Fíate de los que enseñan su razonamiento y mantén el escepticismo con el resto, porque la prueba de que alguno de estos productos funciona a lo largo del tiempo todavía no existe. Una revisión de 2025 sobre veinte estudios de modelos de entrenamiento con IA no encontró ninguno que hubiera evaluado un cambio de conducta duradero ni una mejora física sostenida, y situó la calidad mediana de los estudios en 2,5 sobre 5. Eso deja la trazabilidad como lo único que puedes comprobar tú mismo.
Toda la categoría se describe ya igual
Abre en 2026 cualquier aplicación de entrenamiento ciclista y te encontrarás las mismas tres palabras: adaptativa, personalizada, con IA. Hace cuatro años eso describía algo. Hoy es casi universal, y por tanto ha dejado de transmitir información.
Cuando todos los productos de una categoría afirman lo mismo, la afirmación no ayuda a elegir. La pregunta útil no es lleva IA esto, sino: cuando esto me recomienda algo, ¿puedo averiguar por qué?
Detrás de esa pregunta concreta hay literatura científica. Y no resulta halagadora.
Qué se ha comprobado de verdad — y qué no
En 2025 un grupo de investigadores reunió todos los estudios que habían evaluado un modelo de entrenamiento o de coaching de salud basado en IA. Encontraron veinte, publicados entre marzo de 2023 y julio de 2025, y a continuación valoraron con qué rigor estaban hechos.
Los hallazgos merecen una lectura pausada. Ocho de cada diez se apoyaban en personas que puntuaban las salidas: expertos calificando un plan, usuarios rellenando un cuestionario. Solo el 40 % usó datos reales de usuarios, y solo el 40 % evaluó algo en un contexto de uso real o simulado. Menos de la mitad informó de si sus evaluadores coincidían entre sí. El estudio mediano obtuvo 2,5 sobre 5 en la escala de rigor de los revisores; el 55 % quedó clasificado como de rigor bajo y solo el 10 % alcanzó la nota máxima.
Y luego el hallazgo que debería cambiar cómo lees cualquier página comercial de esta categoría: ninguno de los veinte estudios evaluó un cambio de conducta duradero ni una mejora física sostenida. Nadie ha demostrado que usar una de estas herramientas te haga más rápido a lo largo de una temporada. Eso no equivale a decir que no funcionen. Significa que la pregunta aún no se ha formulado como es debido.
Los revisores señalaron además que la transparencia y la explicabilidad recibieron una atención mínima en toda la literatura. Su propio juicio sobre el estado del campo es rotundo: la evaluación está «fragmentada y es metodológicamente débil».
Haz la misma pregunta dos veces
Esta prueba puedes hacerla tú, y sale directamente de una preimpresión de 2026 que hizo exactamente esto a gran escala.
Los investigadores tomaron seis escenarios y pidieron a un modelo de lenguaje una prescripción de ejercicio para cada uno; después repitieron la petición idéntica veinte veces por escenario, 120 salidas en total, sin cambiar absolutamente nada entre pasadas.
La redacción aguantó bien. La similitud semántica entre repeticiones quedó entre 0,879 y 0,939, de modo que cada respuesta se leía como la misma respuesta. Con las cifras la historia fue otra: las partes cuantitativas se movían entre pasadas, y la intensidad se movía más que nada. En las prescripciones de fuerza, entre el 10 % y el 25 % de las salidas expresaban la intensidad de una forma que ni siquiera era clasificable.
Dos advertencias honestas, porque importan: era una preimpresión, no un artículo revisado por pares, y evaluaba prescripción de ejercicio en un marco clínico, no planes de entrenamiento ciclista. Pero el mecanismo que deja al descubierto no es propio de ningún campo. Una prosa segura y una cifra estable son dos cosas distintas, y un sistema puede producir la primera sin la segunda.
Así que: hazle a tu entrenador la misma pregunta en dos días tranquilos, sin que nada haya cambiado en tus datos. Si la recomendación salta y nada explica el salto, has aprendido algo útil por dos minutos de trabajo.
Dónde suele ser más floja la salida
Otro estudio entregó planes de entrenamiento generados por IA a diez entrenadores con experiencia —una media de 9,6 años en el oficio— y les pidió puntuarlos frente a 27 criterios en una escala de cinco puntos.
