă manual, fie generată de AI prin Snap & Track)
2. Valoarea de referință din baza de date nutriționale verificate de Nutrola, corelată cu USDA FoodData Central

Pentru comparația între AI și manual, ne-am concentrat pe un subset de 4,8 milioane de intrări unde același aliment a fost înregistrat de utilizatori diferiți prin ambele metode, permițând o comparație directă a tiparelor de estimare.

De asemenea, am realizat un studiu de validare controlat cu 3.200 de utilizatori Nutrola care au cântărit toate ingredientele cu ajutorul cântarelor de bucătărie și au trimis atât valorile cântărite, cât și intrările lor normale (necântărite) pe o perioadă de două săptămâni, generând 38.400 de comparații validate de mese.

Definirea Supraestimării și Subestimării

• Subestimare: Valoarea calorică înregistrată este mai mică decât valoarea de referință (utilizatorul consideră că alimentul are mai puține calorii decât are în realitate)
• Supraestimare: Valoarea calorică înregistrată este mai mare decât valoarea de referință (utilizatorul consideră că alimentul are mai multe calorii decât are în realitate)

Raportăm erorile ca procente din valoarea de referință. Un aliment cu o valoare de referință de 400 kcal înregistrat ca 300 kcal reprezintă o subestimare de -25%.

Cele 15 Alimente Cele Mai Subestimate

Acestea sunt alimentele unde utilizatorii înregistrează constant mai puține calorii decât conține de fapt alimentul. Subestimarea este cu mult mai comună și mai periculoasă, deoarece creează surplusuri calorice invizibile.

Tabelul Subestimării: Intrare Manuală

Rang	Aliment	Intrare Medie Manuală (kcal)	Valoare de Referință (kcal)	Eroare	Frecvență în Setul de Date
1	Uleiuri de gătit (pe lingură)	68	120	-43.3%	2.1M intrări
2	Dressing pentru salată (pe porție)	82	138	-40.6%	1.4M intrări
3	Nuci și amestecuri de nuci (pe mână)	104	172	-39.5%	1.8M intrări
4	Unt de arahide (pe lingură)	62	96	-35.4%	920K intrări
5	Brânză (pe felie/porție)	78	114	-31.6%	1.6M intrări
6	Granola (pe porție)	148	212	-30.2%	680K intrări
7	Paste (fierte, pe cană)	156	220	-29.1%	1.2M intrări
8	Orez (fiert, pe cană)	152	206	-26.2%	1.9M intrări
9	Avocado (pe jumătate)	98	130	-24.6%	1.1M intrări
10	Smoothies (făcute acasă)	218	284	-23.2%	740K intrări
11	Pâine (pe felie)	64	82	-22.0%	1.7M intrări
12	Smântână în cafea	18	52	-65.4%	2.4M intrări
13	Unt (pe porție)	42	72	-41.7%	890K intrări
14	Fructe uscate (pe mână)	84	124	-32.3%	460K intrări
15	Amestec de fructe uscate (pe porție)	138	196	-29.6%	310K intrări

Smântâna din cafea are cea mai mare rată individuală de eroare de -65.4%, deși impactul caloric absolut pe porție este mai mic decât la alte alimente. În ceea ce privește atât eroarea procentuală, cât și impactul caloric absolut, uleiurile de gătit reprezintă cea mai subestimată categorie de alimente, utilizatorii înregistrând în medie 68 kcal când valoarea reală este de 120 kcal pe lingură. Având în vedere că multe mese gătite acasă implică 2-3 linguri de ulei, această omisiune poate reprezenta un deficit zilnic de 100-150 kcal în înregistrare.

Punctul Orb al "Alimentelor Sănătoase"

Se conturează un model clar: multe dintre cele mai subestimate alimente sunt percepute ca fiind "sănătoase". Nucile, avocado, uleiul de măsline, granola și smoothie-urile au toate o aură de sănătate care îi determină pe oameni să minimizeze psihologic conținutul lor caloric.

Am descoperit că alimentele considerate "sănătoase" de utilizatori în sondajele noastre sunt subestimate cu o medie de 28.4%, comparativ cu 12.1% pentru alimentele considerate "nesănătoase". Oamenii par să asocieze inconștient "bun pentru tine" cu "calorii puține", chiar și atunci când contrariul este adevărat.

