Analysera Peloton-data med AI: vad du kan fråga och vad du får tillbaka

Den inbyggda Peloton-appen ger dig redan mycket per pass: en effektgraf, en topplistplacering, en löpande PR-lista, och en prydlig sammanfattningsskärm i det ögonblick du klipper ur. Vad den inte ger dig är resonemang. Den kan inte berätta, i en mening, om din genomsnittliga effekt faktiskt har stigit den senaste månaden, om en svit av starka pass är en verklig konditionsvinst eller tre lyckade dagar på topplistan, eller om ett dåligt pass på torsdagen hade något att göra med hur du sov onsdag natt. Var och en av dessa frågor kräver att du scrollar tillbaka genom enskilda pass och gör jämförelsen själv.

När dina cykelpass väl är anslutna till Wellness Project kan du i stället fråga en AI-coach frågan direkt. Claude eller ChatGPT kan resonera över veckor eller månader av effekt, kadens och motstånd i ett enda svar, på samma sätt som en coach som granskar din träningslogg skulle göra, och det kan göra det utan att du exporterar något eller bygger ett diagram för hand. Peloton-appen är byggd för att visa dig ett cykelpass. En AI-coach är byggd för att berätta vad passet, och de tjugo innan det, faktiskt betyder.

När Peloton väl är anslutet är det här den typen av frågor du kan skriva rakt in i Claude eller ChatGPT. Ingen av dem kräver någon ytterligare konfiguration utöver den ursprungliga anslutningen.

"Ökar min genomsnittliga output den här månaden?" returnerar en verklig trend, till exempel att din genomsnittliga totala uteffekt per 45-minuters cykelpass har ökat med 8 % under de senaste fyra veckorna, inte bara ett ja eller nej. "Ökar jag motståndet eller bara kadensen?" delar upp de två siffror som bygger upp effekten och berättar vilken av dem som faktiskt driver dina framsteg, en distinktion som Pelotons effektgraf aldrig separerar åt dig. "Vilka typer av cykelpass ger mig högst puls?" jämför dina loggade cykelturer efter klasstyp och ger ett rangordnat svar: kraftzonspass mot backar mot intervaller.

"Hur står sig mitt Power Zone-pass på tisdag mot passet för fyra veckor sedan?" hämtar de två specifika cykelturerna och visar skillnaden i uteffekt, snittpuls och motstånd sida vid sida, den typ av vecka-för-vecka-jämförelse som normalt innebär att man öppnar två separata sammanfattningar och räknar själv. "Bör jag lägga till ett återhämtningspass på cykel den här veckan?" väger din senaste utvecklingstrend mot dina loggade sömn- och återhämtningsdata och ger en konkret rekommendation, inte en allmän påminnelse om att vila.

Formen på ett bra svar är alltid specifik: riktiga siffror hämtade från dina loggade cykelturer, en angiven trendriktning, och oftast ett konkret förslag för din nästa tur, snarare än en standardfras om att konsekvens är viktigt.

Effekt, kadens och motstånd är inte tre orelaterade siffror, de berättar en historia tillsammans, och en AI-coach som läser dem över flera cykelpass kan upptäcka det en enskild passammanfattning inte kan. Stigande effekt vid stabil puls är en enkel signal på att din kondition förbättras, du producerar mer arbete för samma kardiovaskulära kostnad. Stigande kadens medan motståndet ligger still betyder däremot oftast en platå, du trampar snabbare utan att faktiskt anstränga dig mer, och effektsiffrorna kan se stabila ut även när den verkliga träningsstimulansen sjunker i tysthet.

Pulsdrift sent i längre cykelpass, där pulsen smyger uppåt trots att output och kadens ligger stabilt, är en trötthetssignal värd att flagga i stället för att ignorera. Coach Jamie Reyes och coacherna med fokus på uthållighet och återhämtning kan automatiskt hitta dessa mönster över din cykelhistorik och översätta dem till ett konkret beslut: pressa ett power zone-pass den här veckan eftersom både output och pulsrespons visar utrymme att växa, eller lägg in ett Zone 2-återhämtningspass eftersom de senaste tre passen visar drift och din loggade sömn varit kort. Samma resonemang gäller dagarna du inte sitter på cykeln; en AI-coach som ser dina cykelturer kan också se din styrkelogg och flagga när tunga bendagar äter upp din cykeloutput, den typ av schemakonflikt som en styrketräningsprogram byggd vid sidan av dina cykelturer kan lösa.

Eftersom Peloton vidarebefordrar via Apple Health eller Google Health Connect, ligger dina cykeldata på samma tidslinje som HRV, sömn och vilopuls som hämtas in från Oura, Fitbit, eller Apple Watch. Den enda gemensamma tidslinjen är det som över huvud taget gör en sammansatt fråga möjlig: "Förklarades min låga output på torsdagens cykelpass av kort sömn onsdag natt?" hämtar både dina cykeldata och din sömnlogg för samma 24-timmarsfönster och ger dig ett rakt svar, till exempel fyra och en halv timmes sömn mot dina vanliga sju, med en uteffekt som ligger 12 % under ditt rullande genomsnitt för den cykeltypen.

En vy i en enda app kan inte svara på den frågan alls. Peloton-appen vet inte när du somnade, och en sömnapp vet inte vilken output du hade på torsdagens cykelpass. Eftersom båda siffrorna redan finns i samma Wellness Project-historik behöver AI:n inte få veta att kopplingen finns, den kan hitta den själv så fort du frågar.