AfitPilot v1 → v2
De PDFs y ChatGPT, pasando por un lanzamiento de autoservicio que no funcionó, hasta una plataforma centrada en el entrenador que por fin lo hace. Escrito desde dentro: lo que probé, lo que se rompió y lo que el año me enseñó.
La era de los PDFs
AfitPilot comenzó hace aproximadamente un año, cuando repartía PDFs a los atletas. Los programas estaban escritos en ChatGPT. Abría un documento de texto, describía al atleta con el mayor detalle posible (su perfil, intenciones, objetivos, lo que podía levantar) y se lo daba al modelo.
Le pedía a ChatGPT que generara un plan maestro, los próximos objetivos y la primera sesión semanal. Esa sesión era lo que realmente le entregaba al atleta.
Cuando terminaba la semana, el atleta completaba un formulario de Google. Le preguntaba lo estándar: cómo fue la semana en una escala del uno al diez, qué tan difícil fue, cuál era su fatiga. Incluso le pedía que registrara sesión por sesión. El problema era que esto era muy manual, y los atletas no estaban motivados para registrar cada sesión a través de un formulario. La carga de edición y entrada de datos era demasiado alta, tanto para el entrenador como para el atleta.
La aplicación web de autoservicio y el 1 de diciembre
Además de los PDFs, estaba construyendo una aplicación web. La idea era reunirlo todo bajo un mismo techo: el modelo de lenguaje grande y la plataforma para atletas donde pudieran registrar, con el LLM leyendo sus registros semanales y generando el plan de la próxima semana. En la aplicación web, el modelo tendría el perfil del atleta y el plan maestro en un solo lugar.
Lancé la aplicación web el 1 de diciembre. Fue un desastre.
La mayoría de las veces, el modelo de lenguaje no era confiable. Alucinaba, no entendía el contexto y no devolvía la calidad que necesitaba. Con los PDFs, lo había corregido tres o cuatro veces antes de obtener una buena sesión semanal, dándole contexto como "a este atleta no le gusta ese tipo de ejercicio" o "ella no está disponible esta semana". Le daba ese contexto antes de cada sesión, y solo entonces el resultado acertaba. Cuando me eliminé de ese bucle, la IA simplemente no era lo suficientemente buena.
Y los atletas no daban el tipo de retroalimentación que la IA necesitaba para refinarse, no como lo haría un entrenador. Así que volví a pasar mis fines de semana haciendo lo mismo: refinar los planes de la próxima semana, un atleta a la vez. La aplicación web comenzó como un producto de autoservicio para atletas. Terminó conmigo aún corrigiendo la IA cada semana.
Lo que probé
Intenté mejorar el backend, el razonamiento, la recopilación de contexto, para que el LLM finalmente hiciera mi trabajo y no tuviera que pasar tanto tiempo refinando. Probé muchas cosas.
Cambié los prompts. Reduje la entrada al LLM de 18,000 tokens a 8,000. Construí una biblioteca de ejercicios con metadatos enriquecidos para que el modelo pudiera elegir los mejores ejercicios y dejara de recurrir a sus propios ajustes preestablecidos.
Porque me di cuenta de que el modelo tendía a usar el mismo conjunto limitado de ejercicios independientemente del perfil del atleta. Como ejemplo: hay aproximadamente una probabilidad de uno entre dos de que un atleta tenga una plancha completa, un face pull y una zancada en su sesión semanal. Eso dice algo sobre los LLM comerciales como ChatGPT y Claude: son genéricos, y corregirlos para un caso de uso específico, atleta por atleta, es más difícil de lo que la gente piensa.
Todo eso ayudó. Nada lo arregló. Semana tras semana, seguía siendo yo, refinando cada generación, revisando el resultado, corrigiéndolo antes de que saliera.
El giro: construir la plataforma para entrenadores
Así que tuve que encontrar una solución. Mientras aún refinaba cada semana entre bastidores, comencé a construir una plataforma para entrenadores en paralelo. Estaba desesperado por corregir la aplicación web para atletas, corrigiendo las generaciones semanales para que los atletas pudieran seguir usando el producto y obtener entrenamientos de calidad, aunque, entre bastidores, yo era el llamado IA.