Percepția Alimentului	Eroare Medie de Estimare a Caloriilor	Dimensiunea Eșantionului
"Foarte sănătos"	-31.2% (sub)	4.8M intrări
"Relativ sănătos"	-22.6% (sub)	6.2M intrări
"Neutru"	-8.4% (sub)	5.1M intrări
"Relativ nesănătos"	+4.2% (supra)	4.6M intrări
"Foarte nesănătos"	+14.8% (supra)	3.4M intrări

Modelul este liniar: cu cât oamenii percep un aliment ca fiind mai sănătos, cu atât mai mult subestimează caloriile acestuia. Cu cât îl percep ca fiind mai nesănătos, cu atât mai mult supraestimează.

Cele 15 Alimente Cele Mai Supraestimate

Supraestimarea este mai puțin comună, dar totuși semnificativă. Acestea sunt alimentele unde utilizatorii înregistrează constant mai multe calorii decât conține de fapt alimentul.

Tabelul Supraestimării: Intrare Manuală

Rang	Aliment	Intrare Medie Manuală (kcal)	Valoare de Referință (kcal)	Eroare	Frecvență în Setul de Date
1	Sushi (pe bucată/rol)	412	298	+38.3%	680K intrări
2	Pizza (pe felie)	386	285	+35.4%	1.4M intrări
3	Cartofi prăjiți (pe porție)	498	378	+31.7%	920K intrări
4	Hamburger (standard)	624	486	+28.4%	780K intrări
5	Înghețată (pe porție)	198	156	+26.9%	1.1M intrări
6	Ciocolată (pe bucată)	68	54	+25.9%	1.3M intrări
7	Bere (pe pint)	242	196	+23.5%	640K intrări
8	Bagel (simplu)	342	278	+23.0%	480K intrări
9	Clătite (pe clătită)	178	148	+20.3%	520K intrări
10	Burrito	724	612	+18.3%	390K intrări
11	Pui prăjit (pe bucată)	348	298	+16.8%	570K intrări
12	Paste cu sos (la restaurant)	862	742	+16.2%	440K intrări
13	Tort (pe felie)	448	392	+14.3%	680K intrări
14	Biscuiți (pe biscuit)	86	76	+13.2%	890K intrări
15	Muffin (de patiserie)	498	442	+12.7%	410K intrări

Sushi este cel mai supraestimat aliment cu +38.3%. Multe persoane presupun că sushi-ul are un conținut caloric extrem de ridicat deoarece este mâncare de restaurant, dar bucatile individuale de nigiri și rulourile mici sunt relativ moderate în calorii. De exemplu, un rulou cu somon de 6 bucăți conține, de obicei, 250-300 kcal, dar utilizatorii îl înregistrează frecvent la 400+ kcal.

Pizza, cartofii prăjiți și hamburgerii sunt, de asemenea, semnificativ supraestimați. Efectul "vinovăției alimentelor nesănătoase" îi determină pe oameni să presupună că aceste alimente sunt mai rele decât sunt în realitate pe porție standard.

Multiplicatorul Vinovăției

Numim acest fenomen "multiplicatorul vinovăției" — tendința psihologică de a exagera estimările calorice pentru alimentele care par indulgente. Efectul este cel mai puternic pentru alimentele asociate frecvent cu "încălcarea" sau "ruptura" unei diete.

Utilizatorii care se descriu ca fiind "strict la dietă" supraestimează alimentele indulgente cu 32.1% în medie, comparativ cu 18.4% pentru utilizatorii care își descriu abordarea ca fiind "flexibilă". Acest lucru sugerează că mentalitățile dietetice rigide amplifică biasul de estimare în ambele direcții — subestimând alimentele "bune" și supraestimând alimentele "rele".

Cum Se Compară AI: Tipare de Corectare

AI vs. Manual: Precizie Față în Față

Când comparăm estimările foto AI cu intrările manuale pentru aceleași alimente, AI performează constant mai aproape de valoarea de referință.

