짧게 답하면, 네, 정말 쓸모 있을 만큼은 정확해요. 다만 한 가지 중요한 구분이 있어요. AI 칼로리 앱은 첫 번째 일, 그러니까 접시 위에 무엇이 있는지 알아보는 일을 아주 잘해요. 동료 심사를 거친 연구는 이 정확도를 90퍼센트 이상으로 봐요. 두 번째 일, 그것을 정확한 칼로리 숫자로 바꾸는 일에는 덜 정밀한데, 분량까지 판단해야 하기 때문이에요. 다행인 건 이게 손으로 세는 방식을 포함해 모든 방법에 똑같이 해당하고, 남아 있는 작은 오차가 꾸준히 기록하기만 하면 체중 감량을 막지 않는다는 점이에요. 이 가이드에서는 연구가 실제로 무엇을 보여주는지, 그리고 어떤 앱에서든 가장 믿을 만한 결과를 얻는 방법을 알려드릴게요.
칼로리 기록에서 ‘정확하다’는 말의 의미
어떤 앱이든 평가하기 전에, 칼로리 계산이 정확하냐고 물을 때 사람들이 뭉뚱그리는 두 가지를 먼저 갈라놓으면 도움이 돼요.
첫 번째는 인식이에요. 지금 먹는 것이 닭고기와 파스타가 아니라 구운 연어와 밥, 브로콜리라는 걸 앱이 제대로 알아볼 수 있을까요? 두 번째는 추정이에요. 음식이 무엇인지 안다고 할 때, 앱이 내놓는 칼로리 숫자가 실제로 먹은 양에 얼마나 가까울까요?
이 둘은 다른 문제이고, 앱은 두 번째보다 첫 번째를 훨씬 잘해요. 사진에서 음식을 알아보는 일은 요즘 AI가 대단히 잘하는 일이에요. 정확한 칼로리를 짚어내는 건 더 어려운데, 같은 연어와 밥 한 접시라도 분량과 사용한 기름의 양, 조리 방법에 따라 100칼로리 넘게 오르내릴 수 있기 때문이에요. 그 정보를 완벽하게 담아내는 사진은 없어요.
일찌감치 새겨둘 만한 대목이 여기 있어요. 누가, 또는 무엇이 내놓든 칼로리 수치가 정확해지는 일은 없어요. 접시를 눈으로 살피는 영양사도, 제조사가 인쇄한 영양성분표도, AI 앱도 모두 추정을 하고 있어요. 올바른 질문은 ‘완벽한가’(완벽한 것은 없어요)가 아니라 ‘일관되고, 내 판단을 이끌 만큼 가까운가’예요. 체중을 바꾸는 일에 관해서라면 답은 ‘그렇다’이고, 이 글의 나머지가 그 이유를 보여드릴게요.
AI의 실제 실력
정말 좋고, 빠르게 나아지고 있어요. 동료 심사를 거친 연구에서 딥러닝 기반 음식 인식 모델은 90퍼센트가 넘는 정확도로 음식을 알아보고, 가장 뛰어난 모델은 약 93퍼센트에 이르러요(Queipo-Alvarez 2025; Huang and Wang 2022). 컴퓨터 비전 연구 56건을 다룬 2025년 리뷰는 합성곱 신경망과 멀티태스크 프레임워크가 “음식 분할과 인식에서 90퍼센트가 넘는 정확도”를 달성한다고 보고했고, 별도의 2022년 시스템은 “93퍼센트를 넘는” 인식률을 보고했어요.
CalcEat도 같은 계열의 기술 위에 만들어졌고, 검증된 음식 300만 개가 넘는 데이터베이스로 학습해서 대다수의 경우 접시 위에 있는 것을 한 번에 짚어내요. 그리고 포장 식품이라면 바코드를 스캔하는 것만으로 추정 단계를 통째로 건너뛰고 영양성분표의 정확한 수치를 그대로 가져와요.
기억해 둘 핵심은, 한때 어려운 쪽이었던 인식 단계가 이제 대체로 해결됐다는 거예요. 정말로 어렵게 남아 있는 것은 그다음 단계예요.
음식 인식과 칼로리 추정의 차이
‘앱이 틀렸다’는 이야기의 거의 전부를 설명해 주는 구분이라, 정확히 짚어둘 만해요.
인식은 AI가 가장 잘하는 부분이에요. 접시 위 음식의 이름을 대는 일은 패턴 인식 과제이고, 딥러닝이 바로 그런 일에서 뛰어나요. 앞의 숫자들이 90퍼센트를 넘는 이유예요.