El veredicto fue mediano, no demoledor. Entre tres modelos, solo cinco criterios llegaron alguna vez a 4,5 o más. El punto débil constante era concreto: los planes quedaban vagos en la intensidad: cuánto de duro, a qué distancia del límite, cuánta carga. Los autores lo leyeron como una preferencia de los modelos por la seguridad antes que por la eficacia, y concluyeron que lo que producen se trata mejor como una plantilla que aún hay que ajustar.
Ese estudio miraba entrenamiento de fuerza, no ciclismo, así que no importes sus notas. Importa el modo de fallo. La vaguedad se concentra justo donde vive el efecto del entrenamiento. Un plan puede nombrar la sesión correcta, el día correcto y la duración correcta y seguir siendo inútil si no se moja con la intensidad.
Una comprobación de diez minutos para cualquier entrenador de IA
Nada de esto exige que te fíes de una revisión, esta incluida. Cada punto de abajo se puede probar en una prueba gratuita.
Pregunta de dónde sale una cifra. No qué significa: de dónde sale. Una buena respuesta nombra tus datos: esta salida, aquella semana, esta tendencia. Una mala repite la cifra con más palabras.
Haz la misma pregunta dos veces. Con dos días de separación y los datos sin cambios. Estable es bueno. Distinto está bien si algo cambió y sabe decirte qué.
Contradícele una vez. Di «esta sesión no me encaja» y mira qué se mueve. Si cambia el plan, tienes un entrenador. Si solo cambia el tono, tienes una ventana de chat delante de un plan fijo.
Dale un día incompleto. Sal sin banda de pulso, o corta una sesión. Una herramienta que dice «hoy no puedo calcular eso» es más fiable que otra que siempre tiene una cifra a mano.
Pregúntale qué no sabe. Lo que nunca expresa incertidumbre no está siendo cuidadoso, y lo descubrirás por las malas.
Por qué un cambio sin explicar cuesta más que uno equivocado
Los ciclistas perdonan mucho antes un plan que se equivoca que uno que cambia sin decir por qué. Ese instinto es acertado.
Una recomendación cuyo razonamiento puedes seguir es una recomendación con la que puedes discutir. Puedes darte cuenta de que ha pesado demasiado una mala noche, decirlo, y tener razón. Ese intercambio vale algo incluso cuando el software se equivocó, porque acabas entendiendo mejor tu propio entrenamiento.
Una recomendación que simplemente aparece no te enseña nada. Peor: te quita la capacidad de distinguir una adaptación sensata de un fallo. Desde fuera las dos son idénticas: la cifra se movió. Es el mismo argumento que en la confianza en un score de preparación: una cifra que no puedes abrir no es un resumen, es un oráculo.
Qué aspecto tiene «bien» a partir de aquí
La posición honesta en 2026 no es ni el rechazo ni el entusiasmo. Estas herramientas son de verdad útiles en lo que el software hace bien: estar disponible a las seis de un domingo, calcular igual siempre, no cansarse nunca de tus preguntas. Ese argumento está desarrollado como es debido en nuestra comparación entre un entrenador de IA y un entrenador humano.
Lo que aún no se ha ganado es el derecho a que se le siga sin preguntar. Mientras nadie demuestre que una de estas herramientas cambia lo que un ciclista es capaz de hacer a lo largo de una temporada, un entrenador de IA debería ser una segunda opinión muy bien informada que apoye tu propio criterio, no un sustituto de él. Tú sabes de tus piernas, de tu semana y de tu vida cosas que no están en ningún conjunto de datos.
El listón que hay que ponerle a la categoría es sencillo: entrenamiento que enseñe su razonamiento. Todo lo demás es un eslogan que ya lleva cualquier producto.
Tus números, explicados en cuanto preguntas.
Ese es el listón para el que construimos Peakfy, así que exígenoslo. Cada recomendación en Peakfy llega con los datos de los que sale y una razón en una frase, en lenguaje llano: no un párrafo de matices, una frase que puedes contrastar con tu propia salida. Y cuando le dices al entrenador «esto no me encaja», el plan cambia; la objeción es una entrada, no una queja que el software asiente con educación.
Donde un valor no se ha calculado de verdad, no se muestra nada. Preferimos un hueco a una cifra de aspecto plausible, porque una cifra que no puedes rastrear es exactamente de lo que trata este artículo.
Lo que preguntan los ciclistas
Sigue leyendo
- Entrenador de ciclismo con IA o entrenador humano: comparación honesta
- ¿Puedes fiarte de tu score de preparación? Lo que dice la investigación
- Cómo subir el FTP: lo que de verdad mueve el número