이득:
- 기본 공식(Mifflin-St Jeor, 4/4/9)을 사용하여 BMH, TDEE 및 매크로 분포를 모니터링하고 인공지능 계산을 독립적으로 검증하는 기능
- 활성계수, 생/조리 구분, 단백질 g/kg 등 중요한 가정을 확인하여 계산 오류를 잡아내는 능력
- 목표에 맞는 총계를 얻기 위해 매크로 그램을 다시 곱하는 습관을 연습할 수 있으며 잘못된 확실성에 빠지지 않습니다.
영양 계획의 수치적 틀은 개인의 일일 에너지 요구량(칼로리 수)과 다량 영양소 간의 에너지 분포(탄수화물, 단백질, 지방의 양)라는 두 가지 계산을 기반으로 합니다. 이 두 가지 계산이 틀리면 전체 메뉴, 레시피, 후속 조치가 잘못된 기반을 기반으로 하게 됩니다. 인공 지능은 이러한 계산을 몇 초 안에 수행합니다. 그러나 위험의 원인은 바로 이 속도입니다. AI는 공식을 올바르게 적용할 수 있지만 계수를 잘못 가정하고 동일한 신뢰도로 잘못된 결과를 생성할 수도 있기 때문입니다. 이 단원의 목적은 AI를 "스프레드시트 생성기"로 사용하고 각 결과를 독립적으로 검증하는 것을 반사적으로 만드는 것입니다.
에너지 계산의 기초
일일 에너지 요구량은 두 가지 구성 요소에서 발생합니다. 첫 번째는 BMR - 기초 대사율, 즉 신체가 휴식 중에 소비하는 에너지(호흡, 심장 박동, 열 생성)입니다. 두 번째는 이 값에 활동 계수(영어 활동 계수 또는 PAL - 신체 활동 수준)를 곱하는 것입니다. 이 계수는 개인의 이동성에 따라 달라지며 대략 1.2(앉아 있는 상태)에서 1.9(매우 힘든 육체 노동) 사이입니다. 곱셈의 결과는 TDEE(총 일일 에너지 소비)입니다.
BMH의 가장 일반적으로 사용되는 공식은 Mifflin-St Jeor입니다.
- 남성: BMH = 10 × 체중(kg) + 6.25 × 신장(cm) − 5 × 나이 + 5
- 여성: BMH = 10 × 체중(kg) + 6.25 × 키(cm) − 5 × 나이 − 161
예를 들어, 78kg, 165cm, 38세 여성의 경우 BMH = 10×78 + 6.25×165 − 5×38 − 161 = 780 + 1031.25 − 190 − 161 = 1,460kcal입니다. 약간의 활성(1,375)을 고려하면 TDEE ≒ 2,008kcal입니다. 체중 감량을 위해 여기에서 합리적인 적자(예: 500kcal)를 차감합니다 → ~1,500kcal 목표. 이러한 단계를 수동으로 수행할 수 있는 것은 AI 결과를 제어할 수 있는 전제 조건입니다.
매크로 배포
칼로리 목표가 결정되면 이를 매크로로 분류합니다. 매크로의 에너지 밀도는 고정되어 있으며 다음과 같이 암기해야 합니다. 탄수화물 1g ≒ 4kcal, 단백질 1g ≒ 4kcal, 지방 1g ≒ 9kcal(알코올 ≒ 7kcal). 분포의 예: 탄수화물 40% / 단백질 30% / 지방 30% 분포 1,500kcal → 탄수화물 600kcal ¼ 4 = 150g; 단백질 450 ¼ 4 = 112.5g; 지방 450 ¼ 9 = 50g. 그 합계를 곱하여 1,500에 도달하는지 확인하는 것이 가장 간단하고 강력한 검증 단계입니다.
다음 표는 공통 대상에 대한 대략적인 분포 범위를 보여줍니다(이는 클라이언트에 맞게 조정된 시작점입니다).
대상/상황
탄수화물
단백질
기름
참고
일반적인 건강식
45-55%
15-20%
25-35%
균형 잡힌
체중 감소(단백질 절약)
35-45%
25-30%
25-35%
포만감을 주는 단백질 함량이 높아
근육 증가 / 운동 선수
45-55%
1.6-2.2%g/kg
20-30%
단백질은 g/kg 단위로 계산됩니다.
