Quan vam començar NUA fa gairebé dos anys, la IA generativa encara no era viable per a producció. Però fins i tot llavors, teníem una intuïció clara: no volíem construir una altra app d'entrenament — volíem quelcom més proper a un entrenador. Combinant presència humana amb rigor algorítmic.
El que estava fonamentalment trencat
Com a esportistes, dues coses ens semblaven trencades en totes les eines que usàvem.
Primer, opacitat. Les decisions arribaven sense explicació — "confia en el pla". La confiança s'erosiona setmana rere setmana fins que abandones el pla. Segon, aïllament. Reps un full de càlcul, no un company. El pla no sap que estàs cansat, estressat o dubtant de tu mateix.
Un entrenador veritablement intel·ligent ha de resoldre ambdós: prendre decisions reals i fer-te sentir acompanyat.
El nostre primer enfocament — i on va fallar
El nostre MVP es va centrar en el que crèiem més important: un motor d'entrenament potent orientat a esportistes seriosos, una interfície conversacional per WhatsApp per emular la proximitat d'un entrenador real, i la decisió conscient de no construir dashboards — eines com Strava, Garmin o Intervals.icu ja ho fan bé.
La idea era simple: lògica d'entrenament al motor, experiència humana al xat.
Això va funcionar… fins que va deixar de fer-ho.
Quan quelcom parla com un entrenador, els esportistes esperen que raoni com un — en qualsevol situació. Però la nostra capa conversacional explicava decisions que realment no prenia. Quan la realitat es desviava dels camins predefinits, les esquerdes apareixien.
No pots separar l'entitat que decideix de la que explica i esperar que la confiança es mantingui.
El coaching és un sistema de bucle tancat
El que finalment vam entendre és que un entrenador no és un conjunt de funcionalitats. És un bucle tancat: entendre condicions inicials, planificar, observar l'execució, explicar el feedback, replanificar quan la realitat divergeix.
I aquest bucle existeix en múltiples capes simultàniament — objectius de temporada, macrocicles, estructura setmanal, preparació diària.
Si diferents parts del sistema raonen independentment a cada capa, la coherència es perd. Els teus intervals de dimarts existeixen per la teva cursa de març, la teva fatiga de la sortida de diumenge i el fet que ahir a la nit vas dormir malament.
On la IA generativa realment va ajudar
Quan la IA generativa es va tornar prou fiable, inicialment hi vam pensar com una millora d'UX: més empatia, més flexibilitat.
Però el valor profund era en un altre lloc. No eliminar regles — abstraure-les.
En lloc de milers de branques if/else, ara definim quines estratègies estan permeses, quines restriccions mai s'han de violar, i quines dades importen a cada capa de decisió. Dins d'aquest espai controlat, la IA selecciona i justifica decisions — però mai inventa capacitats que el sistema no té.
Avui NUA funciona com un sistema híbrid: l'estructura algorítmica garanteix seguretat i consistència, mentre la IA opera com una capa de decisió restringida amb més de 60 agents especialitzats, governats per regles de ciència de l'esport. Crucialment, la mateixa entitat decideix i explica.
Absorbir complexitat, no exportar-la
Internament, rastregem un gran nombre de mètriques — execució de sessions, dinàmiques de càrrega, tendències de recuperació, senyals de rendiment.
Però l'esportista ha d'experimentar claredat, no càrrega cognitiva.
Dashboards, gràfiques de TSS, corbes de CTL — externalitzen la complexitat sobre l'esportista. Et converteixen en l'analista del teu propi rendiment. La nostra feina és absorbir aquesta complexitat, no exportar-la. Dir-te què fer avui, i per què.
Els esportistes no volen dedicar energia mental a micro-decisions que un sistema pot raonar amb més consistència. Volen centrar-se en l'execució, la sensació i la intenció. El bon coaching sempre ha fet això. La IA simplement permet que escali.
Encara un treball en progrés
No considerem NUA acabat — ni de bon tros. Cada iteració ve d'adonar-nos d'on el nostre model mental anterior d'un entrenador estava incomplet.
Però si hem après alguna cosa, és això: construir un entrenador IA té menys a veure amb afegir intel·ligència, i més amb preservar coherència, confiança i explicabilitat a mesura que la complexitat creix.