Wat kan AI doen met je Fitbit-gegevens?

Wellness Project synchroniseert Fitbit-gegevens rechtstreeks, zonder doorvoer via een derde partij. Dat betekent dat stappen, rusthartslag, hartslagzones en Active Zone Minutes en slaapfasen en -duur in je account verschijnen zodra Fitbit ze rapporteert. Als je apparaat SpO2 volgt, synchroniseert dat ook. Dit is dezelfde koppeling die wordt behandeld in de Installatiegids Fitbit naar Claude, een OAuth-koppeling, geen handmatige CSV-export die je steeds opnieuw moet onthouden.

Wat bepaalt wat AI je daadwerkelijk kan vertellen is waar die gegevens terechtkomen na synchronisatie. Ze blijven niet in een Fitbit-silo. Ze komen in dezelfde geschiedenis als de trainingen, maaltijden en het lichaamsgewicht dat je zelf logt. Wanneer Claude of ChatGPT je Fitbit-cijfers leest, redeneert het dus over één gecombineerde tijdlijn, niet over een Fitbit-export naast een los trainingslog dat je zelf mentaal moet koppelen.

Dat gecombineerde beeld maakt van een rauw getal een antwoord. Fitbits eigen app kan vertellen dat je rusthartslag vanochtend 58 was. Hij kan niet vertellen dat 58 vier slagen boven je gebruikelijke bereik ligt in dezelfde week waarin je drie zware beensessies logde, omdat hij niet weet dat die sessies plaatsvonden. Claude en ChatGPT weten dat wel, omdat beide in hetzelfde account werken.

Splits je je data over apparaten, bijvoorbeeld een Fitbit voor dagelijks gebruik en een iPhone voor de rest van je gezondheidsdata, dan geldt dezelfde aanpak van een gecombineerde tijdlijn. Zie wat AI met Apple Health-gegevens kan doen voor hoe die combinatie werkt.

De snelste manier om het verschil te zien is iets specifieks te vragen. Elk hiervan is een prompt die je letterlijk kunt plakken zodra Fitbit is verbonden, samen met het soort antwoord dat je terugkrijgt.

"Hoe heeft mijn rusthartslag zich deze maand ontwikkeld?" geeft een trendanalyse, niet alleen een getal: de richting waarin het is veranderd, waar het ligt ten opzichte van je eigen baseline en of dat binnen een typisch bereik valt voor iemand die op jouw volume traint. "Heeft mijn slaap van vannacht de training van vandaag beïnvloed?" legt je gelogde slaapfasen naast de sessie die je daadwerkelijk hebt geregistreerd en antwoordt op basis van wat er gebeurde, bijvoorbeeld door te signaleren dat een nacht met minder dan vijf uur totale slaap samenviel met een lager setvolume dan je gemiddelde voor die lift.

"Haal ik mijn stappendoel op rustdagen?"vergelijkt je stappenaantallen specifiek met de dagen die je als rust hebt gelogd, een patroon dat Fitbits eigen dashboard niet kent omdat het niet weet welke dagen rustdagen waren. Zie hoeveel stappen per dag daadwerkelijk uitmaakt als je niet zeker weet wat je eigen doel zou moeten zijn. "Vergelijk mijn Active Zone Minutes van deze week met vorige week" geeft een week-op-weekverschil met een duidelijk oordeel, omhoog of omlaag en met hoeveel, in plaats van twee cijfers die je zelf moet aftrekken. "Wat is mijn gemiddelde slaaptekort over de afgelopen 14 dagen?" geeft je een lopend totaal ten opzichte van je gebruikelijke slaapbehoefte; zie wat slaapschuld daadwerkelijk betekent voor hoe dat getal wordt berekend.

Niets hiervan komt terug als een tabel die je moet interpreteren. Het komt terug als een zin of twee, conversationeel, met het oordeel al gegeven, want het hele punt van vragen in plaats van exporteren is dat de interpretatie al voor je is gedaan.

De oude werkwijze voor wie zijn Fitbit-gegevens echt wilde begrijpen was exporteren naar CSV, een spreadsheet openen en handmatig een draaitabel of grafiek bouwen, waarna nog steeds niet echt duidelijk was wat het betekende. Fitbit's eigen app toont getallen geïsoleerd: de rusthartslag van vandaag, de slaapscore van vannacht, het aantal stappen van deze week. Elk getal klopt, maar staat los van alles wat je verder doet.

De waarde zat nooit in het ruwe getal. Fitbit laat dat al zien. De waarde zit in het verband: rusthartslag tegenover de intensiteit van de training van de dag ervoor, slaap tegenover de training van de volgende ochtend, stappen tegenover de richting van je gewichtstrend. Zulke vergelijkingen handmatig in een spreadsheet bouwen is precies waarom CSV-exports voor de meeste mensen nooit een gewoonte werden: het is traag en de interpretatie blijft alsnog aan jou.

Een vraag stellen vervangt zowel de exportstap als de interpretatiestap. Je typt de vraag die je echt beantwoord wilt zien, en het antwoord houdt automatisch rekening met het verband, omdat de onderliggende gegevens al op één plek stonden voordat je het vroeg.

Zodra Fitbit data is gekoppeld, ligt het niet gewoon te wachten tot je het bevraagt. De AI coaches met een naam gebruiken het om daadwerkelijk hun aanbevelingen aan te passen. Jamie Reyes, die de trainingsprogrammering leidt, verlaagt de voorgestelde intensiteit voor de volgende sessie na een reeks slecht gelogde Fitbit slaap, dezelfde aanpassing die een oplettende coach zou maken als hij je slaapdata zelf kon zien. Diezelfde Fitbit geschiedenis, inclusief active zone minutes en de trend in hartslag in rust, voedt ook de programmering achter een AI-krachttrainingsplan, zodat het plan zich aanpast aan je werkelijke herstel in plaats van een vast schema.

Hetzelfde patroon geldt voor activiteit. Als je actieve zoneminuten een week lang ongemerkt dalen, hoef je dat niet zelf te ontdekken door terug te scrollen in Fitbit; het komt vanzelf naar voren in het lopende gesprek, gekoppeld aan wat het voor je training kan betekenen in plaats van gemeld als los cijfer.