Quando começámos o NUA há quase dois anos, a IA generativa ainda não era viável para produção. Mas mesmo então, tínhamos uma intuição clara: não queríamos construir mais uma app de treino — queríamos algo mais próximo de um treinador. Combinando presença humana com rigor algorítmico.
O que estava fundamentalmente partido
Como atletas, duas coisas nos pareciam partidas em todas as ferramentas que usávamos.
Primeiro, opacidade. As decisões chegavam sem explicação — "confia no plano". A confiança erode-se semana após semana até que abandonas o plano. Segundo, isolamento. Recebes uma folha de cálculo, não um companheiro. O plano não sabe que estás cansado, stressado ou a duvidar de ti mesmo.
Um treinador verdadeiramente inteligente deve resolver ambos: tomar decisões reais e fazer-te sentir acompanhado.
A nossa primeira abordagem — e onde falhou
O nosso MVP centrou-se no que acreditávamos ser mais importante: um motor de treino potente orientado a atletas sérios, uma interface conversacional por WhatsApp para emular a proximidade de um treinador real, e a decisão consciente de não construir dashboards — ferramentas como Strava, Garmin ou Intervals.icu já o fazem bem.
A ideia era simples: lógica de treino no motor, experiência humana no chat.
Isso funcionou… até deixar de funcionar.
Quando algo fala como um treinador, os atletas esperam que raciocine como um — em qualquer situação. Mas a nossa camada conversacional explicava decisões que realmente não tomava. Quando a realidade se desviava dos caminhos predefinidos, as fissuras apareciam.
Não podes separar a entidade que decide da que explica e esperar que a confiança se mantenha.
O coaching é um sistema de circuito fechado
O que finalmente entendemos é que um treinador não é um conjunto de funcionalidades. É um circuito fechado: entender condições iniciais, planificar, observar a execução, explicar o feedback, replanificar quando a realidade diverge.
E este circuito existe em múltiplas camadas simultaneamente — objetivos de temporada, macrociclos, estrutura semanal, prontidão diária.
Se diferentes partes do sistema raciocinam independentemente em cada camada, a coerência perde-se. Os teus intervalos de terça-feira existem por causa da tua corrida de março, da tua fadiga da saída de domingo e do facto de teres dormido mal na noite passada.
Onde a IA generativa realmente ajudou
Quando a IA generativa se tornou suficientemente fiável, inicialmente pensámos nela como uma melhoria de UX: mais empatia, mais flexibilidade.
Mas o valor profundo estava noutro sítio. Não eliminar regras — abstraí-las.
Em vez de milhares de ramos if/else, agora definimos que estratégias são permitidas, que restrições nunca devem ser violadas, e que dados importam em cada camada de decisão. Dentro desse espaço controlado, a IA seleciona e justifica decisões — mas nunca inventa capacidades que o sistema não tem.
Hoje o NUA funciona como um sistema híbrido: a estrutura algorítmica garante segurança e consistência, enquanto a IA opera como uma camada de decisão restringida com mais de 60 agentes especializados, governados por regras de ciência do desporto. Crucialmente, a mesma entidade decide e explica.
Absorver complexidade, não exportá-la
Internamente, rastreamos um grande número de métricas — execução de sessões, dinâmicas de carga, tendências de recuperação, sinais de desempenho.
Mas o atleta deve experimentar clareza, não carga cognitiva.
Dashboards, gráficos de TSS, curvas de CTL — externalizam a complexidade sobre o atleta. Transformam-te no analista do teu próprio desempenho. O nosso trabalho é absorver essa complexidade, não exportá-la. Dizer-te o que fazer hoje, e porquê.
Os atletas não querem dedicar energia mental a micro-decisões que um sistema pode raciocinar com mais consistência. Querem centrar-se na execução, na sensação e na intenção. O bom coaching sempre fez isto. A IA simplesmente permite que escale.
Ainda um trabalho em progresso
Não consideramos o NUA terminado — nem de longe. Cada iteração vem de nos apercebermos onde o nosso modelo mental anterior de um treinador estava incompleto.
Mas se aprendemos alguma coisa, é isto: construir um treinador IA tem menos a ver com adicionar inteligência, e mais com preservar coerência, confiança e explicabilidade à medida que a complexidade cresce.