Tus datos de fitness te engañan (a menos que los uses de verdad)

Te despiertas, miras tu monitor de actividad y ves un muro de cifras: VFC de 62 ms, VO2 máx. estimado en 48, puntuación de sueño de 73 y frecuencia cardíaca en reposo de 58.

Bien. ¿Y ahora qué?

La mayoría de los monitores de actividad te arroja datos como si eso resultara útil. Sin una acción, los datos son solo ruido. Recopilas información sobre la preparación de tu cuerpo, los niveles de estrés y la capacidad aeróbica - para ignorarla por completo cuando abres esa aplicación genérica con su absurdo «Lunes: pecho» ya programado.

Esto es lo que cambia con el entrenamiento basado en LLM: las métricas que ya registras empiezan a servir para algo. SensAI combina métricas agregadas de variabilidad de la frecuencia cardíaca (VFC), VO2 máx., sueño y entrenamiento con tu historial para crear un resumen diario de preparación y regenerar cada semana el programa según lo que completaste y cómo te recuperaste.¹

El problema de los planes estáticos

Todas las aplicaciones de fitness ofrecen lo mismo: eliges un objetivo, recibes un calendario y lo sigues durante 12 semanas. El lunes toca pierna. El miércoles, cardio. El domingo descansas.

Tu cuerpo no sigue un calendario. Algunas mañanas te despiertas preparado para arrasar en el entrenamiento. Otros días funcionas con cinco horas de sueño, tu VFC se ha desplomado y el cuerpo pide recuperación a gritos.

A las aplicaciones tradicionales no les importa. Te dicen que entrenes de todos modos porque así aparece en el plan.

SensAI es una aplicación para iOS que se conecta mediante Apple HealthKit. Los datos del Apple Watch llegan directamente; los de Garmin, Oura y WHOOP pueden llegar a través de sus integraciones con HealthKit. SensAI utiliza esa información para los resúmenes diarios de preparación y la regeneración semanal del programa, no para cambiar el entrenamiento de forma automática y en tiempo real.²

Cómo se convierten los datos en acciones

Los datos sin procesar de HealthKit permanecen en tu dispositivo. Solo se envían a los servidores de SensAI las métricas agregadas de recuperación y los resúmenes de entrenamiento para el coaching con IA; allí, el LLM relaciona el sueño, la frecuencia cardíaca en reposo, la carga de entrenamiento y las tendencias de VFC. SensAI no vende esos datos.

Si tu Oura Ring muestra que dormiste peor, el Apple Watch detectó una frecuencia cardíaca en reposo elevada y la VFC se encuentra un 15 % por debajo de tu referencia - el resumen diario de preparación señala que te has recuperado peor. Puede recomendar un ritmo moderado o un día adicional de recuperación, pero no reescribe automáticamente la sesión programada. Puedes pedir al coach con IA que la cambie mediante el chat.

No es tecnología del futuro. Ya ocurre con los wearables que tienes.

La capa de coaching basada en un LLM examina patrones que un entrenador humano tardaría semanas en detectar. Tiene en cuenta cómo respondes a distintos estímulos, con qué rapidez te recuperas, cuándo sueles estancarte y qué funciona en tu contexto. Esos patrones sirven para preparar el siguiente programa semanal.

Ejemplo real: normalmente entrenas cinco días por semana. El martes por la noche duermes cuatro horas porque tu hijo está enfermo y no puede dormir. El miércoles por la mañana, tu VFC se desploma. Una aplicación tradicional sigue diciéndote que hagas la sesión prevista de VO2 máx. al ritmo de umbral. El resumen de preparación de SensAI muestra el riesgo para la recuperación y puedes pedir al coach mediante el chat que sustituya la sesión por una carrera de recuperación moderada, movilidad o un paseo.³

No impones a tu cuerpo entrenamientos que no puede soportar. Tampoco desperdicias capacidad de recuperación en días en los que podrías exigirte más.

Las dos métricas más importantes

De todas las cifras que te ofrecen los wearables, destacan dos: la VFC y el VO2 máx.

La VFC muestra lo que tu cuerpo no te cuenta

La variabilidad de la frecuencia cardíaca es la variación entre latidos. En esencia, abre una ventana al estado de tu sistema nervioso autónomo.

