Undersøgelse · Tabe sig med l’IA
Tabe sig med ChatGPT, virker det? Vi stillede spørgsmålet 291 gange til 5 IA
Samme person, samme spørgsmål, op til 1.260 kcal forskel. Her er, hvad AI’erne svarer, og hvad de ikke kan gøre.
- 1 260 kcalforskel for samme profil, simpel prompt
- 0 %spørger om kropsfedt
- 97 %svarer med et “stillesiddende / aktivt” skema
- 14 %nævner metabolisk tilpasning
Studiet på 30 sekunder
- 1291 svar fra ChatGPT, Gemini og Claude på spørgsmålet “hvor mange kalorier for at tabe sig?”, for 6 identiske profiler.
- 2Simpel prompt (alder, vægt, højde): den samme person får fra 1.500 til 2.700 kcal afhængigt af AI’en og tidspunktet.
- 30 % af svarene spørger om kropsfedt. 97 % returnerer et “stillesiddende / moderat / aktivt”-gitter, formlen fra 1990.
- 4Fuld prompt (kropsfedt, skridt, sessioner): stadig 650 kcal af forskel, og kropsfedt bruges kun i 40 % beregningerne.
- 5Ingen AI følger op dagen efter: dagens skridt, måltider, termisk effekt, metabolisk tilpasning (14 % de nævner det). Tallet er fastlåst på dag 1.
Det, vi gjorde
- 6identiske profiler, fra den atletiske kvinde til den stillesiddende mand
- 2promptniveauer: simpel, derefter fuld
- 5forbruger-AI'er, frisk samtale hver gang
- 291tidsstemplede svar, offentliggjort som åbne data
ChatGPT (GPT-5.5 og GPT-5.4 mini), Gemini (3.7 Flash og 3.1 Pro), Claude Opus. Fransk og engelsk, 2 til 3 gentagelser, uden nogen instruktion. Den sorte linje på graferne: målet beregnet komponent for komponent ud fra de målte data (BMR på fedtfri masse, skridt, sessioner, TEF, underskud på 500 kcal).
Simpel prompt: fra 1.500 til 2.700 kcal for den samme person
“Jeg er en 32-årig mand, 78 kg, 180 cm, jeg vil tabe mig, hvor mange kalorier om dagen?” Spørgsmålet, som millioner af mennesker stiller det.
P1 · Mand 32 år, 78 kg, 180 cm, 12 % kropsfedt, 12.000 skridt, 4 styrketræninger/uge
P2 · Mand 32 år, 78 kg, 180 cm, 28 % kropsfedt, 4.000 skridt, ingen sport
P3 · Kvinde 28 år, 62 kg, 165 cm, 22 % kropsfedt, 9.000 skridt, 3 fitness/uge
P4 · Kvinde 45 år, 70 kg, 165 cm, 35 % kropsfedt, 3.500 skridt, ingen sport
P5 · Mand 50 år, 95 kg, 178 cm, 30 % kropsfedt, 6.000 skridt, 2 gåture/uge
P6 · Kvinde 24 år, 55 kg, 170 cm, 18 % kropsfedt, 14.000 skridt, 5 løb/uge
AI-adfærd, simpel prompt (147 svar)
- 0 %spørger om kropsfedtprocent
- 1 %spørger om det daglige skridttal
- 97 %bruger et deklarativt aktivitetsgitter
- 48 %citerer Mifflin-St Jeor eller Harris-Benedict (1990, 1919)
- 0 %nævner fødevarers termiske effekt
Fuld prompt: stadig et hul på 650 kcal
Vi giver alt: kropsfedt, skridt pr. dag, sessioner, og “giv mig et præcist tal”. Alle adlyder. Et præcist tal er ikke et korrekt tal.
P1 · Mand 32 år, 78 kg, 180 cm, 12 % kropsfedt, 12.000 skridt, 4 styrketræninger/uge
P2 · Mand 32 år, 78 kg, 180 cm, 28 % kropsfedt, 4.000 skridt, ingen sport
P3 · Kvinde 28 år, 62 kg, 165 cm, 22 % kropsfedt, 9.000 skridt, 3 fitness/uge
P4 · Kvinde 45 år, 70 kg, 165 cm, 35 % kropsfedt, 3.500 skridt, ingen sport
P5 · Mand 50 år, 95 kg, 178 cm, 30 % kropsfedt, 6.000 skridt, 2 gåture/uge
P6 · Kvinde 24 år, 55 kg, 170 cm, 18 % kropsfedt, 14.000 skridt, 5 løb/uge
AI-adfærd, fuld prompt (144 svar)
- 40 %faktisk bruger det oplyste kropsfedt
- 42 %omregner de angivne skridt til kalorier
- 14 %nævner metabolisk tilpasning
- 3 %nævner fødevarers termiske effekt
- 97 %giver et enkelt tal, som ønsket
P1 mod P2-testen: samme vægt, forskellige kroppe
- 699 kcalaf forskel mellem P1 og P2 ifølge AI'erne (gennemsnit)
- 970 kcalaf forskel når man beregner komponent for komponent
- +324 kcalfor meget for den stillesiddende profil ved 28 % kropsfedt
Problemet er ikke dag 1, det er 89 følgende dage
78 % af de detaljerede svar råder til at «veje sig og justere». Ingen gør det for dig.
