AI leren denken als een trainer
AI is overal, maar in fitness zijn generieke modellen alleen niet genoeg. Om de trainingservaring echt te verbeteren, moet AI de nuances van lichamen, gedrag, omgevingen en beperkingen in de praktijk begrijpen.
Met Matrix Exercise Learning Intelligence, een AI-gestuurde trainingsoplossing die slimme fitnesstechnologie combineert met lichaamssamenstellingsgegevens van medische kwaliteit, wilde Matrix bewijzen dat de toekomst van gepersonaliseerde fitness niet ligt in geautomatiseerde workouts.
De volgende evolutie van fitness bouwt op menselijke expertise, ervaring en inzichten, die we verantwoord vertalen naar schaalbare toepassingen met onze eigen AI.
Zoals Steve Barrett, Director of Global Fitness Programming bij Matrix, uitlegt: “Dit project begon niet met een blauwdruk. Het is organisch gegroeid. We bouwden een machine-learning-systeem vanaf de basis op, omdat we dit nog niet eerder hadden gedaan en een kant-en-klare oplossing gewoon niet voldeed.
UITDAGINGEN VAN AI IN FITNESSPERSONALISATIE
De uitdaging bij de ontwikkeling van Exercise Learning Intelligence was nooit alleen technologisch, omdat het idee zelf is ontstaan vanuit unieke behoeften in de markt. Fitnesslocaties zien een groeiende kloof tussen wat leden willen en wat traditionele apparatuur kan bieden.
Leden willen persoonlijke begeleiding zonder gedoe. Exploitanten willen persoonlijke training bieden zonder afhankelijk te zijn van personeel of extra medewerkers aan te nemen om dit te beheren. Trainers willen tools die hun expertise versterken en hun workflow stroomlijnen, zodat ze meer tijd hebben om relaties op te bouwen in plaats van programma's samen te stellen.
Om het nog ingewikkelder te maken, zijn er veel gesloten digitale ecosystemen waarvoor sportscholen hun bestaande apparatuur en digitale producten moeten opgeven. Daarnaast wilden veel fitnessclubs graag complete wellnesservaringen bieden, met work-outs die aansluiten op echte doelen, echte schema's en echte fysieke omstandigheden.
Matrix zag een kans om iets flexibelers te creëren. Eind 2024 hebben we de eerste stappen gezet naar een adaptieve coachingervaring die werkt met bestaande apparatuur en tegelijkertijd de hele trainingsvloer naar een hoger niveau tilt.
EEN PRECIEZE PARTNER KIEZEN
Echte personalisatie van je training begint met een volledig inzicht in elk uniek menselijk lichaam. Die eis bracht Matrix ertoe om samen te werken met seca, een bedrijf met bijna twee eeuwen ervaring in meet- en weegoplossingen van medische kwaliteit.
De lichaamscompositie-oplossing van seca biedt een compleet beeld van elke persoon, gebaseerd op betrouwbare, medisch gevalideerde meetwaarden zoals spiermassa, vetmassa en vochtniveaus, en geeft zo een realistisch gezondheids- en prestatieprofiel weer.
Nauwkeurig medisch inzicht alleen is echter niet genoeg om een effectieve training voor te schrijven. De gegevens moeten worden vertaald naar programmering die werkt in drukke fitnessfaciliteiten, met gedeelde apparatuur en beperkte tijd.
Toen kwam Matrix in beeld. Terwijl seca klinische nauwkeurigheid inbracht, maakten wij het plaatje compleet met onze tientallen jaren fitness-expertise. Samen sloeg de samenwerking een brug tussen nauwkeurige metingen en praktische actie, waardoor data veranderde in begeleiding die mensen konden vertrouwen en direct konden toepassen.
HOE MATRIX EEN FITNESS-SPECIFIEK AI-MODEL BOUWDE
Vanaf het begin hebben wij bewust gekozen om een eigen AI-model te ontwikkelen, speciaal voor fitness. Generieke AI-systemen vertrouwen vaak op gescrapete of contextloze informatie, waardoor aanbevelingen geloofwaardig lijken maar in echte trainingsomgevingen niet standhouden.
Dit nieuwe model moest slimmer, inzichtvoller en empathischer zijn — kortom, menselijker dan een generiek model kon zijn.
Daarom hebben de ontwikkelaars van Matrix onze AI vanaf de basis anders getraind. Matrix heeft zijn basis gebouwd op bewezen principes uit de sportwetenschap, gestructureerde programmalogica en tientallen jaren succesvolle coachingervaring.
Met voldoende subtiele bijsturing begreep het systeem al snel niet alleen wat het moest voorschrijven, maar ook wat het moest vermijden. Door te leren van experts uit de branche kreeg Exercise Learning Intelligence al snel inzicht in hoe trainingen moeten worden opgebouwd, hoe de intensiteit moet toenemen en welke rol herstel speelt in succes op de lange termijn.
Dit essentiële basiswerk zorgde ervoor dat de AI niet zomaar workouts genereerde zonder rekening te houden met de mensen die ze echt doen. Dankzij deze aanpak vanaf de basis kon Exercise Learning Intelligence beginnen met het op grote schaal bieden van betrouwbare, praktijkgerichte coaching.
