Analyser Peloton-data med AI: Hva du kan spørre om og hva du får tilbake

Den innebygde Peloton-appen gir allerede mye per tur: en outputgraf, plassering på topplisten, en løpende rekordliste og en ryddig oppsummeringsskjerm i det øyeblikket du klikker ut. Det den ikke gir deg er resonnement. Den kan ikke fortelle i én setning om gjennomsnittlig output faktisk har økt den siste måneden, om en rekke sterke turer er reell formfremgang eller tre heldige dager på topplisten, eller om en tung torsdagstur hadde noe med søvnen onsdag natt å gjøre. Hvert av disse spørsmålene krever at du blar tilbake gjennom enkeltturer og sammenligner selv.

Når rideturene dine er koblet til Wellness Project, kan du i stedet stille spørsmålet direkte til en AI-trener. Claude eller ChatGPT kan resonnere over uker eller måneder med effekt, kadens og motstand i ett svar, på samme måte som en trener som går gjennom treningsloggen din ville gjort, og den kan gjøre det uten at du eksporterer noe eller lager et diagram for hånd. Peloton-appen er bygget for å vise deg én ridetur. En AI-trener er bygget for å fortelle deg hva den rideturen, og de tjue før den, faktisk betyr.

Når Peloton er koblet til, er dette den typen spørsmål du kan skrive rett inn i Claude eller ChatGPT. Ingen av dem krever noe oppsett utover den innledende tilkoblingen.

"Stiger gjennomsnittlig effekt denne måneden?" gir en reell trend, for eksempel at gjennomsnittlig total output per 45-minutters tur er opp 8 % de siste fire ukene, ikke bare ja eller nei. "Presser jeg motstand, eller bare kadens?" skiller de to tallene som utgjør output og forteller hvilket som faktisk driver fremgangen, et skille Pelotons outputgraf aldri gjør for deg. "Hvilke typer turer gir høyest puls?" sammenligner loggførte sykkelturer etter økttype og gir et rangert svar, power zone-turer mot klatringer mot intervaller.

"Hvordan sammenlignes tirsdagens power zone-tur med for fire uker siden?" henter de to konkrete turene og viser endringen i output, gjennomsnittspuls og motstand side om side, den typen uke-til-uke-sammenligning som ellers krever at du åpner to separate turoppsummeringer og regner selv. "Bør jeg legge til en restitusjonstur denne uken?" veier den nylige output-trenden mot loggførte søvn- og restitusjonsdata og gir en konkret anbefaling, ikke en generell påminnelse om å hvile.

Et godt svar er alltid konkret: ekte tall hentet fra de loggførte turene, en tydelig trendretning og vanligvis et konkret forslag til neste tur, i stedet for en standardlinje om at konsistens er viktig.

Effekt, kadens og motstand er ikke tre urelaterte tall; sammen forteller de en historie, og en AI-coach som leser dem på tvers av sykkeløkter kan fange det én enkelt øktoppsummering ikke ser. Økende effekt ved stabil puls er et tydelig signal om bedre form: du produserer mer arbeid til samme kardiovaskulære kostnad. Hvis kadensen øker mens motstanden står stille, tyder det derimot ofte på et platå; du tråkker raskere uten faktisk å presse hardere, og effekttallene kan se stabile ut selv om det reelle treningsstimulus gradvis faller.

Pulsdrift sent i lengre sykkeløkter, der pulsen gradvis stiger selv om effekt og kadens holder seg stabile, er et tretthetssignal som bør markeres, ikke ignoreres. Coach Jamie Reyes og coachene med fokus på utholdenhet og restitusjon kan oppdage disse mønstrene automatisk i sykkelhistorikken og gjøre dem om til et konkret valg: kjør en hardere power zone-økt denne uken fordi både effekt og pulsrespons viser rom for fremgang, eller velg en restitusjonsøkt i sone 2 fordi de siste tre turene viser drift og den loggede søvnen har vært kort. Den samme logikken gjelder på dager du ikke sykler; en AI-coach som ser sykkeløktene dine kan også se styrkeloggen og markere når tunge beindager går utover sykkelprestasjonen, den typen planleggingskonflikt en styrketreningsplan bygget sammen med sykkelturene dine kan avklare.

Fordi Peloton videresendes gjennom Apple Health eller Google Health Connect, ligger sykkeldataene dine i samme tidslinje som HRV, søvn og hvilepuls hentet inn fra Oura, Fitbit, eller Apple Watch. Den ene tidslinjen er det som i det hele tatt gjør et sammensatt spørsmål mulig: "Ble den svake torsdagsturen forklart av kort søvn onsdag natt?" henter både sykkeldataene og søvnloggen for samme 24-timersvindu og gir et direkte svar, for eksempel fire og en halv times søvn mot vanlige sju, og output 12 % under det glidende gjennomsnittet for denne turtypen.

En enkeltapp-visning kan ikke svare på det spørsmålet i det hele tatt. Peloton-appen aner ikke hva klokken var da du sovnet, og en søvnsporende app aner ikke hva effekten din var på torsdagens tur. Fordi begge tallene allerede lever i den samme Wellness Project-historikken, trenger ikke KI-en å bli fortalt at koblingen finnes, den kan finne den selv i det øyeblikket du spør.