He seguido mis entrenamientos en Excel durante una década. Fórmulas para cálculos de 1RM, formatos condicionales para puntos de volumen, macros para sobrecarga progresiva. Funcionó hasta que dejó de hacerlo. Excel no sabe cuándo estoy fatigado. No sugiere baja de peso 2.5kg porque dejé 3 RIR en la última serie cuando debería haber dejado 1. No aprende que prefiero poleas en lugar de barra para tríceps por dolor de codo. Así nació ARVO, una aplicación de entrenamiento potenciada con inteligencia artificial que coordina tres agentes especializados para tomar decisiones de coaching en tiempo real.
El problema: por qué las apps genéricas se quedan cortas. Las aplicaciones convencionales ofrecen programas prefabricados con progresiones simples tipo añadir peso al completar series. Para metodologías serias basadas en puntos de volumen y sobrecarga progresiva eso pierde la sutileza. Metodologías como la Kuba Method requieren reglas interconectadas: rangos de repeticiones distintos para fases de acumulación e intensificación, selección de ejercicios según puntos débiles y disponibilidad de equipo, cálculos de volumen dependientes de fase calórica, sustituciones por lesiones y aprendizaje de patrones biomecánicos. Excel puede hacer las cuentas, pero no adaptarse en tiempo real.
La solución: orquestación de 3 agentes. ARVO usa tres agentes IA que colaboran para entrenarte set a set.
Agente Arquitecto de Ejercicio - tarea: elegir ejercicios para cada sesión teniendo en cuenta puntos débiles del usuario, grupos musculares objetivo según el mesociclo, equipo disponible, historial reciente para evitar repeticiones, lesiones activas y preferencias biomecánicas y si se está en fase de volumen, corte o mantenimiento. El agente explica su razonamiento para que el usuario entienda por qué una prensa inclinado con mancuernas es mejor que un press con barra en ese momento.
Agente Navegador de Carga - tarea: sugerir peso y repeticiones para cada serie en función del rendimiento de la serie previa. Tras cada serie analiza peso usado frente a esperado, repeticiones logradas frente a objetivo, RIR reportado, estado mental y acumulación de fatiga. Entonces propone la siguiente carga con una explicación: subir si dejaste demasiadas repeticiones en reserva, mantener o bajar si estás fatigado.
Agente de Recalculo en Tiempo Real - tarea: adaptar el resto de la sesión cuando el rendimiento se desvía. Si vas por debajo del plan reduce volumen o intensidad para evitar volumen basura. Si sobrerindes considera añadir volumen si la recuperación lo permite. Si hay estancamiento sugiere cambios de ejercicio o esquemas de repeticiones. La prioridad es la calidad del entrenamiento y no seguir una plantilla a ciegas.
Stack tecnológico y por qué: Next.js 14 con App Router para orquestación servidor-cliente y experiencia móvil optimizada; OpenAI GPT-4 para razonamiento de calidad con llamadas de función para salidas estructuradas; Supabase para autenticación, base relacional y sincronización en tiempo real; TypeScript y Zod para validación estricta de respuestas de los modelos. Esta combinación permite que cada decisión de los agentes sea trazable, validada y explicada.
Motor de conocimiento paramétrico: ARVO no deja que la IA invente programas. Construimos un motor de conocimiento estructurado que codifica metodologías probadas (por ejemplo Kuba Method) en reglas paramétricas que los agentes consultan. Esto garantiza fidelidad metodológica y flexibilidad: el mismo sistema puede ejecutar enfoques de alto volumen o HIT de muy bajo volumen cambiando solo la configuración.
Desafíos resueltos: persistencia de estado para reanudar entrenamientos si el navegador cae mediante localStorage y sincronización periódica con Supabase; latencia sub 2s con UI optimista y streaming de respuestas para que las sugerencias aparezcan casi instantáneamente; UX móvil pensado para manos sudadas con Wake Lock, botones grandes y accesos rápidos; y manejo de alucinaciones IA con validaciones Zod, reglas de negocio y re-generaciones cuando una sugerencia excede rangos seguros.
Lecciones aprendidas: los modelos LLM son excelentes para razonamiento y explicaciones pero malos en precisión numérica absoluta, por eso se combinan con fórmulas y validaciones; el conocimiento estructurado supera a las soluciones basadas solo en prompts; la experiencia móvil web progresiva es muy viable para fitness; y la transparencia en las decisiones AI aumenta la confianza del usuario.
Sobre Q2BSTUDIO: somos una empresa de desarrollo de software y aplicaciones a medida especializada en soluciones empresariales, inteligencia artificial y ciberseguridad. Ofrecemos servicios integrales desde diseño y desarrollo de aplicaciones a medida y software a medida hasta despliegue en la nube y protección de infraestructuras. Podemos ayudar a transformar ideas como ARVO en productos robustos con servicios cloud aws y azure, integraciones con Power BI y soluciones de inteligencia artificial para empresas que incluyen agentes IA, pipelines de datos y automatización de procesos.
Servicios complementarios y posicionamiento: además de desarrollo de aplicaciones a medida trabajamos en ciberseguridad y pentesting para proteger modelos y datos sensibles, ofrecemos servicios inteligencia de negocio y power bi para visualización y análisis, y asesoramos sobre mejores prácticas en despliegue en servicios cloud aws y azure. Palabras clave que aplicamos en nuestras soluciones: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi.
Si te interesa profundizar en arquitectura de agentes, diseño del motor de conocimiento paramétrico, validación de salidas LLM o patrones mobile first con Next.js, en Q2BSTUDIO estamos listos para colaborar. Creamos soluciones a medida que combinan desarrollo, IA empresarial y seguridad para llevar tus productos al siguiente nivel.
Prueba ideas, pregúntanos y trabajemos juntos para llevar tu proyecto de IA desde el prototipo hasta la producción segura y escalable.
