Jak AI dostosowuje plan treningowy do Twoich danych

Automatyczna korekta planu nie potrzebuje egzotycznych danych. Wystarczą trzy sygnały: luka między objętością zaplanowaną a wykonaną, trend e1RM z trzech sesji i deklarowany RIR w bojach złożonych. Razem odpowiadają na pytanie, czy dawka mieści się w Twoich możliwościach regeneracyjnych.

Reguła decyzyjna jest prosta i wynika z kształtu krzywej dawka-odpowiedź. Objętość działa, ale z malejącymi zyskami [1], a każda dodatkowa seria tygodniowo wnosi coraz mniej [2]. Dlatego kiedy luka objętościowa rośnie, sensowną reakcją jest obniżenie dawki, a nie dokładanie serii w nadziei, że przebijesz zastój.

Warto zauważyć, czego na tej liście nie ma. Nie ma tętna spoczynkowego, zmienności rytmu zatokowego ani wyniku z opaski. Te dane bywają interesujące, ale w programowaniu siłowym mają znacznie niższą wartość decyzyjną niż to, ile powtórzeń faktycznie wykonałeś przy zadanym ciężarze.

Powód jest prosty: sygnały treningowe mierzą bezpośrednio to, co chcesz zmienić. Wskaźniki fizjologiczne mierzą stan ogólny, który zależy od stresu, chorób i pory pomiaru w stopniu utrudniającym przypisanie zmiany do treningu.

Model widzi liczby, nie kontekst. Nie wie, że wczoraj przeprowadzałeś się przez pół dnia, że bark boli od tygodnia w konkretnej pozycji ani że za trzy tygodnie masz zawody. Wszystkie te informacje zmieniają właściwą decyzję, a żadna nie wynika z samego zapisu serii.

Dlatego dobrze zaprojektowany system pyta o brakujący kontekst i pokazuje, na jakiej podstawie coś zmienia. Load7 podaje powód każdej korekty — „obniżam objętość przysiadu o dwie serie, bo e1RM spadł w trzech kolejnych sesjach" — dzięki czemu możesz zmianę odrzucić, jeśli znasz przyczynę, której system nie widzi.

To nie jest kosmetyka interfejsu. Nieuzasadniona zmiana planu jest nie do zweryfikowania, a plan, którego nie rozumiesz, jest planem, którego nie wykonasz konsekwentnie.

Jest też kategoria decyzji, których model nie powinien podejmować samodzielnie, nawet mając dane. Wybór między dążeniem do rekordu w przysiadzie a utrzymaniem bezbolesnego barku to decyzja o priorytetach, nie o optymalizacji. Systemy, które podejmują ją za użytkownika, zwykle wybierają to, co łatwiej zmierzyć.

Praktyczna konsekwencja: interesuje Cię nie tyle „jak dobry jest model", ile „gdzie kończy się jego mandat". System, który proponuje i czeka, jest w tej kategorii lepszy od systemu, który po prostu przepisuje plan.

Jedna słaba sesja nie powinna zmieniać planu. Trzy kolejne sesje ze spadającym e1RM — powinny. Pojedynczy dzień z gorszym samopoczuciem to szum; systematyczne niedomykanie zaplanowanych powtórzeń to sygnał.

Podobnie z górą: dwie dobre sesje nie są powodem do dokładania czterech serii tygodniowo. Progresja objętości ma sens w krokach po dwie serie na partię, sprawdzanych przez cztery tygodnie — bo krzywa i tak się wypłaszcza [2], a szybkie skoki kupują głównie zmęczenie.

Symetria między dokładaniem a odejmowaniem jest ważniejsza, niż się wydaje. Systemy, które reagują natychmiast na dobre sesje i powoli na złe, systematycznie przeciążają — bo dobre sesje zdarzają się też przypadkiem, po dobrym śnie i dużym posiłku.

Bezpieczniejszy układ to szybsze cofanie niż dokładanie: dwa sygnały wystarczą do obniżenia dawki, trzy są potrzebne do jej podniesienia. Koszt niepotrzebnego tygodnia niższej objętości jest znacznie mniejszy niż koszt trzech tygodni przeciążenia.