Vertrouw de coaches die laten zien hoe ze tot iets komen, en blijf sceptisch over de rest — want het bewijs dat een van deze hulpmiddelen op termijn werkt, bestaat nog niet. Een overzichtsstudie uit 2025 bekeek twintig studies naar AI-coachingmodellen en vond er geen enkele die langdurige gedragsverandering of blijvende fysieke verbetering had onderzocht; de mediane studiekwaliteit kwam uit op 2,5 van 5. Daarmee is navolgbaarheid het enige wat je zelf kunt controleren.
De hele categorie beschrijft zichzelf inmiddels hetzelfde
Open in 2026 willekeurig welke wielertrainingsapp en je krijgt dezelfde drie woorden: adaptief, persoonlijk, AI-gedreven. Vier jaar geleden zei dat iets. Nu is het bijna universeel — en daarmee draagt het geen informatie meer.
Als elk product in een categorie hetzelfde beweert, helpt die bewering niet bij het kiezen. De bruikbare vraag is dus niet zit hier AI in, maar: als dit ding mij iets aanraadt, kan ik dan achterhalen waarom?
Achter precies die vraag ligt onderzoek. En dat valt niet vleiend uit.
Wat er werkelijk getoetst is — en wat niet
In 2025 zocht een onderzoeksgroep alle studies bij elkaar die een AI-gebaseerd trainings- of gezondheidscoachingmodel hadden geëvalueerd. Ze vonden er twintig, verschenen tussen maart 2023 en juli 2025, en beoordeelden vervolgens hoe goed die studies waren gedaan.
De uitkomsten verdienen traag lezen. Acht op de tien leunden op mensen die uitvoer beoordelen — experts die een plan scoren, gebruikers die een vragenlijst invullen. Slechts 40 % gebruikte echte gebruikersdata, en slechts 40 % toetste iets in een werkelijke of nagebootste gebruikssituatie. Minder dan de helft meldde of hun beoordelaars het onderling eens waren. De mediane studie kwam op 2,5 van 5 op de kwaliteitsschaal van de reviewers; 55 % gold als van lage kwaliteit, en slechts 10 % haalde de hoogste score.
En dan de bevinding die zou moeten veranderen hoe je elke verkooppagina in deze categorie leest: geen enkele van de twintig studies onderzocht langdurige gedragsverandering of blijvende fysieke verbetering. Niemand heeft aangetoond dat een van deze hulpmiddelen je over een seizoen sneller maakt. Dat is niet hetzelfde als zeggen dat ze niet werken. Het betekent dat de vraag nog niet fatsoenlijk gesteld is.
De onderzoekers merkten ook op dat transparantie en uitlegbaarheid in de hele literatuur nauwelijks aandacht kregen. Hun eigen oordeel over de staat van het veld is onomwonden: de evaluatiepraktijk is „gefragmenteerd en methodologisch zwak".
Stel dezelfde vraag twee keer
Deze proef kun je zelf doen, en hij komt rechtstreeks uit een preprint uit 2026 die precies dit op schaal deed.
De onderzoekers namen zes scenario's en lieten een taalmodel voor elk een trainingsvoorschrift maken — en herhaalden daarna hetzelfde verzoek twintig keer per scenario, 120 uitvoeren in totaal, zonder er ook maar iets aan te veranderen.
De formulering hield stand. De semantische gelijkenis over de herhalingen lag tussen 0,879 en 0,939, dus elk antwoord las als hetzelfde antwoord. Met de getallen was het anders: de kwantitatieve delen schoven per ronde, en de intensiteit schoof het meest. Bij de krachttrainingsvoorschriften was in 10 tot 25 % van de uitvoeren de intensiteitsaanduiding niet eens te classificeren.
Twee eerlijke kanttekeningen, omdat ze ertoe doen: dit was een preprint en geen peer-reviewed artikel, en het toetste trainingsvoorschriften in een klinisch kader, geen wielertrainingsplannen. Maar het mechanisme is niet vakspecifiek. Zelfverzekerd proza en een stabiel getal zijn twee verschillende dingen, en een systeem kan het eerste leveren zonder het tweede.
Dus: stel je coach op twee rustige dagen dezelfde vraag, zonder dat er iets aan je data veranderde. Springt het advies zonder dat iets die sprong verklaart, dan heb je voor twee minuten iets nuttigs geleerd.
Waar de uitvoer meestal het zwakst is
Een andere studie legde door AI gemaakte trainingsplannen voor aan tien ervaren coaches — gemiddeld 9,6 jaar in het vak — en liet die de plannen beoordelen op 27 criteria op een vijfpuntsschaal.