WAAROM MENSELIJKE EXPERTISE NOG STEEDS BELANGRIJK IS BIJ AI-FITNESSCOACHING
Ondanks de veelbelovende eerste resultaten liet het meenemen van de voorgeschreven workouts naar de trainingsvloer een belangrijke waarheid zien.
Helaas werkten programma's die op papier perfect leken in de praktijk niet altijd soepel. Sessies duurden vaak lang, met weinig aandacht voor de tijd die een sporter nodig had om van het ene deel van de trainingsvloer naar het andere te gaan. Conflicten over het gebruik van apparatuur, iets wat vaak voorkomt in drukke fitnessfaciliteiten, werden ook niet meegenomen.
Daarnaast weerspiegelden intensiteitsniveaus vaak de optimale trainingstheorie. Dat was ideaal voor toegewijde sporters, maar te veel voor de gemiddelde sporter in een fitnessclub en diens doelen.
In plaats van het systeem te vereenvoudigen, heeft het team van Matrix onvermoeibaar gewerkt om het verder te verfijnen. Ze hebben waarborgen toegevoegd zodat Exercise Learning Intelligence effectief werkt in praktijksituaties.
Al snel kon het rekening houden met drukke agenda’s, beperkte trainingstijd, drukte op de trainingsvloer, realistisch herstel en nog veel meer. Misschien nog wel het belangrijkste: de ontwikkelaars bij Matrix pasten de voorgeprogrammeerde programma's aan op hoe echte mensen daadwerkelijk trainen, niet op hoe bots in ideale omstandigheden zouden trainen.
Door levenservaring en empathisch menselijk inzicht op fundamenteel niveau in het model te verankeren, ging Exercise Learning Intelligence verder dan generieke AI-systemen. De AI in het hart ervan werd toegankelijker, betrouwbaarder en veel effectiever.
AI-WORK-OUTS TESTEN IN ECHTE SPORTSCHOOLOMGEVINGEN
Natuurlijk namen wij geen genoegen met alleen een theoretische bevestiging van Exercise Learning Intelligence. De volgende stap voor onze ontwikkelaars was hun nieuwe AI maandenlang te testen tijdens echte workouts in echte ruimtes.
Vaak testten de ontwikkelaars van Matrix de door AI gegenereerde workoutprogramma's zelf en signaleerden zij hiaten in de timing, problemen met de intensiteit en operationele knelpunten op basis van hun eigen trainingservaring.
Deze uren van levensechte, hartslagverhogende workouts leidden tot een nieuwe ronde van belangrijke verfijning. Handmatige overrides zijn toegevoegd om flexibiliteit te behouden, zodat je als eindgebruiker met een laatste menselijke blik de voorgeschreven workout kunt corrigeren of verfijnen. De progressielogica is verfijnd om consistentie te ondersteunen in plaats van geïdealiseerde training, wat heeft geleid tot praktische en efficiënte trainingsprogramma's.
Het systeem leerde zelfs om trainingsconsistentie en zelfvertrouwen voorrang te geven boven het pushen van sporters tot hun theoretische grenzen.
Elke ronde van verfijningen en verbeteringen versterkte de principes waarmee we bij Matrix begonnen: gepersonaliseerde training werkt alleen als die praktisch, haalbaar en duurzaam is voor echte mensen in echte omgevingen.
DE GEPERSONALISEERDE ADAPTIEVE COACHINGERVARING (PACE)
In zijn verder ontwikkelde vorm zet PACE lichaamssamenstellingsscans van 24 seconden op seca-producten om in adaptieve, doelgerichte, AI-gestuurde workouts die direct via Matrix-consoles worden aangeboden. Na elke sessie gaat er nieuwe prestatiegegevens terug het systeem in, zodat de programmering met je mee kan evolueren terwijl je meer vertrouwen opbouwt en je vaardigheden verbetert.
De AI in PACE houdt rekening met de beschikbare apparatuur in elke vestiging en met individuele bezoekpatronen, en past de programmering in realtime aan. Het ondersteunt schaalbare onboarding voor allerlei soorten gebruikers en neemt de last van handmatig programmeren vrijwel volledig weg.
Trainers blijven ook een belangrijk onderdeel van de ervaring en krijgen nu de ruimte om relaties te versterken, terwijl de AI achter de schermen de complexiteit afhandelt. Het creëert zelfs meer waardevolle contactmomenten tussen leden en medewerkers, een belangrijke maatstaf voor ledentevredenheid.
INTELLIGENCE THAT EVOLVES
Voor Matrix is Exercise Learning Intelligence een basis, geen eindpunt. Dankzij de architectuur kun je in de toekomst uitbreiden met wearables, uitgebreidere medische inzichten en meer, naarmate elk uniek ecosysteem van een faciliteit zich verder ontwikkelt.
Zoals Steve Barrett zegt: “Hoe meer we over individuen leren, hoe persoonlijker dit wordt. Personalisatie is geen functie. Het is de toekomst. En dit systeem geeft ons eindelijk een verantwoorde manier om dit op grote schaal aan te bieden.
Exercise Learning Intelligence bewijst dat AI, wanneer het door experts wordt gevormd, in de praktijk wordt getest en door menselijk inzicht wordt geleid, coaching niet vervangt. Het tilt de trainingservaring voor iedereen naar een hoger niveau.
