Studie · Afvallen met l’AI
Afvallen met ChatGPT, werkt het? We stelden de vraag 291 keer aan 5 AI's
Dezelfde persoon, dezelfde vraag, tot 1.260 kcal verschil. Hier is wat de AI’s antwoorden, en wat ze niet kunnen doen.
- 1 260 kcalverschil voor hetzelfde profiel, eenvoudige prompt
- 0 %vragen naar lichaamsvet
- 97 %antwoorden met een “sedentair / actief”-tabel
- 14 %vermelden metabole adaptatie
De studie in 30 seconden
- 1291 antwoorden van ChatGPT, Gemini en Claude op de vraag “hoeveel calorieën om af te vallen?”, voor 6 identieke profielen.
- 2Eenvoudige prompt (leeftijd, gewicht, lengte): dezelfde persoon krijgt van 1.500 tot 2.700 kcal afhankelijk van de AI en het moment.
- 30 % van de antwoorden vragen naar lichaamsvet. 97 % geven een raster « sedentaire / matig / actief », de formule van 1990.
- 4Volledige prompt (lichaamsvet, stappen, sessies): nog steeds 650 kcal verschil, en lichaamsvet wordt alleen gebruikt in 40 % de berekeningen.
- 5Geen enkele AI volgt de volgende dag op: stappen van de dag, maaltijden, thermisch effect, metabole adaptatie (14 % vermelden ze). Het cijfer ligt vast op dag 1.
Wat we hebben gedaan
- 6identieke profielen, van de sportieve vrouw tot de sedentaire man
- 2promptniveaus: eenvoudig, daarna volledig
- 5consumenten-AI's, elke keer een nieuwe conversatie
- 291tijdgestempelde antwoorden, gepubliceerd als open data
ChatGPT (GPT-5.5 en GPT-5.4 mini), Gemini (3.7 Flash en 3.1 Pro), Claude Opus. Frans en Engels, 2 tot 3 herhalingen, zonder enige instructie. De zwarte lijn van de grafieken: het doel berekend component voor component op basis van gemeten gegevens (BMR op vetvrije massa, stappen, sessies, TEF, tekort van 500 kcal).
Eenvoudige prompt: van 1.500 tot 2.700 kcal voor dezelfde persoon
“Ik ben een man van 32 jaar, 78 kg, 180 cm, ik wil afvallen, hoeveel calorieën per dag?” De vraag zoals miljoenen mensen die stellen.
P1 · Man 32 jaar, 78 kg, 180 cm, 12 % vetpercentage, 12.000 stappen, 4 krachttrainingen/wk
P2 · Man 32 jaar, 78 kg, 180 cm, 28 % vetpercentage, 4.000 stappen, geen sport
P3 · Vrouw 28 jaar, 62 kg, 165 cm, 22 % vetpercentage, 9.000 stappen, 3 fitnesssessies/wk
P4 · Vrouw 45 jaar, 70 kg, 165 cm, 35 % vetpercentage, 3.500 stappen, geen sport
P5 · Man 50 jaar, 95 kg, 178 cm, 30 % vetpercentage, 6.000 stappen, 2 wandelingen/wk
P6 · Vrouw 24 jaar, 55 kg, 170 cm, 18 % vetpercentage, 14.000 stappen, 5 runs/wk
AI-gedrag, eenvoudige prompt (147 antwoorden)
- 0 %vragen naar het percentage lichaamsvet
- 1 %vragen naar het aantal dagelijkse stappen
- 97 %gebruiken een declaratieve activiteitsmatrix
- 48 %citeren Mifflin-St Jeor of Harris-Benedict (1990, 1919)
- 0 %vermelden het thermische effect van voeding
Volledige prompt: nog steeds 650 kcal verschil
We geven alles: lichaamsvet, stappen per dag, sessies, en “geef me een precies cijfer”. Ze gehoorzamen allemaal. Een precies cijfer is geen juist cijfer.
P1 · Man 32 jaar, 78 kg, 180 cm, 12 % vetpercentage, 12.000 stappen, 4 krachttrainingen/wk
P2 · Man 32 jaar, 78 kg, 180 cm, 28 % vetpercentage, 4.000 stappen, geen sport
P3 · Vrouw 28 jaar, 62 kg, 165 cm, 22 % vetpercentage, 9.000 stappen, 3 fitnesssessies/wk
P4 · Vrouw 45 jaar, 70 kg, 165 cm, 35 % vetpercentage, 3.500 stappen, geen sport
P5 · Man 50 jaar, 95 kg, 178 cm, 30 % vetpercentage, 6.000 stappen, 2 wandelingen/wk
P6 · Vrouw 24 jaar, 55 kg, 170 cm, 18 % vetpercentage, 14.000 stappen, 5 runs/wk
AI-gedrag, volledige prompt (144 antwoorden)
- 40 %gebruiken daadwerkelijk het opgegeven lichaamsvet
- 42 %zetten de gegeven stappen om in calorieën
- 14 %vermelden metabole adaptatie
- 3 %vermelden het thermische effect van voeding
- 97 %geven een enkel getal, zoals gevraagd
De P1 versus P2-test: hetzelfde gewicht, verschillende lichamen
- 699 kcalvan verschil tussen P1 en P2 volgens de AI's (gemiddelde)
- 970 kcalvan verschil wanneer je component voor component berekent
- +324 kcalte veel voor het sedentaire profiel bij 28% lichaamsvet
Het probleem is niet dag 1, het zijn de 89 dagen die volgen
78% van de gedetailleerde antwoorden raadt aan om “jezelf te wegen en aan te passen”. Geen enkele doet het voor jou.
