Un 54 % de los entrenadores dice que su mayor miedo con la IA son las recomendaciones inexactas o inseguras. Es el segundo temor más votado del sector, por delante de quedarse atrás.
Y hacen bien en tenerlo.
Vendemos software con IA para entrenadores, así que lo lógico sería que este artículo dijera que eso no pasa. Pasa. Y precisamente porque llevamos tiempo mirando planes generados, sabemos por dónde se rompen y qué señales los delatan sin que tengas que recalcular nada.
Esto no es una lista de miedos abstractos. Son siete fallos concretos, con la comprobación que los caza en cada caso.
1 y 2. Los números que están mal por cien
Los dos fallos más frecuentes no son errores de criterio, son errores de unidad. Y tienen una propiedad que juega a tu favor: cuando fallan, fallan a lo grande.
Cuando el número está mal, lo está por cien
Los fallos de unidad no producen desviaciones pequeñas. Producen disparates, y esa es la buena noticia: se ven a simple vista si sabes qué mirar.
Dividido de más
La unidad no eran gramos
1 taza de avena
Pasa cuando el alimento se mide en tazas, unidades o rebanadas pero el cálculo lo trata como si el número fueran gramos. El resultado se queda dividido entre cien.
Cómo se caza: El día entero te suma 40 kcal. No hace falta revisar comida por comida: si el total diario no daría ni para un desayuno, la unidad está mal en alguna parte.
Multiplicado de más
Falta dividir entre cien
150 g de patata cruda
El valor por cada 100 g se aplica como si fuera el valor total del alimento. Una guarnición acaba pesando lo que come una persona en diez días.
Cómo se caza: Una sola comida se te va por encima de 1.500 kcal sin que lleve nada raro. Ordena las opciones de mayor a menor calorías y el error salta el primero.
Ninguno de los dos exige que recalcules nada. Los dos se cazan mirando el total del día y la comida más calórica, en veinte segundos, antes de darle a enviar.
Un plan con una desviación del 8 % es difícil de detectar a ojo. Un plan donde el desayuno son 3,7 calorías salta solo. Por eso estos dos, que suenan a los más graves, son en realidad los más manejables: veinte segundos mirando el total del día y la comida más calórica y los tienes.
3. El alimento "libre" que sí alimenta
Marcar un alimento como libre o a gusto es una función útil y correcta. La lechuga, el vinagre, las especias, el limón: computan cero y así debe ser, porque obligar a pesar la lechuga es la mejor forma de que alguien abandone un plan.
El problema aparece cuando lo que queda marcado como libre es la fuente principal de proteína o de grasa de esa comida. Un salmón a gusto son cuatrocientas calorías reales que el cliente se come y que el plan no cuenta.
El día cuadra en la pantalla y no cuadra en su cuerpo.
Y cuando pasan seis semanas sin resultados, la conclusión fácil es que el cliente no cumple, cuando el que no cuadraba era el plan. De eso va, por cierto, por qué tu cliente no sigue la dieta.
Cómo se caza: filtra los alimentos marcados como libres y mira si alguno es carne, pescado, huevo, lácteo, aceite o fruto seco. Si aparece uno, tienes un agujero.
4. El cambio que cuadra en calorías y te vacía la proteína
Este es el peor de los siete, porque es el único que pasa cualquier revisión rápida.
El cambio que cuadra en calorías y te vacía la proteína
Misma comida, un alimento sustituido por otro equivalente en calorías. Mira las cuatro filas y busca la que se ha movido.
Por qué se cuela: cualquier validación que compruebe solo las calorías da esta comida por buena. Y lo es, en calorías. Repetido en las cinco comidas del día, tu cliente en definición se queda sin la proteína que sostiene su masa muscular, comiendo exactamente lo que le pusiste.
La regla: un alimento no es equivalente porque coincidan las calorías. Lo es cuando coinciden las calorías y los macros que te importan en ese plan.
Y no es un caso raro. Cada vez que un sistema ofrece alternativas a un alimento, tiene que decidir qué significa "equivalente". Si esa decisión se toma solo con las calorías, el resultado es el de arriba: una comida perfecta en el número que miras y coja en el que le importa a tu cliente.
Multiplícalo por las cinco comidas de un plan de definición y tienes a alguien comiendo exactamente lo que le pusiste, perdiendo masa muscular, sin que ni él ni tú entendáis por qué.
Cómo se caza: cuando revises un plan generado o un cambio propuesto, mira la proteína del día, no las calorías del día. Las calorías te dicen si va a adelgazar. La proteína te dice si va a adelgazar bien. Y si el problema es que las fuentes de proteína se le van de presupuesto, ahí están los alimentos con más proteína por euro.
5. El ejercicio que no existe
En rutinas el fallo cambia de forma. La IA generalista no inventa números, inventa nombres.
Te propone un ejercicio con un nombre que suena perfectamente plausible y que no corresponde a nada. O te propone uno real, pero en una máquina que el gimnasio de tu cliente no tiene. O mezcla dos movimientos distintos en un nombre compuesto que nadie ha hecho nunca.
