IA en la app de comida: qué decide y qué no

Hoy se pone la etiqueta de «app con IA» a casi todo, y precisamente por eso dice cada vez menos. La pregunta útil es más concreta: ¿en qué punto de la app hay IA de verdad y en cuál no? En Fango la respuesta es inusualmente estrecha: la IA se ocupa de una sola tarea y todo lo que la rodea es código corriente y previsible. Este artículo recorre los dos lados de esa frontera: qué decide el modelo, qué no decide, qué sale del móvil y qué ocurre cuando se equivoca.

Esa única tarea: de la línea del recibo al producto

Un recibo de la compra es fácil para una persona y difícil para una máquina. Los nombres son abreviaturas («LECHE SEMI 1L», «QUESO LONCH»), las bolsas van en su propia línea, el descuento suele aparecer como una línea negativa aparte que en realidad pertenece al producto de arriba, y los recibos en PDF del reparto a domicilio llegan en tres columnas: precio unitario, cantidad, total. Un reconocimiento de texto normal lee esos caracteres correctamente pero no entiende nada de ellos: para él una bolsa es una compra igual que la leche.

La tarea de la IA es interpretar el significado de la línea. De un recibo devuelve, para cada producto, el nombre, la cantidad, el precio y el tamaño del envase, y además los datos del propio ticket: el supermercado, la fecha del recibo y la moneda con el país. A eso se suman dos datos que no figuran en el papel: la caducidad estimada en días y una propuesta de lugar de conservación (nevera, congelador o despensa). Si no se obtiene una estimación, quedan siete días por defecto.

La fecha del recibo es un detalle pequeño con un efecto grande: si escaneas el ticket dos días después de la compra, la caducidad se cuenta desde el día de la compra y no desde hoy. La comparación con el código de barras la vemos aparte en escanear el recibo frente al código de barras.

Qué sale del móvil: iPhone y Android no lo hacen igual

Esta es la pregunta que más se repite y merece una respuesta directa. Un modelo así no cabe en el teléfono, así que algo hay que enviar. Qué se envía depende del dispositivo:

• iPhone. El móvil lee primero el texto del recibo en el propio dispositivo. Si el resultado parece un ticket leído limpiamente línea a línea, lo que sale es el texto y la imagen queda solo como reserva, por si del texto no salen los precios. Además es la vía más rápida.
• Android. Aquí sale la imagen tal cual, porque el reconocimiento de texto en el dispositivo no forma parte del paquete de Android. La vía es más sencilla y más fiable entre los distintos fabricantes.
• Recibo en PDF. El texto se lee directamente del archivo, no se reconoce a partir de una imagen: el ticket de una compra online o del reparto a domicilio pasa como datos limpios.

Un escaneo admite de una a cuatro imágenes, así que un recibo largo se resuelve por partes. Tampoco hace falta fotografiarlo si ya lo tienes en el móvil: Fango aparece en el menú de compartir siempre que una app tiene una imagen, un PDF o un archivo, de modo que el adjunto de un correo o el archivo de recibos de la banca online se comparten directamente con la app. La parte de privacidad del escaneo la tratamos aparte en ¿es seguro escanear recibos?

Así avisa la app cuando no está segura

La IA se equivoca a veces con total aplomo, y una lista de la nevera llena de productos fantasma es peor que no tener lista. Por eso la pantalla de revisión es un paso obligatorio a propósito: nada entra en la lista antes de que lo confirmes. Y esa pantalla no presenta todas las líneas como igual de seguras, sino que las reparte en tres bloques:

1. 1
   Productos identificados. Líneas de las que el modelo ha sacado nombre, precio y estimación de caducidad. Vienen ya marcadas.
2. 2
   Revisa. Líneas en las que algo ha quedado poco claro. Aquí la estimación de días del modelo no se da por buena: la app te pide que mires la línea antes de confirmarla.
3. 3
   No perecederos. Productos que no compensa seguir por caducidad. Las bolsas y las líneas de descuento aparecen en gris y no entran en la lista.

Si el tipo de recibo es completamente nuevo para Fango — una cadena desconocida, un formato poco habitual — arriba aparece un aviso que dice abiertamente que los productos se han añadido pero que pueden faltar precios o fechas. Es una solución más honesta que presentar una suposición dudosa como si fuera un dato firme.