- Dag 1De chatbot ontvangt een gewicht en antwoordt één keer.
- Dag 2Je hebt 4.000 stappen gezet in plaats van 11.000. Hij weet het niet.
- Week 3Je hebt 6 sessies gedaan en je macro's aangepast. Hij weet het niet.
- Dag 90Je bent 4 kg afgevallen, je metabolisme is gedaald en daarna aangepast. Hij weet het nog steeds niet.
Wat de chatbot niet weet
- ✕Je stappen van de dag
- ✕Je maaltijden van de dag en hun thermisch effect
- ✕Je werkelijke lichaamsvet, en de evolutie ervan
- ✕De aanpassing van je metabolisme in de loop van de weken
- ✕Geen curve, geen grafiek van je verbruik
Wat echte opvolging vereist
- ✓Verbruik elke dag herberekend op basis van metingen
- ✓Doel dat meebeweegt met de stappen en sessies
- ✓Lichaamsvet regelmatig opnieuw gemeten
- ✓Automatische correctie van metabole adaptatie
- ✓Een leesbare curve van je TDEE en de evolutie ervan
De AI die meet tegenover de AI die gokt
Lean gebruikt ook AI, maar om te meten: BodyScan voor lichaamsvet, fotoscan voor het bord, stappenteller voor de stappen. Daarna herberekent het elke dag de vijf componenten van je verbruik en tekent het de curve.
De gegevens, profiel per profiel
P1 · Man 32 jaar, 78 kg, 180 cm, 12 % vetpercentage, 12.000 stappen, 4 krachttrainingen/wk
Eenvoudige prompt: 1.500 tot 2.700 kcal (28 antwoorden) · Volledige prompt: 2.100 tot 2.750 kcal (28 antwoorden) · Component voor component target: 2.360 kcal (BMR 1.853, NEAT 504, EAT 267, TEF 236, TDEE 2.860)P2 · Man 32 jaar, 78 kg, 180 cm, 28 % vetpercentage, 4.000 stappen, geen sport
Eenvoudige prompt: 1.500 tot 2.760 kcal (28 antwoorden) · Volledige prompt: 1.400 tot 2.000 kcal (28 antwoorden) · Component voor component target: 1.390 kcal (BMR 1.583, NEAT 168, EAT 0, TEF 139, TDEE 1.890)P3 · Vrouw 28 jaar, 62 kg, 165 cm, 22 % vetpercentage, 9.000 stappen, 3 fitnesssessies/wk
Eenvoudige prompt: 1.130 tot 2.000 kcal (25 antwoorden) · Volledige prompt: 1.450 tot 1.900 kcal (22 antwoorden) · Component voor component target: 1.499 kcal (BMR 1.415, NEAT 275, EAT 159, TEF 150, TDEE 1.999)P4 · Vrouw 45 jaar, 70 kg, 165 cm, 35 % vetpercentage, 3.500 stappen, geen sport
Eenvoudige prompt: 1.100 tot 2.000 kcal (22 antwoorden) · Volledige prompt: 1.200 tot 1.600 kcal (22 antwoorden) · Component voor component target: 1.082 kcal (BMR 1.353, NEAT 121, EAT 0, TEF 108, TDEE 1.582)P5 · Man 50 jaar, 95 kg, 178 cm, 30 % vetpercentage, 6.000 stappen, 2 wandelingen/wk
Eenvoudige prompt: 1.500 tot 2.550 kcal (22 antwoorden) · Volledige prompt: 1.600 tot 2.200 kcal (22 antwoorden) · Component voor component target: 1.918 kcal (BMR 1.806, NEAT 303, EAT 117, TEF 192, TDEE 2.418)P6 · Vrouw 24 jaar, 55 kg, 170 cm, 18 % vetpercentage, 14.000 stappen, 5 runs/wk
Eenvoudige prompt: 1.200 tot 2.200 kcal (16 antwoorden) · Volledige prompt: 1.850 tot 2.500 kcal (19 antwoorden) · Component voor component-doel: 1.735 kcal (BMR 1.344, NEAT 391, EAT 326, TEF 174, TDEE 2.235)
Variabiliteit van dezelfde AI op dezelfde herhaalde prompt (volledige prompt, gemiddelde afwijking tussen herhalingen): 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.
Volledige dataset (prompts, 291 ruwe antwoorden, extractie, scripts): Zenodo, DOI 10.5281/zenodo.22662006, CC BY 4.0-licentie.
