Abstract / Summary
La IA está desplazando el desarrollo de productos funcionales desde un enfoque predominantemente secuencial —selección de ingrediente, prototipo, ensayo, corrección y escalado— hacia un sistema iterativo de exploración de espacios de diseño. Puede integrar literatura científica, patentes, datos ómicos, perfiles fisicoquímicos, restricciones de proceso, costes, sensorialidad, sostenibilidad, información de consumidores y requisitos regulatorios para priorizar combinaciones con mayor probabilidad de éxito. Su valor no consiste en sustituir al tecnólogo de alimentos, al nutricionista, al toxicólogo, al clínico o al jurista, sino en mejorar la calidad y velocidad de sus decisiones. Ese potencial convive con un riesgo estructural: la IA aprende de datos históricamente sesgados, incompletos, heterogéneos y frecuentemente no diseñados para demostrar causalidad. En nutrición, los datos son especialmente frágiles por el error de recuerdo, la variabilidad cultural, la composición de las dietas, la interacción entre ingredientes, el microbioma, la genética, la medicación, la adherencia y la dificultad de medir exposiciones reales. Un modelo puede mostrar excelente rendimiento interno y fallar al trasladarse a otra fábrica, formulación, población o canal. La investigación reciente confirma tanto el valor de la IA para el descubrimiento y la optimización como la persistencia de brechas de validación experimental y clínica. [45–49] Desde el punto de vista jurídico, el error más frecuente es considerar que el AI Act sustituye al derecho sectorial. Pero en realidad, sucede justo lo contrario, es decir, que el Reglamento de IA se superpone al derecho alimentario, al RGPD, a la regulación de productos sanitarios, a la normativa de consumidores, a la propiedad intelectual, a la ciberseguridad y a la responsabilidad por producto. Un formulador algorítmico interno no se convierte automáticamente en «IA de alto riesgo»; pero la solución puede cambiar de categoría si se incorpora a un software médico, si decide sobre pacientes, si afecta significativamente a personas vulnerables o si el operador pasa de mero usuario a proveedor de un sistema comercializado bajo su nombre. La responsabilidad pública del operador alimentario no se externaliza al proveedor de software. Si la IA propone una dosis insegura, omite una interacción, mezcla datos de poblaciones incompatibles, alucina una referencia o genera una alegación no autorizada, la empresa que formula, etiqueta, comercializa o recomienda sigue obligada a demostrar seguridad, legalidad y veracidad. La contratación tecnológica debe redistribuir riesgos en la relación interna entre las partes, pero no elimina las obligaciones frente a autoridades y consumidores. La recomendación es implantar una arquitectura de «regulatory-by-design» y «evidence-by- design» basada en cuatro validaciones acumulativas: algorítmica; alimentaria y tecnológica; clínica o de personalización cuando proceda; y comercial-poscomercial. El modelo operativo más eficaz es un stage- gate que impida avanzar sin una clasificación jurídica, un mapa de evidencia, un design space verificable, una estrategia de claims, un expediente de trazabilidad de datos/modelos y un plan de vigilancia. La IA debe actuar dentro de límites aprobados y documentados, nunca como una fuente autónoma de verdad o autorización.