Para el cliente eso es un problema serio: se planta delante de una línea de su rutina que no sabe ejecutar, y lo que hace no es preguntarte. Lo que hace es saltársela, o improvisar algo parecido con la técnica que se le ocurra.
Cómo se caza: de raíz, no revisando. Si la IA solo puede elegir entre los ejercicios de tu propia biblioteca, no hay nada que inventar. Es la diferencia entre una IA que escribe sobre fitness y una que trabaja con tu material, y está explicada en detalle en la guía de IA para entrenadores.
6. El alérgeno que vuelve por la puerta de atrás
Este merece mención aparte porque es el único de la lista con consecuencias sanitarias.
Un plan puede respetar perfectamente la alergia declarada de un cliente y aun así meterle el alérgeno en la sustitución. El alimento original estaba bien filtrado; el sustituto que se le ofrece a cambio, no. La comprobación se hizo una vez, al generar, y no se volvió a hacer cuando el plan cambió.
Cómo se caza: exige que la comprobación de alérgenos se aplique también a los cambios, no solo al plan original. Y ante la duda con un cliente con alergia declarada, revisa tú la sustitución antes de que la vea.
7. La cifra dicha con aplomo
El último es el más difícil, y no tiene truco.
Una IA generalista te dirá que un alimento tiene 23 gramos de proteína por cada cien con exactamente el mismo tono con el que te dice algo verificado. No hay titubeo, no hay matiz, no hay "creo que". La confianza del texto no guarda ninguna relación con la fiabilidad del dato.
Es lo que hace que estos errores lleguen al cliente: no es que sean difíciles de ver, es que no parecen errores.
Cómo se caza: que los datos no los ponga la IA. Si los valores nutricionales salen de una base de alimentos verificada y la IA solo decide cómo combinarlos, no hay cifra que inventar. La IA elige, la base cuenta.
La regla que resume las siete
Las siete comprobaciones caben en una sola idea, y no es "revisa más".
La IA propone, tú firmas.
Lo que no debería existir es un camino por el que un plan generado llegue al cliente sin pasar por tus ojos. No porque la IA sea mala, sino porque tú eres el profesional y la responsabilidad es tuya, la haya escrito quien la haya escrito.
Por eso en TotalGains la generación termina siempre en una pantalla de revisión donde el sistema te marca sus propios avisos antes de guardar nada, y por eso la IA trabaja con tus ejercicios y tus alimentos en lugar de con todos los que existen. No es una limitación del producto: es la limitación que hace que se pueda usar.
Si vas a incorporarla esta temporada, ese es el filtro con el que elegir herramienta. No preguntes qué sabe hacer la IA. Pregunta qué pasa entre que la IA termina y el cliente lo recibe. Si la respuesta es "nada", tienes un problema esperándote.
Preguntas frecuentes
¿Se equivoca la IA al generar rutinas y dietas?
Sí, y los fallos más frecuentes son de magnitud, no de matiz: unidades confundidas que dividen o multiplican por cien, alimentos dados por libres que sí aportan calorías, ejercicios inexistentes y sustituciones que cuadran en calorías pero no en macros.
¿Cómo lo reviso sin recalcular el plan entero?
Tres comprobaciones en menos de un minuto: el total de calorías del día, la comida más calórica del plan, y la proteína total. Con esas tres cazas cinco de los siete errores.
¿Qué es una alucinación aplicada al fitness?
Que el sistema afirme con total seguridad algo sin base: un ejercicio que no existe, una cifra inventada, una recomendación presentada como consenso. Lo peligroso no es el error, es que suena igual que un acierto.
¿Puede saltarse una alergia?
En las sustituciones, sí. El plan original puede estar bien filtrado y el sustituto reintroducir el alérgeno. La comprobación tiene que cubrir también los cambios.
¿Entonces mejor no usar IA?
El 91 % de los entrenadores ya la usa. La pregunta útil no es si usarla, es qué hay entre la IA y tu cliente. Si no hay nada, el problema no es la IA.
Sobre el autor
Germán Martínez Calvente es fundador y desarrollador de TotalGains, la plataforma en español para entrenadores personales y nutricionistas online.
- 📍 La Zubia, Granada, España
- 🔗 Sobre nosotros
- 📸 Instagram @totalgainsfitness
¿Quieres una IA que solo pueda elegir entre tus ejercicios y tus alimentos, y que no envíe nada sin tu visto bueno? Puedes empezar gratis con 5 atletas, de por vida y sin tarjeta, con todas las funciones incluidas.
Artículos relacionados que te pueden interesar
- 🤖 IA para entrenadores personales: Las 7 funciones reales y por qué la IA no sustituye al entrenador, con los datos de adopción del sector
- 🥗 Tu cliente no sigue la dieta: Cuando el plan no cuadra, la culpa se le echa al cliente
- 🍽️ Cómo crear planes nutricionales: El proceso completo, de los macros a las plantillas
- 📅 Septiembre es tu Enero: Si vas a cambiar de herramienta antes de la temporada, el momento es ahora