Cuando empezamos NUA hace casi dos años, la IA generativa aún no era viable para producción. Pero incluso entonces, teníamos una intuición clara: no queríamos construir otra app de entrenamiento — queríamos algo más cercano a un entrenador. Combinando presencia humana con rigor algorítmico.
Lo que estaba fundamentalmente roto
Como deportistas, dos cosas nos parecían rotas en todas las herramientas que usábamos.
Primero, opacidad. Las decisiones llegaban sin explicación — "confía en el plan". La confianza se erosiona semana a semana hasta que abandonas el plan. Segundo, aislamiento. Recibes una hoja de cálculo, no un compañero. El plan no sabe que estás cansado, estresado o dudando de ti mismo.
Un entrenador verdaderamente inteligente debe resolver ambos: tomar decisiones reales y hacerte sentir acompañado.
Nuestro primer enfoque — y dónde falló
Nuestro MVP se centró en lo que creíamos más importante: un motor de entrenamiento potente orientado a deportistas serios, una interfaz conversacional por WhatsApp para emular la cercanía de un entrenador real, y la decisión consciente de no construir dashboards — herramientas como Strava, Garmin o Intervals.icu ya lo hacen bien.
La idea era simple: lógica de entrenamiento en el motor, experiencia humana en el chat.
Eso funcionó… hasta que dejó de hacerlo.
Cuando algo habla como un entrenador, los deportistas esperan que razone como uno — en cualquier situación. Pero nuestra capa conversacional explicaba decisiones que realmente no tomaba. Cuando la realidad se desviaba de los caminos predefinidos, las grietas aparecían.
No puedes separar la entidad que decide de la que explica y esperar que la confianza se mantenga.
El coaching es un sistema de bucle cerrado
Lo que finalmente entendimos es que un entrenador no es un conjunto de funcionalidades. Es un bucle cerrado: entender condiciones iniciales, planificar, observar la ejecución, explicar el feedback, replanificar cuando la realidad diverge.
Y este bucle existe en múltiples capas simultáneamente — objetivos de temporada, macrociclos, estructura semanal, preparación diaria.
Si diferentes partes del sistema razonan independientemente en cada capa, la coherencia se pierde. Tus intervalos del martes existen por tu carrera de marzo, tu fatiga de la salida del domingo y el hecho de que anoche dormiste mal.
Donde la IA generativa realmente ayudó
Cuando la IA generativa se volvió suficientemente fiable, inicialmente pensamos en ella como una mejora de UX: más empatía, más flexibilidad.
Pero el valor profundo estaba en otro sitio. No eliminar reglas — abstraerlas.
En vez de miles de ramas if/else, ahora definimos qué estrategias están permitidas, qué restricciones nunca deben violarse, y qué datos importan en cada capa de decisión. Dentro de ese espacio controlado, la IA selecciona y justifica decisiones — pero nunca inventa capacidades que el sistema no tiene.
Hoy NUA funciona como un sistema híbrido: la estructura algorítmica garantiza seguridad y consistencia, mientras la IA opera como una capa de decisión restringida con más de 60 agentes especializados, gobernados por reglas de ciencia del deporte. Crucialmente, la misma entidad decide y explica.
Absorber complejidad, no exportarla
Internamente, rastreamos un gran número de métricas — ejecución de sesiones, dinámicas de carga, tendencias de recuperación, señales de rendimiento.
Pero el deportista debe experimentar claridad, no carga cognitiva.
Dashboards, gráficas de TSS, curvas de CTL — externalizan la complejidad sobre el deportista. Te convierten en el analista de tu propio rendimiento. Nuestro trabajo es absorber esa complejidad, no exportarla. Decirte qué hacer hoy, y por qué.
Los deportistas no quieren dedicar energía mental a micro-decisiones que un sistema puede razonar con más consistencia. Quieren centrarse en la ejecución, la sensación y la intención. El buen coaching siempre ha hecho esto. La IA simplemente permite que escale.
Todavía un trabajo en progreso
No consideramos NUA terminado — ni de lejos. Cada iteración viene de darnos cuenta de dónde nuestro modelo mental anterior de un entrenador estaba incompleto.
Pero si hemos aprendido algo, es esto: construir un entrenador IA tiene menos que ver con añadir inteligencia, y más con preservar coherencia, confianza y explicabilidad a medida que la complejidad crece.