- Dag 1Chatbotten modtager en vægt og svarer én gang.
- Dag 2Du gik 4.000 skridt i stedet for 11.000. Det ved den ikke.
- Uge 3Du trænede 6 gange og ændrede dine makroer. Det ved den ikke.
- Dag 90Du tabte 4 kg, dit stofskifte faldt og tilpassede sig derefter. Det ved den stadig ikke.
Det chatbotten ikke ved
- ✕Dine skridt i dag
- ✕Dine måltider i dag og deres termiske effekt
- ✕Dit reelle kropsfedt og dets udvikling
- ✕Din stofskiftes tilpasning over ugerne
- ✕Ingen kurve, intet diagram over dit forbrug
Hvad ægte tracking kræver
- ✓Forbrug genberegnet hver dag ud fra målinger
- ✓Mål der bevæger sig med skridt og træningspas
- ✓Kropsfedt målt igen regelmæssigt
- ✓Automatisk korrektion af metabolisk tilpasning
- ✓En læsbar kurve over din TDEE og dens udvikling
AI'en der måler over for AI'en der gætter
Lean bruger også AI, men til at måle: BodyScan til kropsfedt, fotoscan til tallerkenen, skridttæller til skridt. Derefter genberegner den hver dag de fem komponenter i dit forbrug og tegner kurven.
Dataene, profil for profil
P1 · Mand 32 år, 78 kg, 180 cm, 12 % kropsfedt, 12.000 skridt, 4 styrkepas/uge
Simpel prompt: 1.500 til 2.700 kcal (28 svar) · Fuld prompt: 2.100 til 2.750 kcal (28 svar) · Komponent for komponent-mål: 2.360 kcal (BMR 1.853, NEAT 504, EAT 267, TEF 236, TDEE 2.860)P2 · Mand 32 år, 78 kg, 180 cm, 28 % kropsfedt, 4.000 skridt, ingen sport
Simpel prompt: 1.500 til 2.760 kcal (28 svar) · Fuld prompt: 1.400 til 2.000 kcal (28 svar) · Komponent for komponent-mål: 1.390 kcal (BMR 1.583, NEAT 168, EAT 0, TEF 139, TDEE 1.890)P3 · Kvinde 28 år, 62 kg, 165 cm, 22 % kropsfedt, 9.000 skridt, 3 fitnesspas/uge
Simpel prompt: 1.130 til 2.000 kcal (25 svar) · Fuld prompt: 1.450 til 1.900 kcal (22 svar) · Komponent for komponent-mål: 1.499 kcal (BMR 1.415, NEAT 275, EAT 159, TEF 150, TDEE 1.999)P4 · Kvinde 45 år, 70 kg, 165 cm, 35 % kropsfedt, 3.500 skridt, ingen sport
Simpel prompt: 1.100 til 2.000 kcal (22 svar) · Fuld prompt: 1.200 til 1.600 kcal (22 svar) · Komponent for komponent-mål: 1.082 kcal (BMR 1.353, NEAT 121, EAT 0, TEF 108, TDEE 1.582)P5 · Mand 50 år, 95 kg, 178 cm, 30 % kropsfedt, 6.000 skridt, 2 gåture/uge
Simpel prompt: 1.500 til 2.550 kcal (22 svar) · Fuld prompt: 1.600 til 2.200 kcal (22 svar) · Komponent for komponent-mål: 1.918 kcal (BMR 1.806, NEAT 303, EAT 117, TEF 192, TDEE 2.418)P6 · Kvinde 24 år, 55 kg, 170 cm, 18 % kropsfedt, 14.000 skridt, 5 løb/uge
Simpel prompt: 1.200 til 2.200 kcal (16 svar) · Fuld prompt: 1.850 til 2.500 kcal (19 svar) · Komponent for komponent-mål: 1.735 kcal (BMR 1.344, NEAT 391, EAT 326, TEF 174, TDEE 2.235)
Variabilitet hos den samme IA på den samme gentagne prompt (fuld prompt, gennemsnitlig forskel mellem gentagelser): Claude Opus 73 kcal, Gemini 3.1 Pro 175 kcal, Gemini 3.7 Flash 57 kcal, ChatGPT (GPT-5.4 mini) 98 kcal, ChatGPT (GPT-5.5) 96 kcal.
Fuld datasæt (prompts, 291 rå svar, udtræk, scripts): Zenodo, DOI 10.5281/zenodo.22662006, CC BY 4.0-licens.
Detaljeret metode og begrænsninger
Modeller forespurgt via API med standardindstillinger og uden systeminstruktion: GPT-5.5 og GPT-5.4 mini (OpenAI), Gemini 3.7 Flash og Gemini 3.1 Pro (Google). Claude Opus (Anthropic) forespurgt via den officielle kommandolinjegrænseflade med en neutral systemprompt og uden nogen kontekst. Seks profiler, to promptniveauer, fransk og engelsk, 2 til 3 gentagelser pr. kombination, 291 svar indsamlet den 8. september 2026 (Gemini 3.1 Pro: 27 svar, API-hastighed begrænset; andre modeller: 48 til 72).