Gedetailleerde methode en beperkingen
Modellen via API bevraagd met de standaardparameters en zonder systeeminstructie: GPT-5.5 en GPT-5.4 mini (OpenAI), Gemini 3.7 Flash en Gemini 3.1 Pro (Google). Claude Opus (Anthropic) bevraagd via de officiële command-line interface met een neutrale systeemprompt en zonder enige context. Zes profielen, twee promptniveaus, Frans en Engels, 2 tot 3 herhalingen per combinatie, 291 antwoorden verzameld op 8 september 2026 (Gemini 3.1 Pro: 27 antwoorden, API-doorvoer beperkt; andere modellen: 48 tot 72).
Lezen van de antwoorden: een automatische extractor (GPT-5.4 mini, temperatuur 0, strikt JSON-schema) identificeert het aanbevolen inname-doel (min en max wanneer een bereik of een raster wordt gegeven) en de gedragingen (vraag gesteld vóór het antwoorden, activiteitsraster, daadwerkelijk gebruik van het opgegeven lichaamsvet en de verstrekte stappen, vermelding van metabole adaptatie en van het thermisch effect). De extractie wordt gepubliceerd met de ruwe antwoorden, regel per regel.
Beperkingen: fictieve profielen; openbare referentieformules (Katch-McArdle op vetvrije massa, Ainsworth 2011-compendium, TEF op 10 %) die als referentie dienen, niet als waarheid in het veld; modellen evolueren en antwoorden veranderen van week tot week, wat deel uitmaakt van de vaststelling. Lean publiceert deze studie en verkoopt een tracking-app: methode en gegevens zijn open zodat iedereen ze opnieuw kan uitvoeren.
Wetenschappelijke bronnen
- 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. Wetenschap. 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 gepubliceerd door Het Lean-team. Perscontact: franckbarriere@lean-app.com. Geen medisch advies.
Veelgestelde vragen
Kan ChatGPT berekenen hoeveel calorieën ik moet eten?
Het geeft een getal, maar geen meting. Op 291 antwoorden vroeg geen enkele AI naar lichaamsvet (slechts één vroeg naar het aantal stappen), en 97 % van de antwoorden op de eenvoudige prompt steunt op een declaratief activiteitenschema (sedentair, matig, actief). Het resultaat is een statistisch gemiddelde dat je lichaamssamenstelling en je werkelijke activiteit negeert, met tot 1.260 kcal verschil voor dezelfde persoon.
Waarom geven AI’s zulke verschillende cijfers voor hetzelfde profiel?
Omdat ze geen meting hebben. Ze passen een populatieformule toe (meestal Mifflin-St Jeor 1990) en daarna een activiteitsmultiplier die op gevoel wordt gekozen. Twee mannen van 78 kg, de ene met 12 % lichaamsvet en 12.000 stappen, de andere met 28 % en 4.000 stappen, krijgen hetzelfde antwoord op de eenvoudige prompt, terwijl hun werkelijke verbruik bijna 1.000 kcal verschilt.
Lost meer details geven aan ChatGPT het probleem op?
Slechts gedeeltelijk. Met lichaamsvet, stappen en sessies in de prompt blijft het verschil tussen AI’s 650 kcal voor hetzelfde profiel, lichaamsvet wordt in slechts 40 % van de antwoorden echt gebruikt in de berekening en stappen in 42 %. En vooral, het antwoord staat vast: het weet niet hoeveel je vandaag hebt gewandeld of gegeten, noch hoe je metabolisme zich in de loop van de weken aanpast.
Wat is metabole adaptatie en waarom verandert het antwoord?
Bij een langdurig tekort daalt het basaal metabolisme verder dan wat het gewichtsverlies verklaart. Een cijfer dat vandaag juist is, wordt na een paar weken te hoog. Slechts 14 % van de gedetailleerde antwoorden vermeldde het, en geen enkele berekent het. Het is de meest voorkomende oorzaak van plateaus.
Hoe bereken je je calorieën correct om af te vallen?
Door het verbruik component voor component op te bouwen, TDEE = BMR + NEAT + EAT + TEF, met het basaal metabolisme berekend op de werkelijke vetvrije massa, de NEAT op de gemeten stappen, de EAT op de sessies die echt zijn gedaan, de TEF op de geconsumeerde macro’s, en vervolgens de evolutie dag na dag te volgen en bij te sturen wanneer het lichaam zich aanpast. Het is een opvolging, geen antwoord in één zin.
Is AI nutteloos voor voeding?
Nee. AI is waardevol wanneer ze meet: lichaamsvet schatten op basis van een foto, een gerecht herkennen, een barcode lezen. Ze is zwak wanneer ze raadt op basis van drie cijfers. Het verschil is tussen een AI die gekoppeld is aan continu bijgewerkte metingen en een chatbot die uit het geheugen antwoordt op een onbekende.
Kan ik de studie reproduceren?
Ja. De 12 prompts, de getimede ruwe antwoorden, de gestructureerde extractie en de scripts worden gepubliceerd als open data (link onderaan de pagina). Elke oproep is een nieuwe conversatie, zonder systeeminstructie, met de standaardinstellingen.