Sempre più spesso si legge di amatori che utilizzano l’AI per crearsi o raffinare dei piani di allenamento, ma ancora poco (per ora) da parte dei professionisti. Ovviamente è arrivata la prima eccezione, ovvero il doppio oro olimpico (strada e inseguimento a squadre su pista) Kristen Faulkner, corridore della EF Education-Oatly.
Chiaramente Faulkner è partita con un vantaggio notevole rispetto la gran parte dei praticanti, infatti la 33enne statunitense vanta nientemeno che una laurea in informatica ad Harvard; ed infatti non si è affidata ad un software generico o qualche app a caso, ma se l’è creato da sola, come ha scritto lei stessa su un post su Linkedin:
Negli ultimi due mesi mi sono dedicata alla programmazione ogni volta che non mi stavo allenando. Più di 10 ore al giorno. I miei dati di allenamento erano lì davanti a me. Ho un sacco di domande a cui voglio rispondere e un sacco di dati da sintetizzare. A volte tornavo dal mio giro in bici e mi mettevo subito al computer, ancora vestita, prima di riporre la bici. Avviavo una sessione di programmazione e la lasciavo in esecuzione mentre facevo la doccia.
Ho studiato informatica all’università e ho sempre amato costruire. Mi dà un’energia incredibile. Quando ho trascorso l’inverno a San Francisco e ho assistito da vicino al boom dell’intelligenza artificiale ho sentito di nuovo il desiderio di costruire.
Si fa pochissima ricerca sulle prestazioni delle donne soprattutto per quanto riguarda le esigenze delle atlete d’élite. Così ho preso in mano la situazione e ho iniziato a scrivere io stessa la ricerca. Non volevo continuare ad aspettare che qualcun altro studiasse le questioni importanti per il mio corpo.
Per nove anni ho raccolto dati biometrici che ho faticato a sintetizzare.
Frequenza cardiaca. Variabilità della frequenza cardiaca. Sonno. Peso. Potenza. Temperatura. Carico di allenamento. Fasi del ciclo mestruale. Esami del sangue. Scansioni DEXA (esami per misurare la densità minerale ossea, MOC in Italia -Ndr-).
Ogni app mi forniva un pezzo della storia, ma la risposta non si trovava mai in una singola app. Era nell’interazione tra tutte queste app. Così ho creato un sistema che raccoglie le fonti di dati che utilizzo effettivamente come atleta e le confronta con 4400 ore della mia storia di allenamento. Non si limita a mostrarmi dashboard, ma crea modelli personalizzati della mia fisiologia.
Ogni modello è addestrato sul mio corpo. Ogni risultato è specifico per la mia storia. E ogni output è utilizzabile, non solo interessante.
L’ho usato per prepararmi ai campionati Panamericani dove quest’anno ho vinto 3 medaglie d’oro. Oggi, grazie all’allenamento con l’aiuto di questa app, ho realizzato la mia migliore prestazione di potenza di sempre su 20 minuti.
L’intelligenza artificiale cambierà radicalmente la ricerca sulle prestazioni femminili e io voglio farne parte.
Ho studiato informatica ad Harvard. Ho lavorato nel settore del venture capital. Investo attivamente in aziende di intelligenza artificiale. Corro nel Women’s WorldTour. Mi sto allenando per difendere la medaglia d’oro olimpica in casa a Los Angeles 2028. Ho applicato tutte queste conoscenze alla realizzazione di questo progetto.
Mi sono avvicinata al ciclismo in età avanzata. Non ho vinto perché avevo un curriculum agonistico più ricco o più esperienza. Ho vinto perché ho usato il cervello al massimo delle mie possibilità. Prima della mia prima gara europea ho creato delle schede mnemoniche con i nomi delle atlete, ho studiato ogni curva di ogni percorso e ho analizzato i dati in modo rigoroso. Sto facendo la stessa cosa ora con l’intelligenza artificiale.
Insomma, Faulkner conferma uno degli aspetti più interessanti dell’AI applicata all’allenamento:sintetizzare la grande mole di dati disponibile oggi tramite la pletora di sensori disponibili in vendita, che possono aiutare anche il (quasi) neofita a destreggiarsi nel fare le proprie scelte non più solo intuitivamente, ma disponendo di raccomandazioni fondate su evidenze misurabili, prima disponibili solo tramite la consulenza di allenatori qualificati. Ovviamente la qualità dei risultati dipende dalla qualità dei dati e non tutti hanno le competenze, le conoscenze e l’approccio/disciplina mentale di una Faulkner, quindi sicuramente da un certo livello in su avere dei feedback “umani” da parte di persone competenti in materia resta importante.