Categoria Alimentară	Eroare Intrare Manuală	Eroare AI Foto	Avantaj AI
Uleiuri de gătit	-43.3%	-18.2%	25.1 pp mai bine
Dressing pentru salată	-40.6%	-14.8%	25.8 pp mai bine
Nuci	-39.5%	-12.4%	27.1 pp mai bine
Paste (fierte)	-29.1%	-8.6%	20.5 pp mai bine
Orez (fiert)	-26.2%	-7.8%	18.4 pp mai bine
Sushi (supraest.)	+38.3%	+6.4%	31.9 pp mai bine
Pizza (supraest.)	+35.4%	+8.2%	27.2 pp mai bine
Cartofi prăjiți (supraest.)	+31.7%	+7.1%	24.6 pp mai bine

AI depășește intrarea manuală pentru fiecare categorie de alimente analizată. Îmbunătățirea este cea mai dramatică pentru categoriile cele mai afectate: nuci (-39.5% manual vs. -12.4% AI), dressing pentru salată (-40.6% vs. -14.8%) și sushi (+38.3% vs. +6.4%).

Motivul este simplu: AI nu are prejudecăți psihologice. Nu asociază granola cu sănătatea sau pizza cu vinovăția. Estimează pe baza analizei vizuale a porțiilor și a modelelor nutriționale antrenate, ocolind scurtăturile cognitive care îi conduc pe oameni pe calea greșită.

Unde AI Încă Se Luptă

AI nu este perfect. Există scenarii specifice în care estimarea AI este mai puțin precisă:

Scenariul	Eroare AI	Eroare Manuală (utilizator informat)	Câștigător
Ingrediente ascunse (sosuri sub alimente)	-22.4%	-8.6% (dacă utilizatorul adaugă sos)	Manual
Sandvișuri cu mai multe straturi	-16.8%	-6.2% (dacă utilizatorul listează toate umpluturile)	Manual
Alimente în recipiente opace	-28.6%	-4.1% (dacă utilizatorul cunoaște conținutul)	Manual
Alimente identice (orez de conopidă vs. orez)	-14.2%	-2.8% (dacă utilizatorul selectează corect)	Manual
Calorii lichide (smoothies, sucuri)	-18.4%	-23.2%	AI
Articole mici bogate în calorii (nuci, fructe uscate)	-12.4%	-39.5%	AI

AI performează mai slab decât o intrare manuală informată atunci când ingredientele sunt ascunse de cameră. Totuși, fraza cheie este "informat" — în practică, mulți utilizatori manuali omite și ei ingredientele ascunse. Când comparăm AI cu comportamentul real (nu ideal) al utilizatorilor manuali, AI câștigă în aproape fiecare categorie, deoarece intrările manuale din lumea reală omit frecvent ingredientele care sunt ascunse de cameră.

Impactul Cumulat al Erorilor de Estimare

Eroarea Zilnică a Caloriilor după Metodă

Cât de mult se adună aceste erori individuale de alimente pe parcursul unei zile întregi?

Metodă	Eroare Medie Zilnică a Caloriilor	Direcția Biasului	Impact Anual (dacă nu este corectat)
Intrare Manuală	-268 kcal/zi	Subestimare	~12.5 kg echivalent de grăsime neînregistrată
AI Foto	-84 kcal/zi	Subestimare (ușoară)	~3.9 kg echivalent de grăsime neînregistrată
Scanare Cod de Bare	-32 kcal/zi	Subestimare (minimă)	~1.5 kg echivalent de grăsime neînregistrată
Mixat (AI + Cod de Bare)	-48 kcal/zi	Subestimare (minimă)	~2.2 kg echivalent de grăsime neînregistrată

Utilizatorii care introduc manual subraportează cu o medie de 268 kcal pe zi. Pe parcursul unui an, aceasta se ridică la aproape 98.000 de calorii neînregistrate — echivalentul energetic a aproximativ 12.5 kg de grăsime corporală. Aceasta nu înseamnă că utilizatorii manuali câștigă 12.5 kg, ci că percepția lor asupra aportului este constant și semnificativ mai mică decât realitatea.