인슐린 저항성
40-45%
20-25%
30-35%
섬유질 탄수화물의 우선순위
참고: 단백질 필요량은 백분율이 아닌 체중당 그램(g/kg)으로 계산되는 경우가 많습니다. 운동선수의 단백질 필요량은 총 칼로리가 아니라 근육량에 따라 달라지기 때문입니다. AI는 때때로 이러한 구분을 혼동하여 백분율 기준으로 불충분한 단백질을 제공할 수 있습니다. 다시 계산하세요.
AI 계정 확인 프로토콜
- 입력을 확인하세요. AI가 사용한 공식, 활동 계수, 성별 행은 무엇입니까? 명확하게 작성하도록 요청하세요.
- 중간 결과 요청: 단순히 "1,500kcal"이 아닌 BMH 및 TDEE를 별도로 표시합니다. 블랙박스가 아닌 단계가 보이도록 하세요.
- 다시 곱하기: 매크로 그램에 4/4/9를 곱하여 총 칼로리가 목표 칼로리를 충족하는지 확인합니다.
- 논리적 필터: 결과가 고객에게 합리적인가? 1,900kcal이 필요한 활동적인 남성이 1,200kcal을 섭취한다면 착각입니다.
- 독립적인 도구를 통한 확인: 중요한 경우에는 신뢰할 수 있는 계산 도구를 사용하거나 수동으로 두 번째 계산을 수행합니다.
세 개의 미니 케이스
사례 1 - 계수 오류. 영양사는 하루 8시간씩 발로 일하고 일주일에 4일 훈련하는 고객을 위해 AI로 계산을 하게 했다. AI는 활동도 계수를 1.2(움직이지 않음)로 가정하고 TDEE가 1,700kcal임을 알아냅니다. 영양사는 "고객이 매우 활동적이다"라고 말하고 계수 1.725로 다시 계산합니다. 실제 TDEE는 ~2,450kcal로 나옵니다. 750kcal의 차이는 의도치 않게 지나치게 제한된 계획으로 이어질 수 있습니다. 검증을 통해 한 달 간의 허약함과 근육 소모를 예방했습니다.
사례 2 - 매크로 합계가 합산되지 않습니다. 계획의 또 다른 초안에서 AI는 2,000kcal에 대해 "탄수화물 220g, 단백질 150g, 지방 90g"을 제공합니다. 영양사는 이를 다시 곱합니다: 220×4 + 150×4 + 90×9 = 880 + 600 + 810 = 2,290kcal. 총량은 목표치를 290kcal 초과합니다. AI 매크로가 일관되지 않게 생성되었습니다. 영양사는 목표에 맞게 수치를 수정합니다.
사례 3 - 올바른 사용. 영양사는 먼저 90kg 근력 운동선수의 단백질 요구량(2g/kg = 180g 단백질 = 720kcal)을 수동으로 결정한 다음 AI에 "나머지 칼로리를 이 비율로 탄수화물과 지방에 분배"하라는 명확한 지침을 제공합니다. AI가 분배하고, 영양사는 이를 다시 곱해 합계를 검증한다. AI는 산술을 수행하고 임상 결정(2g/kg 단백질)은 인간에게 맡겨졌습니다.
복사 가능한 프롬프트 템플릿
에너지 계정 템플릿(단계 표시)귀하의 역할: 보조 초안 작성 계정. 결정은 영양사에게 달려 있습니다. 고객(익명): [성별, 나이, 키(cm), 몸무게(kg), 활동 수준]. Mifflin-St Jeor 공식을 사용하여 BMH를 계산하고 사용한 활동 계수를 명확하게 쓴 후 TDEE를 표시하십시오. 목표: [체중 감량/유지]. 확인할 수 있도록 각 중간 단계를 별도의 줄에 표시합니다.
매크로 분포 템플릿목표 칼로리: [X]kcal. 다음 분포를 적용합니다: 탄수화물 __%, 단백질 __%(또는 __ g/kg), 지방 __%. 각 매크로의 GRAMS를 계산한 다음 다시 4/4/9를 곱하여 총합이 [X]가 되는 것을 보여줍니다. 그렇지 않은 경우 값을 대상에 맞춥니다.