Dónde no hay IA

Esta es la parte más interesante, porque contradice lo que se espera de la etiqueta «app con IA». Buena parte de lo que en Fango parece inteligente no es IA en absoluto:

• Los emojis y las categorías salen de la lista de productos de la propia app, no del modelo. Por eso «Hacendado plátano» del recibo recibe el mismo 🍌 que un plátano añadido a mano, y por eso el resultado es siempre el mismo.
• Las sugerencias de la lista de la compra son cálculo local: frecuencia de compra a partir del historial de recibos y productos de la nevera a punto de caducar. El modelo no sugiere nada.
• El orden de las secciones — la lista se ordena en trece secciones siguiendo el recorrido del súper, a partir de palabras clave y sin IA.
• Las correcciones memorizadas. Si pones la leche en cinco días, la siguiente leche escaneada recibe cinco días y no la estimación general. Esa misma memoria guarda precios y lugares de conservación por nombre de producto.

El último punto es el principio más importante: tu decisión gana a la estimación. Un producto también se puede dejar fuera del seguimiento por completo, y entonces se omite en los recibos futuros con independencia de lo que opine el modelo. Aquí la IA es una vía de entrada, no una autoridad.

Lo que la IA no puede hacer aquí

Por honestidad, también los límites: Fango no tiene recetas, ni planificación de menús, ni lector de códigos de barras. El escaneo falla en los mismos casos que el ojo humano: un ticket térmico descolorido, una foto en ángulo muy inclinado, un papel arrugado o una nota escrita a mano. Un recibo de restaurante tampoco da una lista de nevera útil, porque ahí hay platos y no ingredientes.

¿Por qué merece la pena todo este trabajo? Porque la vía de entrada decide si la app se seguirá usando dentro de un mes. Según el Food Waste Index Report 2024 del PNUMA, alrededor de una quinta parte de los alimentos que llegan al consumidor se desperdicia, y según el Ministerio de Agricultura, Pesca y Alimentación los hogares españoles tiran cada año una cantidad considerable de comida aprovechable. El desperdicio rara vez viene de no saber cocinar: viene de olvidarse. Y contra el olvido solo sirve una lista cuyo mantenimiento no cueste esfuerzo. El panorama completo está en mejor app contra el desperdicio de comida.

Más sobre esto: App de comida sin recetas.

Preguntas frecuentes

¿Para qué se usa la IA en una app de comida?

En Fango la IA hace una sola cosa: lee el recibo de la compra y convierte las líneas en productos. Extrae el nombre, la cantidad, el precio, el tamaño del envase, el supermercado, la fecha del recibo y la moneda, estima la caducidad en días y propone un lugar de conservación. Todo lo demás en la app — los emojis, las categorías, las sugerencias de la lista de la compra y el orden de las secciones — es cálculo local sin IA.

¿Sale del móvil la foto entera del recibo?

Depende del dispositivo. En el iPhone el propio móvil lee primero el texto del recibo, y si el resultado parece un ticket limpio línea a línea solo sale el texto — la imagen queda únicamente como reserva. En Android sale la imagen, porque el reconocimiento de texto en el dispositivo no forma parte del paquete de Android. Si el recibo es un PDF, el texto se lee directamente del archivo. El tratamiento ocurre en el momento del escaneo y no se guardan recibos.

¿Qué pasa si la IA lee mal el recibo?

La pantalla de revisión es un paso obligatorio a propósito, y nada entra en la lista sin que tú lo confirmes. Las líneas se reparten en tres bloques: productos identificados, líneas a revisar y no perecederos. En las líneas a revisar la estimación de días del modelo no se da por buena, y las bolsas y las líneas de descuento aparecen en gris. Si el tipo de recibo es nuevo para Fango, arriba aparece un aviso de que pueden faltar precios o fechas.

¿Puedo corregir la estimación de la IA?

Sí, y la corrección se queda. Si cambias la caducidad de la leche a cinco días, la siguiente leche escaneada recibe cinco días en lugar de la estimación general del modelo. Esa misma memoria guarda precios y lugares de conservación por nombre de producto, y un producto se puede dejar fuera del seguimiento por completo, de modo que también se omita en los recibos futuros. Tu decisión gana a la estimación.