칼로리 추정은 더 어려워요. ‘얼마나’라는 두 번째 판단이 붙기 때문이에요. ‘이건 밥이다’를 ‘이건 밥 240칼로리다’로 바꾸려면 앱이 분량을 추정해야 하는데, 사진은 입체로 쌓인 음식을 평평한 2차원으로 담아낸 것이에요. 깊이와 밀도, 숨은 재료(밥에 섞은 버터, 닭고기를 튀긴 기름)는 온전히 보이지 않아요. 그래서 음식은 정확히 인식되더라도 칼로리 숫자에는 더 큰 불확실성이 따라와요.
불확실성이 어느 정도일까요? 연구를 보면 컴퓨터 비전 기반 칼로리 시스템은 쓸 만한 범위 안에 들어와요. 한 시스템은 칼로리 추정 오차를 “10퍼센트 미만”으로 보고했고, 더 넓은 문헌을 다룬 2025년 리뷰는 조사한 방법들 전반에서 “칼로리 추정의 상대 오차 15퍼센트 미만”을 확인했어요(Huang and Wang 2022; Queipo-Alvarez 2025). 그러니 앱이 600칼로리로 추정한 한 끼는 현실적으로 대략 510〜690 언저리예요. 이건 측정값이 아니라 추정값이고, 쓸모 있기에는 충분히 가까운데, 다음 두 절에서 그 이유를 풀어드릴게요.
어떤 칼로리 수치도 정확할 수 없는 이유
‘진짜’ 칼로리 수치는 고정된 사실인데 앱이 거기에 못 미칠 뿐이라고 생각하기 쉬워요. 사실은 가장 권위 있는 자료조차 폭이 있는 숫자를 다루고 있어요. 사람이든 AI든 어떤 수치도 정확할 수 없는 이유가 세 가지 있어요.
1. 분량이 가장 큰 변수인데, 사진에는 보이지 않아요. 비슷해 보이는 파스타 2인분도 무게가 50퍼센트까지 차이 날 수 있어요. 사진 기반 추정에서 단연 가장 큰 오차의 원천이고, 그래서 어떤 앱을 쓰느냐보다 분량을 확인하는 일(다음 절)이 더 중요해요.
2. 인쇄된 라벨에도 법으로 허용된 오차 범위가 있어요. 포장에 적힌 숫자는 정확하다고들 생각하지만 그렇지 않아요. 미국 FDA 규정(21 CFR 101.9)에서 영양성분표에는 허용 오차가 인정돼요. 자연적으로 들어 있는 영양소는 그 식품이 “라벨에 표시된 값의 최소 80퍼센트”만 담고 있으면 되고, 첨가된 영양소는 표시된 값의 “최소 100퍼센트”여야 해요(FDA, 21 CFR 101.9). 그래도 라벨은 포장 식품에서 얻을 수 있는 가장 정확한 숫자이지만, 그런 라벨조차 1칼로리 단위로 정밀하지는 않아요.
3. 사람은 자기 섭취량에 관해 믿을 수 없는 화자이고, 진짜로 넘어야 할 기준은 바로 이거예요. 논의 전체를 다시 보게 만드는 연구 결과예요. New England Journal of Medicine에 실린 고전적인 연구에서, 저칼로리 식단으로도 살이 빠지지 않는다고 믿었던 사람들은 평균적으로 실제 식사 섭취량을 47퍼센트 적게 보고했고 신체 활동량은 51퍼센트 많게 보고했어요(Lichtman 1992). 자기가 먹었다고 생각한 양과 실제로 먹은 양의 차이는 하루 1,000칼로리가 넘었어요. 이런 배경에 놓고 보면 대략 10〜15퍼센트 이내에 들어오는 AI 추정치는 약한 고리가 아니에요. 보통 사람의 어림짐작보다 훨씬 정직해요.
이런 시스템을 만드는 연구자들조차 그 점을 분명히 말해요. 2022년 논문의 저자들 표현대로 “음식 칼로리를 추정하는 것은 어려운 문제다. 완벽한 이미지 처리 시스템이라 해도 완벽하게 예측할 수는 없다”는 거예요(Huang and Wang 2022). 애초에 목표는 완벽함이 아니었어요. 믿을 수 있고 반복할 수 있는 추정치가 목표예요.
가장 정확한 결과를 얻는 방법
세 가지 습관이면 어떤 앱의 정확도든 눈에 띄게 끌어올릴 수 있어요. 어느 것도 매 끼니를 저울에 달 필요가 없고, CalcEat을 쓰든 다른 기록 앱을 쓰든 똑같이 통해요.