검증/백제품 템플릿다음 매크로 값을 확인하세요: [K g 탄수화물, P g 단백질, Y g 지방]. 각각에 4/4/9를 곱하여 총 칼로리를 구하고 목표 [X]kcal과 비교합니다. 차이가 있는 경우 백분율로 표시하고 일관성이 없는 부분을 설명합니다.
단백질 우선순위 템플릿클라이언트: [체중] kg, 목표 [근육 유지/증가]. 먼저 g/kg을 기준으로 단백질을 그램 단위로 계산합니다. 그런 다음 이 단백질에서 칼로리를 빼고 남은 칼로리를 탄수화물과 지방[비율]에 분배합니다. 단계를 표시합니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 사람이 얼마나 많은 칼로리를 섭취해야 하는지 알려주세요: 여성, 78kg.
키, 나이, 활동 없음; AI는 추측으로 구성하며 어떤 가정을 하는지 보여주지 않습니다. 확인할 수 없습니다.
강력한 프롬프트:
귀하의 역할: 계정 초안 작성 보조원. 고객: 여성, 38세, 165cm, 78kg, 약간 활동적(계수 1.375). BMH를 계산하고, TDEE를 표시하고, Mifflin-St Jeor를 사용하여 500kcal 적자로 체중 감량 목표를 달성하세요. 사용하는 각 번호를 별도의 줄에 표시하십시오.
두 번째 프롬프트에는 모든 입력, 공식, 계수 및 투명 단계 요청이 포함됩니다. 출력을 한 줄씩 검사할 수 있습니다.
일반적인 실수
- 활동도 계수를 확인하지 않는 것: 가장 흔하고 비용이 많이 드는 실수입니다. 계수는 고객의 실제 생활과 일치해야 합니다.
- 거시적 총계를 다시 곱하지 않음: AI의 그램은 종종 표시를 놓칩니다. 30초의 백슬래시가 이를 포착합니다.
- 단백질 비율/그램 혼동: 운동 및 임상 상황에서 단백질은 비율이 아닌 g/kg 단위로 계산됩니다.
- 블랙박스에 의존: 중간 단계를 표시하지 않는 출력을 수락합니다. 단계가 나타나야 합니다.
- 초정밀의 환상: "1,847.3 kcal"과 같은 AI의 십진수 출력은 과학적으로 보이지만 예측 한계는 ±10%입니다. 잘못된 확신에 속지 마십시오.
요약하면
에너지 및 거시 계산은 계획의 디지털 뼈대이며 AI는 이 뼈대를 신속하게 생성합니다. 그러나 속도는 검증을 대체할 수 없습니다. AI의 출력을 제어할 수 있도록 BMH, TDEE 및 매크로 분포에 대한 공식을 직접 알아보세요. 각 계정에 중간 단계가 표시되도록 요청하고 활동 계수를 고객의 현실과 일치시키고 매크로에 다시 4/4/9를 곱하고 결과를 논리 필터에 전달합니다. 잘못된 정밀도(소수가 있는 숫자)에 속지 마십시오. 영양 계산은 추측이 가능한 추정치입니다. AI는 연산 속도를 높입니다. 임상적 판단과 최종 승인은 귀하의 몫입니다.
응용과제
고객 프로필(성별, 연령, 키, 체중, 활동)을 선택하고 먼저 Mifflin-St Jeor를 사용하여 BMR YOURSELF를 수동으로 계산하세요. 그런 다음 "에너지 계정 템플릿"을 사용하여 AI에 동일한 프로필을 제공합니다. 두 결과를 비교하십시오. 차이가 있는 경우 차이가 발생한 위치(계수, 반올림, 공식)를 찾습니다. 그런 다음 목표 칼로리를 거시 분포로 나누고 다시 곱하여 총계가 합산되는지 확인합니다.
체크리스트
- [ ] AI는 어떤 공식과 활동계수를 사용했는지 명확하게 작성했습니다.
- [ ] BMH와 TDEE의 중간 결과를 별도로 봤습니다.
- [ ] 총계가 목표에 도달했는지 확인하기 위해 매크로 그램에 4/4/9를 다시 곱했습니다.
- [ ] 필요할 경우 단백질 요구량을 g/kg 단위로 계산했습니다.
- [ ] 의뢰인의 실제 생활에 맞춰 로직을 통해 결과를 필터링했습니다.
- [ ] 나는 잘못된 확신에 속지 않습니다. 결과를 예측 범위로 간주했습니다.