Læsning af svarene: en automatisk udtrækker (GPT-5.4 mini, temperatur 0, strengt JSON-skema) identificerer det anbefalede indtagsmål (min og max når et interval eller en skala er angivet) og adfærdene (spørgsmål stillet før svar, aktivitetsgrids, faktisk brug af det oplyste kropsfedt og de oplyste skridt, omtale af metabolisk tilpasning og den termiske effekt). Udtrækket offentliggøres sammen med de rå svar, linje for linje.
Begrænsninger: fiktive profiler; offentlige referenceformler (Katch-McArdle på fedtfri masse, Ainsworth 2011-kompendiet, TEF på 10 %) som fungerer som pejlemærke, ikke som sandhed i praksis; modellerne udvikler sig, og svarene ændrer sig fra uge til uge, hvilket er en del af konstateringen. Lean udgiver denne undersøgelse og sælger en tracking-app: metode og data er åbne, så alle kan genskabe den.
Videnskabelige kilder
- Mifflin MD et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 1990;51(2):241-7. PubMed 2305711
- Ainsworth BE et al. 2011 Compendium of Physical Activities. Med Sci Sports Exerc. 2011;43(8):1575-81. PubMed 21681120
- Levine JA et al. Interindividual variation in posture allocation. Videnskab. 2005;307(5709):584-6. PubMed 15681386
- Trexler ET et al. Metabolic adaptation to weight loss: implications for the athlete. J Int Soc Sports Nutr. 2014;11:7. PubMed 24571926
- Westerterp KR. Diet induced thermogenesis. Nutr Metab. 2004;1:5. PubMed 15507147
Studie offentliggjort af Lean-teamet. Pressekontakt: franckbarriere@lean-app.com. Ikke medicinsk rådgivning.
Ofte stillede spørgsmål
Kan ChatGPT beregne, hvor mange kalorier jeg skal spise?
Den giver et tal, men ikke en måling. Ud af 291 svar spurgte ingen AI om kropsfedt (kun én spurgte om skridttallet), og 97 % af svarene på den simple prompt bygger på en deklarativ aktivitetsgrænse (stillesiddende, moderat, aktiv). Resultatet er et statistisk gennemsnit, der ignorerer din kropssammensætning og din reelle aktivitet, med op til 1.260 kcal i forskel for den samme person.
Hvorfor giver AI'er så forskellige tal for den samme profil?
Fordi de ikke har nogen måling. De anvender en populationsformel (oftest Mifflin-St Jeor 1990) og derefter en aktivitetsmultiplikator valgt på gefühl. To mænd på 78 kg, den ene med 12 % kropsfedt og 12.000 skridt, den anden med 28 % og 4.000 skridt, får det samme svar på den simple prompt, selv om deres reelle forbrug adskiller sig med næsten 1.000 kcal.
Hjælper det at give ChatGPT flere detaljer?
Kun delvist. Med kropsfedt, skridt og træningspas i prompten er forskellen mellem AI'er stadig 650 kcal for den samme profil, kropsfedt bruges faktisk kun i beregningen i 40 % af svarene og skridt i 42 %. Og vigtigst af alt er svaret fastlåst: den ved ikke, hvor meget du har gået eller spist i dag, eller hvordan dit stofskifte tilpasser sig over ugerne.
Hvad er metabolisk tilpasning, og hvorfor ændrer det svaret?
Ved et langvarigt kalorieunderskud falder basalstofskiftet ud over det, vægttabet forklarer. Et tal, der er korrekt i dag, bliver for højt efter et par uger. Kun 14 % af de detaljerede svar nævnte det, og ingen beregner det. Det er den hyppigste årsag til plateauer.
Hvordan beregner man korrekt sine kalorier for at tabe sig?
Ved at opbygge forbruget komponent for komponent, TDEE = BMR + NEAT + EAT + TEF, med basalstofskiftet beregnet ud fra den reelle fedtfri masse, NEAT ud fra målte skridt, EAT ud fra de træningspas, der faktisk er gennemført, TEF ud fra de indtagne makroer, og derefter følge udviklingen dag for dag og korrigere, når kroppen tilpasser sig. Det er en opfølgning, ikke et svar i én sætning.
Er AI ubrugelig til ernæring?
Nej. AI er værdifuld, når den måler: at estimere kropsfedt ud fra et foto, genkende en ret, læse en stregkode. Den er svag, når den gætter ud fra tre tal. Forskellen er mellem en AI, der er koblet til løbende opdaterede målinger, og en chatbot, der svarer en fremmed ud fra hukommelsen.
Kan jeg genskabe studiet?
Ja. De 12 prompts, de tidsstemplede rå svar, den strukturerede udtrækning og scriptsene er offentliggjort som åbne data (link nederst på siden). Hvert kald er en ny samtale, uden systeminstruktion, med standardindstillingerne.