Llevo años corriendo con el mismo ritual: termino un entrenamiento, miro las métricas en Garmin Connect, asiento con la cabeza como si entendiera algo, y sigo con mi vida. Pace, VAM, carga de entrenamiento, eficiencia aeróbica… números que flotan en una pantalla sin decirme realmente qué hacer mañana.
Garmin Coach existe. Lo probé. Es útil si eres principiante y quieres un plan genérico para tu primera 5K. Pero en cuanto tienes cierta base, el plan no cambia aunque tú sí lo hagas. ¿Se lesionó tu gemelo? Da igual. ¿Dormiste mal tres noches seguidas? El plan no lo sabe. ¿Llevas dos semanas con mucha carga laboral? El plan sigue pidiendo un rodaje largo el domingo.
Eso no es un coach. Es una hoja de cálculo con temporizador.
Lo que quería era diferente
No quería un plan. Quería una conversación.
Algo que supiera de mis últimos entrenamientos, que pudiera preguntarme cómo me sentí en la tirada del jueves, que me dijera "oye, llevas 4 días seguidos con FC elevada, quizás hoy toca regenerativo" en lugar de SESIÓN 14 DE 16: TEMPO 8KM.
Quería feedback post-entrenamiento real. No una notificación de "¡Nuevo récord personal!" cuando hice un sprint de 200m al final de un rodaje suave.
Por qué lo construí yo
Podría haber usado TrainingPeaks con un entrenador real. Cuesta entre 100 y 200€/mes con un profesional decente. Fuera de mi presupuesto para algo que es un hobby.
Probé Runna y Enduco. Son buenos productos, pero siguen siendo planes lineales con poca adaptación real en tiempo real. El problema de fondo es el mismo: el plan no tiene contexto sobre ti hoy.
Así que decidí construirlo. Soy developer, tenía tiempo entre proyectos, y la pregunta me picaba: ¿puede un modelo de lenguaje hacer de coach de running si le das el contexto correcto?
La respuesta es: sí. Pero hay que darle el contexto correcto.
Cómo funciona Stridely
El núcleo es simple: conectas tu cuenta de Strava, y la app importa tus actividades recientes. Cuando terminas un entrenamiento, en lugar de mirar las métricas en silencio, puedes abrir Stridely y tener una conversación con un coach de IA que ya sabe lo que acabas de hacer.
Le puedes decir cómo te sentiste. Puedes preguntarle si el ritmo fue el adecuado para tu objetivo. Puedes pedirle que te sugiera el entrenamiento de mañana teniendo en cuenta la fatiga acumulada de la semana.
No es magia. Es contexto bien construido + un modelo que sabe de running.
Lo que me sorprendió es que la calidad del feedback cambia radicalmente cuando el coach tiene datos reales tuyos frente a cuando le haces la misma pregunta en frío a ChatGPT. La diferencia es el contexto. Y eso es exactamente lo que Stridely construye.
Lo que aprendí construyéndolo
El OAuth de Strava es el primer obstáculo real. Su documentación es mejorable y los refresh tokens tienen comportamientos que no están bien documentados. Me llevó más tiempo del esperado.
El verdadero reto no es técnico, es de producto. ¿Cuándo habla el coach? ¿Qué tono usa? ¿Cuánto contexto necesita para dar una respuesta útil? Esas preguntas me ocuparon más tiempo que el código.
Los runners no quieren más datos. Quieren menos, mejor explicados. Cada vez que añadía una métrica nueva al dashboard, la interfaz se volvía más confusa. Acabé quitando el 60% de lo que había construido.
El estado actual
Stridely está en desarrollo activo. No es un producto terminado — es un experimento que uso yo mismo para mis entrenamientos.
En los próximos posts voy a escribir sobre la integración técnica con Strava, cómo estructuré el contexto para el coach de IA, y las decisiones de diseño para que la app se sintiera como una herramienta de running y no como otro dashboard más.
Si tienes curiosidad, prueba Stridely gratis aquí.
Top comments (0)