VFC alta = tu cuerpo gestionó bien el estrés reciente y está preparado para un trabajo intenso VFC baja = todavía te recuperas de algo (el entrenamiento, el estrés cotidiano, la falta de sueño o aquella discusión con tu jefe)

Esto es lo que da utilidad a la VFC: lo detecta todo. No solo si ayer entrenaste fuerte, sino también si el trabajo te estresa, si dormiste profundamente o si estás empezando a combatir un resfriado. Tu VFC muestra la carga total que gestiona el organismo.

SensAI compara la VFC con tu referencia personal (no con un estándar genérico, porque cada persona es diferente). Cuando cae de forma importante por debajo de tu valor normal, el resumen diario de preparación señala el riesgo para la recuperación. Cuando se mantiene alta y estable, esa tendencia puede orientar la progresión al regenerar el siguiente programa semanal.⁴

Así evitas el sobreentrenamiento sin pecar de prudencia. Los datos indican cuándo debes exigirte y cuándo debes reducir el esfuerzo.

VO2 máx.: la métrica que predice la longevidad

El VO2 máx. mide cuánto oxígeno puede utilizar tu cuerpo durante un esfuerzo máximo. Una cifra más alta indica que el sistema cardiovascular funciona con mayor eficiencia.

El VO2 máx. destaca por ser uno de los indicadores más sólidos de la salud a largo plazo. Los estudios relacionan un VO2 máx. más alto con un menor riesgo de cardiopatías, una incidencia más baja de accidentes cerebrovasculares y una mejor salud metabólica.⁵ No se limita al rendimiento físico - también refleja cómo envejecerás.

SensAI utiliza tu estimación de VO2 máx. (la mayoría de los wearables ya la calcula) para estructurar el entrenamiento de resistencia. El objetivo no se limita a «hacer algo de cardio» - consiste en someter el sistema aeróbico a una exigencia progresiva con la intensidad adecuada para provocar adaptación sin agotar tu capacidad de recuperación.

Por qué este enfoque evita lesiones y agotamiento

La mayoría de las lesiones de entrenamiento no procede de una sola repetición mal hecha. Surge de la fatiga acumulada, que deteriora la técnica, la capacidad de recuperación y la calidad del movimiento durante semanas.

Conoces el patrón: sigues un programa rígido, ignoras las señales del cuerpo, insistes cuando no debes y, al final, algo falla.

El entrenamiento con IA cambia esa ecuación al gestionar la carga de forma inteligente:

Detecta pronto la sobrecarga. Cuando la tendencia de VFC baja durante varios días, aumenta la frecuencia cardíaca en reposo o empeora la calidad del sueño, aparecen señales de alerta tempranas. SensAI las muestra en el resumen diario de preparación antes de que llegues al sobreentrenamiento real.

Evita la trampa de aumentar el volumen de golpe. La mayor causa de lesiones por sobreuso consiste en aumentar demasiado rápido el volumen de entrenamiento. Los límites de volumen basados en la evidencia orientan cada regeneración semanal del programa para que la progresión sea gradual. No pasas de repente de 15 millas semanales a 30.

Mantiene la constancia. Aunque parezca paradójico, reducir el esfuerzo cuando lo indican los datos te permite entrenar con más constancia a largo plazo. Evitas el ciclo de exigirte demasiado, lesionarte, parar dos semanas y empezar de nuevo.

Este enfoque te mantiene activo durante más tiempo. Menos contratiempos, un progreso más constante y mejores resultados con el paso del tiempo.

References

SensAI. “The Future of AI-Powered Fitness Coaching.” SensAI Blog, July 16, 2024. https://www.sensai.fit/es/blog/ai-fitness-coaching-future ↩
PubMed Central. “Wearable Sensors and AI in Rehabilitation.” PMC, 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC12383302/ ↩
Frontiers in Sports and Active Living. “HRV-Based Exercise Prescription Impact.” Frontiers, 2025. https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2025.1578478/pdf ↩
Nature. “Individualized Training Prescribed by HRV, RHR, and HRmax.” Nature Scientific Reports, 2025. https://www.nature.com/articles/s41598-025-13540-z ↩
Medical Science Monitor. “Association of Cardiorespiratory Fitness with Adverse Outcomes.” Med Sci Monit, 2024. https://www.medsci.org/v22p2830.pdf ↩