Het oordeel was middelmatig, niet vernietigend. Over drie modellen heen haalden slechts vijf criteria ooit een 4,5 of hoger. Het terugkerende zwakke punt was scherp te benoemen: de plannen bleven vaag over intensiteit — hoe hard, hoe dicht bij de grens, hoeveel belasting. De auteurs lazen het zo dat de modellen eerder op veiligheid dan op effectiviteit mikken, en dat hun uitvoer het best als sjabloon behandeld wordt dat nog bijstelling vraagt.
Die studie ging over krachttraining, niet over wielrennen — neem de cijfers dus niet over. Neem het faalpatroon over. De vaagheid zit precies daar waar de trainingsprikkel ontstaat. Een plan kan de juiste training, de juiste dag en de juiste duur noemen en toch nutteloos zijn als het zich niet vastlegt op hoe hard.
Een controle van tien minuten voor elke AI-coach
Niets hiervan vraagt dat je een overzicht gelooft — dit stuk ook niet. Elk punt hieronder kun je in een gratis proefperiode testen.
Vraag waar een getal vandaan komt. Niet wat het betekent — waar het vandaan komt. Een goed antwoord noemt jouw data: deze rit, die week, dit verloop. Een slecht antwoord herhaalt het getal met meer woorden.
Stel dezelfde vraag twee keer. Twee dagen ertussen, data onveranderd. Stabiel is goed. Anders is prima als er iets veranderde en het je kan zeggen wat.
Spreek het één keer tegen. Zeg „deze training past niet bij mij" en kijk wat er beweegt. Verandert het plan, dan heb je een coach. Verandert alleen de toon, dan heb je een chatvenster voor een vast plan.
Geef het een onvolledige dag. Rijd zonder hartslagband, of breek een training af. Een hulpmiddel dat zegt „dat kan ik vandaag niet berekenen" is betrouwbaarder dan een dat altijd een cijfer klaar heeft.
Vraag wat het niet weet. Wat nooit onzekerheid uitspreekt, is niet zorgvuldig — en dat merk je anders op de vervelende manier.
Waarom een onverklaarde verandering duurder is dan een foute
Renners vergeven een plan dat ernaast zit veel makkelijker dan een plan dat verandert zonder te zeggen waarom. Dat instinct klopt.
Een advies waarvan je de redenering kunt volgen, is een advies waar je het mee oneens kunt zijn. Je kunt merken dat het een slechte nacht te zwaar liet wegen, dat zeggen, en gelijk hebben. Die uitwisseling is iets waard, ook als de software ernaast zat — want je begrijpt je eigen training er beter door.
Een advies dat simpelweg verschijnt, leert je niets. Erger nog: het ontneemt je het vermogen om een zinnige aanpassing van een storing te onderscheiden. Van buitenaf zien beide er hetzelfde uit — het getal bewoog. Dat is hetzelfde argument als bij het vertrouwen in een gereedheidsscore: een getal dat je niet kunt openmaken is geen samenvatting, maar een orakel.
Hoe „goed” er vanaf hier uitziet
De eerlijke positie in 2026 is niet afwijzing en niet geestdrift. Deze hulpmiddelen zijn echt nuttig in waar software goed in is: er zijn om zes uur op zondagochtend, elke keer hetzelfde rekenen, nooit moe worden van je vragen. Die zaak staat netjes uitgewerkt in onze vergelijking van een AI-coach en een menselijke coach.
Wat nog niet verdiend is, is het recht om zonder vragen gevolgd te worden. Zolang niemand heeft aangetoond dat een van deze hulpmiddelen over een seizoen verandert wat een renner kan, hoort een AI-coach een zeer goed geïnformeerde tweede mening te zijn die je eigen oordeel steunt — geen vervanging ervan. Jij weet dingen over je benen, je week en je leven die in geen enkele dataset staan.
De maatstaf voor de categorie is eenvoudig: coaching die laat zien hoe ze tot iets komt. Al het andere is een slogan die elk product toch al voert.
Je cijfers, uitgelegd zodra je het vraagt.
Dat is de maatstaf waarvoor we Peakfy gebouwd hebben, dus houd ons er gerust aan. Elk advies in Peakfy komt met de data waar het uit voortkomt en één zin uitleg in gewone taal — geen alinea vol slagen om de arm, één zin die je tegen je eigen rit kunt houden. En als je de coach zegt „dit past niet bij mij", verandert het plan; het bezwaar is invoer, geen klacht die de software beleefd wegknikt.
Waar een waarde niet werkelijk berekend is, staat er niets. Wij hebben liever een leegte dan een plausibel ogend cijfer — want een getal dat je niet kunt herleiden is precies waar dit artikel over gaat.
Vragen die renners stellen
Verder lezen
- AI-wielercoach of menselijke coach: een eerlijke vergelijking
- Kun je je gereedheidsscore vertrouwen? Wat het onderzoek zegt
- FTP verhogen: wat het getal echt in beweging brengt