Así es como sucedió AfitPilot 2.0. Lo lancé hace solo cuatro días.
La plataforma está inspirada en las plataformas de entrenamiento estándar que existen, TrueCoach y Trainerize. Centrada en el entrenador, es decir, el entrenador tiene una plataforma, puede invitar a sus clientes y entrenarlos sesión por sesión, ejercicio por ejercicio. Hay un calendario. Puedes cambiar, intercambiar, pegar sesiones, seleccionar múltiples sesiones y convertirlas en plantillas para aplicarlas a atletas similares.
Qué la hace diferente
Lo que probablemente diferencia a mi plataforma de entrenamiento es que fue construida como un producto con IA primero. La intención original era que la IA hiciera todo el trabajo de un entrenador. Así que incluso después del giro, hay cosas en esta plataforma que ahorran mucho tiempo al entrenador, sin que el entrenador tenga que hacer nada más que dar instrucciones a la IA.
- Generación semanal con IA
- Un entrenador puede dar instrucciones dentro de una semana y el sistema generará toda la semana, con videos de ejercicios adjuntos y los metadatos de cada ejercicio. Músculos utilizados, patrones de movimiento, sistemas energéticos. Datos enriquecidos, de principio a fin.
- Generación a nivel de sesión
- El entrenador puede generar una sesión a través de la IA o escribirla manualmente, ahorrando tiempo de cualquier manera.
- Ejercicios personalizados asistidos por IA
- Cuando un entrenador escribe un ejercicio personalizado, puede prellenar las series, repeticiones y tempo con IA, ahorrando tiempo también en la entrada manual.
- Generación del plan maestro
- El entrenador puede generar una temporada completa (macrociclo, mesociclo, microciclo) para ver semana a semana cuál es la intención en relación con los objetivos del atleta. Esta es una característica que no he visto en otras plataformas de entrenamiento.
- Línea de tiempo de adaptación
- Hay una línea de tiempo que muestra a qué se está adaptando el sistema para el atleta, qué notas agrega el entrenador y qué dice el atleta como reflexiones semanales. Puedes ver cómo cambia el contexto con el tiempo. Si un atleta está lesionado, lo monitoreamos a través de la línea de tiempo. Eventualmente se recupera, y el contexto sigue siendo relevante: puedes desplazarte desde el inicio de la lesión hasta el final, con cada adaptación, cada nota del entrenador, cada cambio del sistema en el medio. Eso es lo que hace que la plataforma sea adaptable.
- Mensajes y actualizaciones por correo electrónico
- El entrenador puede contactar al atleta directamente a través de mensajes. El atleta recibe actualizaciones por correo electrónico cuando su programa cambia o cuando llega un nuevo mensaje. El entrenador recibe lo mismo.
- Monitoreo de carga
- Hay una puntuación diaria de disposición para cada día. Cada registro rastrea la carga de entrenamiento, el volumen, la intensidad, el tonelaje, el estrés articular, los patrones de movimiento y los desequilibrios del atleta, a lo largo de una semana y a lo largo de una sesión.
- Suplantación de atleta
- El entrenador puede entrar en la aplicación web del atleta para ver exactamente lo que ve el atleta y cómo se verán las sesiones para él. El entrenador puede entrar y salir de la suplantación, y puede anular las entradas del atleta si este no puede hacerlo por sí mismo.
- Selección de múltiples semanas y sesiones
- Selección de múltiples semanas y de sesiones, para que el entrenador pueda crear plantillas para sus atletas.
Dónde nos deja esto
El primer año de AfitPilot fue un año de aprendizaje sobre lo que la IA no podía hacer sin un humano en el circuito. La v1 fue la lección. La v2 es lo que la lección me enseñó a construir.
El próximo capítulo es lo que AfitPilot se convierte a partir de aquí, pero eso aún se está escribiendo.