Utilizatorii AI foto subraportează cu 84 kcal/zi, iar utilizatorii cu metode mixte (AI + cod de bare) subraportează cu doar 48 kcal/zi — o marjă care este puțin probabil să afecteze semnificativ rezultatele.

Distorsiunea la Nivel Macro

Erorile de estimare nu sunt distribuite uniform între macronutrienți.

Macronutrient	Eroare Medie Intrare Manuală	Eroare Medie AI Foto
Grăsimi	-34.2% (foarte sub)	-12.8% (ușor sub)
Carbohidrați	-14.6% (moderat sub)	-6.4% (ușor sub)
Proteine	-4.8% (ușor sub)	-3.2% (ușor sub)

Grăsimile sunt cel mai subestimat macronutrient cu o marjă largă în intrările manuale. Utilizatorii subevaluează grăsimile cu 34.2% în medie, în principal deoarece cele mai mari alimente subestimate (uleiuri, dressinguri, nuci, brânză, unt) sunt toate bogate în grăsimi. Aceasta înseamnă că utilizatorii care cred că urmează o dietă cu 30% grăsimi ar putea consuma, de fapt, mai aproape de 38-40% grăsimi.

AI reduce diferența de estimare a grăsimilor la -12.8%, o îmbunătățire de 21.4 puncte procentuale. Estimarea proteinelor este relativ precisă pentru ambele metode, probabil deoarece sursele de proteine (pui, ouă, pește) tind să fie punctele de focalizare ale meselor și sunt mai ușor de identificat și porționat.

Analiza Corectării AI Pe Alimente

Cele Mai Frecvente 10 Corectări AI

Acestea sunt alimentele unde AI-ul Nutrola ajustează cel mai frecvent estimarea inițială după ce utilizatorii revizuiesc jurnalul, indicând că AI-ul a identificat o discrepanță între ceea ce utilizatorul se aștepta și ceea ce datele au arătat.

Aliment	Așteptarea Medie a Utilizatorului	Estimarea Medie AI	Direcția Corectării	Dimensiunea Corectării
Salată Caesar de restaurant	320 kcal	548 kcal	Sus	+228 kcal
Bol de acai	280 kcal	486 kcal	Sus	+206 kcal
Bol de cereale (restaurant)	410 kcal	612 kcal	Sus	+202 kcal
Frappuccino Starbucks	210 kcal	398 kcal	Sus	+188 kcal
Pad Thai (la pachet)	420 kcal	592 kcal	Sus	+172 kcal
Wrap de pui (deli)	340 kcal	498 kcal	Sus	+158 kcal
Amestec de fructe uscate (mână mare)	180 kcal	324 kcal	Sus	+144 kcal
Platou de sushi	680 kcal	548 kcal	Jos	-132 kcal
Big Mac de la McDonald's	720 kcal	563 kcal	Jos	-157 kcal
Popcorn de cinema (mare)	842 kcal	1,030 kcal	Sus	+188 kcal

Salata Caesar de restaurant conduce lista de corectări. Utilizatorii se așteaptă să fie în jur de 320 kcal — rezonabil pentru o porție de salată cu romaine — dar realitatea cu crutoane, parmezan, dressing și adesea pui la grătar o duce la 548 kcal. Aceasta este o subestimare de 71% pe care AI-ul o prinde recunoscând componentele vizibile.

Bolurile de acai sunt un alt exemplu izbitor. Comercializate ca alimente sănătoase, utilizatorii se așteaptă la 280 kcal, dar combinația de bază de acai, granola, miere, fructe și unt de nuci ajunge de obicei la 486 kcal. AI-ul identifică toppingurile și ajustează în consecință.

Corectarea Big Mac merge în direcția opusă: utilizatorii se așteaptă la 720 kcal (supraestimare vinovată) când valoarea reală este de 563 kcal. Calculele calorice pentru mâncarea de fast-food sunt adesea mai mici decât își imaginează oamenii pentru articole individuale, deși caloriile totale ale mesei, inclusiv garnituri și băuturi, sunt de obicei mai mari.

