A petición de un lector de The Verge, Jennifer Pattison Tuohy probó el nuevo asistente de inteligencia artificial integrado en la aplicación NYT Cooking — y descubrió que, aunque es eficaz para resolver problemas cotidianos de cocina, falla completamente cuando se trata de repostería, donde las proporciones de ingredientes no perdonan.
Lanzado originalmente en octubre de 2026 por la editora sênior del Cooking, Genevieve Ko, la herramienta funciona como un chatbot dentro de la propia página de la receta. El usuario recibe un cuadro de texto con el mensaje "Personaliza esta receta…" y puede pedir desde sustituciones de ingredientes hasta escalar para diferentes números de personas. El sistema fue entrenado con años de comentarios de la comunidad de usuarios y las pautas editoriales del propio Times.
El enfoque del NYT es deliberado: en lugar de reescribir la receta original, el asistente genera una versión modificada en una pestaña separada, manteniendo la receta probada y aprobada intacta. La propia página de ayuda de la aplicación advierte que "esta función está en beta y la IA puede cometer errores" — lo que suena como burocracia, pero es la descripción más honesta de un modelo de lenguaje aplicado a tareas que exigen precisión.
Para la cena de una noche de semana, el asistente se salió excepcionalmente bien. La probadora pidió adaptar una receta de pollo con jengibre que exigía ingredientes que ella no tenía en la despensa — cardo, cilantro y cebollino. En segundos, el asistente generó una nueva receta, con nuevo título, incorporando tiras de pollo, cebolla roja y vainas verdes.
El sistema también recalculó los tiempos de cocción y las etapas para garantizar que los ingredientes sustitutos cocinaran uniformemente. Y, curiosamente, el asistente no se limita a sugerir cambios obvios: al preguntar sobre usar espinacas baby en lugar de kale, no solo sugirió la sustitución como indicó que las espinacas deben añadirse en una etapa posterior, porque se marchitan más rápido.
En esta categoría de tarea — cocina flexible, con margen para aproximación — la IA brilla. A diferencia de hacer scroll en cientos de comentarios para encontrar la respuesta correcta, el asistente sintetiza orientaciones culinarias en pasos inmediatos y accionables. La probadora comparó el resultado con Alexa Plus de Amazon en un Echo Show 11: el asistente del NYT Cooking proporcionó orientaciones similares, pero con la ventaja de mostrar la receta modificada en pantalla.
El pastel. Específicamente, un Cinnamon Roll Bundt Cake. La probadora no tenía una forma Bundt y pidió una alternativa. El asistente sugirió una forma de pan común, con mantequilla generosa. El resultado: el pastel se pegó a la forma y se desmoronó. La IA no consideró que la forma cambia completamente el tiempo de cocción y la textura.
En otra prueba, el asistente casi convenció a la probadora de usar la mitad de la mantequilla necesaria en el pastel — un error de contexto que, en recetas saladas, sería solo una molestia, pero en repostería es desastroso.
Esta es la trampa fundamental de los modelos de lenguaje aplicados a tareas precisas: pueden conversar fluidamente sobre comida sin realmente entender la química detrás. Los pasteles dependen de proporciones exactas de grasa, azúcar, harina y fermento. Una variación del 10% puede significar la diferencia entre un pastel esponjoso y un bloque seco.
El NYT Cooking tiene una base de suscriptores paga sustancial. Esto no es un experimento de nicho — es IA generativa en producción, con miles de usuarios reales probándola diariamente. El problema es que la confianza del usuario tiende a aumentar tras las victorias iniciales, haciendo que los errores posteriores sean más dañinos.
Este patrón ya fue observado en otras integraciones de IA: la salida confiante y la salida precisa no son la misma cosa, y la brecha tiende a aparecer en los bordes de la tarea, no en el centro. Un asistente que es útil 80% de las veces, pero silenciosamente equivocado en los otros 20%, no es lo mismo que uno confiable.
La lección para cualquier empresa integrando IA en productos dirigidos al consumidor es escopar cuidadosamente. Defina dónde la IA es genuinamente confiable antes de colocarla frente al cliente. Y, cuando la tarea implica repostería, tal vez lo mejor sea señalar explícitamente cuándo la IA está operando fuera de la zona de confort.
La pregunta que queda: ¿logrará la próxima generación de asistentes culinarios distinguir entre "puede ajustar" y "no toques esto" — o seguiremos testemunhando errores costosos a medida que más herramientas de IA entren en la cocina?
Fuentes: The Verge, New York Times, AIToolly
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