- 포장 식품은 무엇이든 바코드를 스캔하세요. 하나만 꼽으라면 가장 큰 개선이에요. 바코드는 제조사의 영양성분표 수치를 그대로 가져와 추정 단계를 통째로 건너뛰기 때문에, 라벨이 붙은 음식은 음식이 다다를 수 있는 가장 정확한 상태가 돼요. 한 끼가 절반은 포장 식품이고 절반은 신선 식품이라면, 포장된 쪽은 스캔하고 나머지는 추정하세요.
- 분량을 확인하고, 기본값을 그냥 받아들이지 마세요. 분량이 가장 큰 오차의 원천이니, 빠르게 한 번 점검하는 것이 무엇보다 크게 남아요. 식품저울이 필요한 경우는 드물어요. 몇 가지 기준점(카드 한 벌은 손바닥만 한 고기 1인분 정도이고, 오므린 손 한 움큼은 대략 250ml예요)만 있으면 거의 다 온 거예요. 매 끼니를 계량하지 않고 칼로리 정확하게 계산하는 법 가이드가 이런 눈대중 추정을 자세히 짚어드려요.
- 잊기 전에, 바로 기록하세요. 가장 정확한 기록은 실제로 먹은 것을 제대로 붙잡아 둔 기록이에요. 식탁에서 사진 한 장 찍는 편이 밤 10시에 기억으로 하루를 되짚는 것보다 나아요. 앞서 나온 47퍼센트 과소 보고를 만들어낸 것이 바로 그런 식의 기억이었으니까요.
이 세 가지만 해두면, 실험실을 쓰지 않는 방법으로 현실적으로 도달할 수 있는 최선의 숫자를 얻게 돼요.
체중을 줄일 만큼 정확할까요?
네. 그리고 여기가 가장 중요한 절이에요. 사람들이 계산을 거꾸로 이해하는 지점이 바로 여기거든요.
체중 변화는 한 끼가 아니라 몇 주에 걸친 평균 섭취량에 반응해요. 그러면 ‘정확하다’가 뜻해야 하는 바도 달라져요. 앱이 날마다 비슷한 비율만큼 어긋난다면, 그래도 흐름은 제대로 따라가요. 당신이 보는 것은 방향과 평균이지, 매일의 정확한 숫자를 쫓는 게 아니니까요. 날마다 조금 높게 또는 조금 낮게 나오는 일관된 추정치라도 칼로리 적자에 있는지, 그리고 그 적자가 효과를 내고 있는지는 정확히 알려줘요.
대부분의 사람에게 사진과 AI 기록이 손으로 세는 방식을 이기는 지점이 바로 여기예요. 손으로 하는 기록은 느리고, 느린 습관은 버려져요. 그만둔 기록은 10퍼센트 부정확하거나 15퍼센트 부정확한 게 아니라 정확도가 0퍼센트예요. 존재하지 않으니까요. 사진 한 장과 바코드 스캔은 몇 초면 끝나고, 그 속도가 날마다 기록하느냐 주 중반쯤 슬그머니 그만두느냐를 가르는 차이예요. Lichtman 연구가 알려주는 과학은 사실 그 간극에 대한 경고예요. 실패의 모습은 조금 어긋난 추정치가 아니라, 애초에 정직하게 기록하지 않는 것이에요.
그러니 이기는 전략은 단순해요. 앱으로 빠르고 일관된 추정치를 얻으세요. 가능한 곳에서는 바코드에 기대어 정확한 값을 가져오세요. 그런 다음 체중계를 최종 심판으로 삼으세요. 규칙적으로 체중을 재고, 2〜4주 흐름을 보고, 숫자가 원하는 대로 움직이지 않으면 목표를 조정하세요. 겨냥할 출발점이 필요하다면 칼로리 계산기가 내 신체 정보와 목표에서 하루 목표치를 추정해 주고, 하루에 칼로리를 얼마나 먹어야 할까요?가 그 숫자를 읽는 법을 설명해요. 더 촘촘한 틀을 원한다면 탄단지 계산하는 방법에서 그 목표치를 탄단지(탄수화물, 단백질, 지방을 줄인 말)로 나누는 법을 다뤄요.
결론은 이래요. AI 칼로리 앱은 정말 중요한 지점에서 정확해요. 음식을 알아보고, 실제로 이어갈 수 있는 일관된 숫자를 준다는 점에서요. 완벽한 칼로리 수치를 내놓는 도구는 없지만, 그런 게 필요하지도 않아요. 필요한 건 이어갈 수 있는 습관과 나를 정직하게 지켜주는 체중계예요. 이걸 실천으로 옮기고 싶다면 무료 플랜을 만들고 다음 끼니부터 몇 초 만에 기록을 시작할 수 있어요.
