O desenvolvimento de um novo produto alimentar tradicionalmente exige meses de testes. Atualmente, sistemas de inteligência artificial (IA) são capazes de otimizar essa fase, analisando milhares de substâncias em meros segundos. Esses algoritmos ajudam os pesquisadores a encontrar novos sabores, melhorar texturas e alcançar perfis nutricionais equilibrados, reduzindo significativamente o ciclo de inovação no setor.
No entanto, o computador não 'inventa' uma receita do nada. Os sistemas são treinados com dados sobre a composição dos ingredientes, composição química, propriedades nutricionais, sabor e textura. Com base nesses dados, eles identificam relações e propõem combinações que atendem aos objetivos definidos. Uma pesquisa publicada no ano passado na revista npj Science of Food indica que a IA pode contribuir para a criação de produtos que são simultaneamente nutritivos, saborosos e sustentáveis.
Limitações das tecnologias de IA na avaliação de sabor
Ainda assim, a tecnologia não possui a capacidade de 'sentir' o sabor dos pratos projetados por ela. Como explica Manuela Dolinski, presidente do Conselho Federal de Nutrição (CFN), os sistemas geram avaliações com base em padrões identificados em grandes conjuntos de dados, como composição química, propriedades físico-químicas e avaliações sensoriais. 'Com base nesses dados, os modelos calculam a probabilidade de uma determinada fórmula possuir características relacionadas à aceitabilidade, como doçura, amargor, umami, aroma, cremosidade, crocância ou suculência', declarou a presidente do CFN em entrevista ao Olhar Digital. No entanto, ela enfatizou que essas previsões representam tendências estatísticas e não reproduzem totalmente a experiência humana de comer. Manuela observa que o sabor depende de fatores como genética, idade, hábitos e contexto cultural, tornando as análises sensoriais com humanos indispensáveis.
Um dos exemplos mais conhecidos é a NotCo, uma empresa chilena que desenvolveu o Giuseppe, um sistema de IA destinado à criação de alimentos vegetais. Esta plataforma analisa ingredientes em nível molecular e procura combinações capazes de reproduzir as características de produtos de origem animal. De acordo com a empresa, o sistema trabalha com um fundo universal de mais de 300 mil plantas, levando em consideração fatores como sabor, textura, nutrição e funcionalidade.
O objetivo pode ir além da simples criação de uma versão vegetal de um produto conhecido. O algoritmo também pode receber objetivos dietéticos específicos e procurar uma fórmula o mais próxima possível deles. Isso abre possibilidades para produtos com maior teor de proteínas ou fibras e menor quantidade de açúcar, sódio ou gorduras saturadas.
Da composição ao sabor, a IA começa a explorar opções que seriam difíceis de verificar manualmente. Em um estudo publicado em junho, os pesquisadores usaram IA generativa para criar hambúrgueres com diferentes prioridades, incluindo sabor, sustentabilidade e nutrição. O sistema também conseguiu reconstruir estatisticamente as características do Big Mac sem ter sua receita, estudando os padrões obtidos de fórmulas humanas.
Em seguida, a equipe realizou os testes de receitas em condições reais de consumo. Um grupo de 101 participantes participou de uma degustação cega em um restaurante e avaliou os hambúrgueres em uma escala de sete pontos. Duas versões, desenvolvidas com foco no sabor, receberam notas iguais ou superiores às do Big Mac em alguns critérios. Uma delas obteve uma média de 5,8 em sabor contra 5,4 do produto comparado.
No entanto, quando o objetivo foi a nutrição, surgiu uma dificuldade séria. O hambúrguer desenvolvido para melhorar a nutrição demonstrou melhor conformidade com os componentes de uma dieta saudável, incluindo mais vegetais, grãos integrais e proteína vegetal, e menos cereais refinados, sódio e gorduras saturadas. Mas o resultado agradou menos aos participantes: a média de aceitabilidade foi de 3,8 contra 5,3 do Big Mac.
Este resultado revela um dos principais problemas da tecnologia. Melhorar um produto do ponto de vista nutricional nem sempre significa que ele será mais atraente para o consumidor. O gosto, a textura, o aroma, o preço e a aparência também influenciam a escolha. Neste estudo, a versão criada com prioridade na qualidade nutricional perdeu pontos nesses aspectos. Assim, a IA pode encontrar uma solução nutricionalmente interessante, mas ainda precisa lidar com o que torna a comida desejável.
Manuela adverte que não se deve transformar o resultado de um estudo isolado em uma regra geral, mas reconhece que diferentes objetivos de formulação podem competir entre si. A alteração de parâmetros para aumentar a saúde do produto pode afetar fatores como umidade e sensação na boca. Além disso, muitos consumidores estão acostumados com produtos de alta densidade energética e sabores intensos, o que faz com que uma receita nutricionalmente favorável se afaste dessa norma habitual.