Tipare Demografice în Erorile de Estimare

Vârsta și Precizia Estimării

Grup de Vârstă	Subestimare Medie (Manual)	Subestimare Medie (AI)	Cele Mai Frecvent Omitere de Alimente
18-24	-312 kcal/zi	-96 kcal/zi	Alcool, sosuri, gustări de noapte
25-34	-284 kcal/zi	-88 kcal/zi	Uleiuri de gătit, adăugiri la cafea, dressinguri
35-44	-248 kcal/zi	-78 kcal/zi	Uleiuri de gătit, brânză, dimensiuni ale porțiilor
45-54	-226 kcal/zi	-72 kcal/zi	Unt, pâine, uleiuri de gătit
55+	-198 kcal/zi	-64 kcal/zi	Unt, uleiuri de gătit, porții

Utilizatorii mai tineri (18-24) arată cea mai mare eroare de subestimare la -312 kcal/zi pentru intrările manuale. Alcoolul și gustările de noapte sunt principalii vinovați în acest grup de vârstă. Precizia estimării se îmbunătățește odată cu vârsta, reflectând probabil o experiență mai mare în gătit și o conștientizare a alimentației.

AI reduce semnificativ diferența de vârstă. Diferența dintre cel mai puțin precis grup de vârstă (18-24, -96 kcal/zi) și cel mai precis (55+, -64 kcal/zi) este de doar 32 kcal cu AI, comparativ cu 114 kcal cu intrarea manuală.

Biasul Estimării Pe Baza Obiectivelor

Obiectiv	Biasul Intrării Manuale	Biasul AI Foto	Diferența
Pierdere în greutate	-312 kcal/zi (sub)	-92 kcal/zi (sub)	220 kcal
Menținerea greutății	-198 kcal/zi (sub)	-68 kcal/zi (sub)	130 kcal
Creșterea masei musculare	-142 kcal/zi (sub)	-54 kcal/zi (sub)	88 kcal
Sănătate generală	-218 kcal/zi (sub)	-76 kcal/zi (sub)	142 kcal

Utilizatorii care doresc să piardă în greutate arată cel mai puternic bias de subestimare la -312 kcal/zi manual. Acesta este un fenomen psihologic bine documentat: persoanele cu obiective restrictive tind să minimizeze inconștient percepția asupra aportului lor. AI reduce acest bias cu 71% la -92 kcal/zi, oferind o evaluare mai obiectivă, mai puțin influențată de obiectivele dietetice.

Implicații Practice: Cum să Îți Îmbunătățești Precizia

Cele Cinci Schimbări cu Cel Mai Mare Impact

Pe baza datelor noastre, aceste cinci ajustări ar elimina cea mai mare parte a erorii de estimare pentru majoritatea utilizatorilor:

1. Înregistrează uleiurile de gătit și grăsimile explicit (salvează ~104 kcal/zi din eroare)

Uleiurile de gătit sunt sursa principală de subestimare. Toarnă ulei în o lingură de măsurat înainte de a-l adăuga în tigaie sau estimează mai mult. O lingură de orice ulei de gătit are aproximativ 120 kcal.

2. Înregistrează toate dressingurile, sosurile și condimentele (salvează ~68 kcal/zi din eroare)

Dressingurile pentru salată, maioneza, ketchup-ul, sosul de soia și sosurile de îmbăiere sunt omise din 34% din mesele care le conțin. O porție tipică de dressing pentru salată la restaurant adaugă 150-200 kcal.

3. Folosește înregistrarea foto AI pentru mese de restaurant și preparate acasă (salvează ~52 kcal/zi din eroare)

AI elimină biasul legat de sănătate și efectul multiplicator al vinovăției care distorsionează estimările manuale pentru alimentele neambalate. Lasă AI-ul să îți ofere o estimare inițială, apoi ajustează dacă este necesar.

4. Cântărește alimentele bogate în calorii atunci când este posibil (salvează ~46 kcal/zi din eroare)

Nucile, brânza, untul de arahide, granola și fructele uscate sunt mici ca volum, dar bogate în calorii. O cântar de bucătărie elimină complet estimările pentru aceste articole.

5. Înregistrează smântâna, zahărul și laptele din cafea și ceai (salvează ~28 kcal/zi din eroare)

Adăugarea medie la cafea (smântână și zahăr combinate) adaugă 52 kcal, dar utilizatorii care înregistrează cafeaua rareori includ adăugările. Trei cafele pe zi înseamnă 156 kcal de aport neînregistrat.