Outro resultado chamou a atenção pela combinação de saúde e sustentabilidade. O hambúrguer criado com foco ecológico baseado em cogumelos apresentou um índice de impacto ambiental mais de dez vezes menor do que o do Big Mac no modelo utilizado pelos pesquisadores. A versão à base de feijão atingiu quase o dobro da pontuação nutricional em comparação com o hambúrguer de referência. Estes são resultados experimentais, não uma prova de que esses produtos são automaticamente mais saudáveis ou sustentáveis em qualquer situação.
A substituição de produtos de origem animal por alternativas vegetais projetadas por algoritmos também requer cautela. 'O benefício depende dos ingredientes utilizados, do grau e do objetivo do processamento, da composição nutricional final, da frequência de consumo, do contexto alimentar e, acima de tudo, do produto que está sendo substituído', afirma Manuela. Ela explica que esses substitutos podem conter altos níveis de sódio, gorduras ou aditivos, confirmando a recomendação da Organização Mundial da Saúde (OMS) de que os produtos industriais vegetarianos não devem ser considerados saudáveis apenas por serem à base de plantas. 'Não se deve permitir que o apelo tecnológico ou vegetal sirva como prova de saúde.'
A indústria implementa a tecnologia em aplicações comerciais
A indústria já está aplicando essa tecnologia em fins comerciais. Em setembro de 2025, a Magnum, uma subsidiária da Unilever, anunciou uma parceria com a NotCo para usar inteligência artificial na reformulação e desenvolvimento de produtos. Entre os objetivos estavam a redução calórica, a criação de novas opções vegetais e a busca por alternativas de ingredientes. Este passo demonstra que a IA está começando a ser usada também para modificar produtos já existentes.
Essa busca por rótulos externamente mais leves levanta questões sobre a qualidade nutricional real dessas novas opções. A remoção de ingredientes críticos, como sódio ou gorduras saturadas, é uma melhoria significativa, mas não é um certificado absoluto de saúde. A presidente do conselho observa que até mesmo produtos com alegações como 'redução de sódio' ou sem selos de advertência da Anvisa devem ser analisados no geral, verificando se a substituição de um componente não foi compensada pelo excesso de adição de outro.
Diante disso, surge a questão: a tecnologia ajudará a fornecer alimentos nutritivos ou servirá para criar produtos ultraprocessados 'embelezados'? A nutricionista explica que a IA é uma ferramenta cujos resultados dependem das diretrizes fornecidas aos algoritmos. 'Se o algoritmo for orientado apenas para maximizar sabor, custo, durabilidade e conveniência, ele pode contribuir para a criação de produtos ultraprocessados muito atraentes, mesmo que apresentem declarações nutricionais individuais', observa ela. 'Por outro lado, a mesma tecnologia pode ser usada para reduzir componentes críticos, melhorar a densidade nutricional, substituir certos aditivos, incluir ingredientes naturais ou minimamente processados e aumentar o teor de fibras.'
Tudo isso mostra claramente que os algoritmos ainda não estão prontos para substituir nutricionistas, chefs ou cientistas alimentares. A receita sugerida pelo computador ainda deve ser produzida, testada e avaliada por pessoas. Por exemplo, no estudo dos hambúrgueres, as instruções da IA indicavam ingredientes e quantidades, mas eram necessários chefs para transformar essa informação em receitas que pudessem ser realmente preparadas e provadas.
Portanto, a tendência não é a substituição do desenvolvedor de produtos por IA, mas sim a mudança na forma como esse trabalho é realizado. Em vez de testar algumas dezenas de opções, os pesquisadores podem usar algoritmos para explorar um espaço de combinações muito maior e selecionar as mais promissoras. A decisão final continua dependendo de testes, conhecimento científico e avaliação humana.
Para a nutrição, essa mudança pode ser particularmente relevante. A mesma tecnologia usada para encontrar um substituto para um ingrediente específico pode, teoricamente, considerar simultaneamente proteínas, fibras, micronutrientes, calorias, sódio e gorduras. Pesquisas recentes já apontam a IA como uma ferramenta para conectar dados de composição de alimentos, ciência da nutrição e reação do organismo.
No entanto, existe uma diferença importante entre criar um produto com um perfil nutricional específico e provar que ele melhora a saúde. Uma fórmula pode ter menos sódio ou mais fibras no rótulo, mas isso não é suficiente para determinar seu impacto no organismo. Estudos clínicos e avaliações de longo prazo continuam sendo necessários. A IA pode acelerar a busca por candidatos, mas não elimina a necessidade de provar que o que foi criado realmente funciona.
'A inteligência artificial não deve substituir o julgamento profissional. Deve servir a inovações responsáveis, orientadas não apenas para a eficiência industrial, mas também para a promoção de nutrição adequada e saudável, segurança alimentar e proteção da saúde pública', conclui Manuela.
O mais fascinante nessa transformação é que a inteligência artificial começa a atuar exatamente na área que parece inerentemente humana: definir o que é saboroso. Ao analisar milhares de receitas e as relações entre os ingredientes, os algoritmos encontram padrões que seriam difíceis de notar manualmente. O próximo passo pode ser combinar essa capacidade com objetivos dietéticos cada vez mais específicos, aproximando a indústria alimentícia de uma espécie de engenharia de alimentos personalizada.