Impactul Total

Implementarea tuturor celor cinci schimbări ar reduce eroarea zilnică de estimare cu aproximativ 298 kcal pentru un utilizator tipic de intrare manuală, aproape eliminând complet biasul sistematic de subraportare.

Alternativ, trecerea la înregistrarea foto AI Nutrola ca metodă principală captează automat 65-70% din această îmbunătățire, fără a necesita niciuna dintre practicile manuale de mai sus.

Întrebări Frecvente

De ce oamenii subestimează mai mult decât supraestimează?

Biasul sistematic spre subestimare are două cauze principale. În primul rând, ingredientele bogate în calorii (uleiuri, dressinguri, nuci, brânză) sunt fizic mici în raport cu conținutul lor caloric, făcând estimarea vizuală dificilă. În al doilea rând, cercetările psihologice arată că persoanele cu obiective de sănătate și gestionare a greutății minimizează inconștient percepția asupra aportului lor, un fenomen numit "bias optimist" în raportarea dietetică.

Folosirea AI-ului îmbunătățește cu adevărat precizia atât de mult?

Da. Datele noastre arată că înregistrarea foto AI reduce eroarea zilnică de estimare a caloriilor de la -268 kcal (intrare manuală) la -84 kcal, o îmbunătățire de 69%. Pentru cele mai afectate categorii de alimente (uleiuri, nuci, dressinguri), îmbunătățirea depășește 60%. AI-ul nu este perfect, dar elimină prejudecățile psihologice care cauzează cele mai mari erori sistematice.

Care este cel mai rău aliment pentru estimarea caloriilor?

În ceea ce privește eroarea procentuală, smântâna din cafea are cea mai mare rată individuală de subestimare la -65.4%. Dar în ceea ce privește impactul total zilnic asupra caloriilor, uleiurile de gătit sunt cele mai proaste deoarece sunt utilizate frecvent și eroarea pe incident este mare (în medie 52 kcal subraportate per utilizare, majoritatea utilizatorilor gătind cu ulei de cel puțin două ori pe zi).

Ar trebui să încetez să introduc manual alimentele?

Nu neapărat. Introducerea manuală este cea mai eficientă pentru alimentele ambalate unde poți citi eticheta nutrițională sau când folosești o cântar de alimente pentru a cântări ingredientele. Datele sugerează că introducerea manuală funcționează cel mai bine ca un complement la înregistrarea foto AI — folosește Snap & Track de la Nutrola pentru mesele gătite și mâncarea de restaurant și introducerea manuală atunci când ai date precise despre greutate sau etichetă.

Efectul aurei de sănătate se aplică dietelor specifice?

Da. Utilizatorii care urmează diete pe bază de plante, organice sau "curate" arată rate mai mari de subestimare pentru alimentele din cadrul lor dietetic. De exemplu, utilizatorii vegani subestimează caloriile din nuci și unturile de nuci cu 44.2%, comparativ cu 35.8% pentru omnivori. Cu cât asociația cu sănătatea este mai puternică, cu atât mai mare este punctul orb.

Cât de des ar trebui să folosesc o cântar de alimente?

Datele noastre sugerează că utilizarea zilnică a cântarului de alimente nu este necesară pentru majoritatea utilizatorilor. Folosirea unei cântare pentru cele mai subestimate cinci categorii de alimente din dieta ta personală (pe care analizele Nutrola le pot identifica pentru tine) captează cea mai mare parte a beneficiului de precizie. Chiar și sesiuni de "calibrare" o dată pe săptămână, în care cântărești alimentele cheie, s-au dovedit a îmbunătăți precizia estimării pentru restul săptămânii cu 18%.

Îmi va spune Nutrola care alimente tind să le estimez greșit?

Da. Funcția de analitică personală a Nutrola urmărește tiparele tale de înregistrare și poate identifica alimentele unde intrările tale deviază constant de la valorile de referință. Acest feedback personalizat te ajută să îți concentrezi eforturile de precizie acolo unde vor avea cel mai mare impact asupra punctelor tale oarbe specifice în urmărire.