Als producent ontkom je tegenwoordig niet aan een van deze twee ingrediënten: proteïne of AI. Staat het niet op de verpakking, dan tel je blijkbaar niet meer mee. Te pas en te onpas kom je beide kreten tegen.
Soms zit AI ergens verstopt zonder dat er heel hard over wordt geroepen. Zo ontdekte ik onlangs min of meer per ongeluk dat de trainingsapp Stryd tegenwoordig na een training een AI-analyse geeft. Overigens alleen beschikbaar in de app, niet op de desktop.
Dat trok mijn aandacht, want normaal gesproken laat ik mijn trainingen analyseren door een eigengebouwde AI Coach. Die gebruikt naar wens via een API ChatGPT, Claude of welke AI dan ook. Zo krijg ik mijn Stryd trainingsdata voorgeschoteld om te vertellen wat er daadwerkelijk tijdens een training is gebeurd.
Maar als Stryd het zelf ook kan, wordt het wat mij betreft echt interessant.
Want wat gebeurt er als je exact dezelfde training door verschillende AI’s laat beoordelen? Zien ze hetzelfde? Trekken ze dezelfde conclusies? En misschien nog interessanter: wat gebeurt er als je vervolgens een echte hardlooptrainer naar diezelfde training laat kijken?
Dat leek me dus een leuke test. Ik legde één training langs vier meetlatten: mijn eigen AI Coach op basis van ChatGPT, Claude, de AI-analyse van Stryd en, als vertegenwoordiger van de ouderwetse menselijke intelligentie, hardlooptrainer Klaas Boomsma.
Het uitgangspunt was niet om een winnaar aan te wijzen. Daarvoor is één training natuurlijk sowieso veel te weinig. Ik wilde vooral weten: waar helpt welke analyse mij eigenlijk mee?
De training
De training was eentje uit de Stryd-bibliotheek: een HM Power Tempo. Na de warming-up zaten er twee korte blokken van één minuut in, gevolgd door twee keer twaalf minuten op 91-96% van mijn Critical Power, met drie minuten herstel.
Nu was er één probleempje. Mijn CP stond in Stryd op dat moment veel te laag. Die CP, of Critical Power, is het vermogen in Watts dat je in staat bent om een uur lang te lopen. Daarmee is het een mooi richtgetal voor je trainingen. Echter, die CP-waarde moet je per 3 maanden ‘toetsen’ aan de hand van een test. Zo blijft die waarde reëel en bruikbaar als uitgangspunt voor je trainingen.
Door vakantie en het ontbreken van een recente test was deze inmiddels gedaald van 333 watt naar 285 watt. Zelf schatte ik mijn werkelijke CP op ongeveer 310 watt. Dat verschil is behoorlijk relevant als je training volledig op percentages van CP wordt aangestuurd.
De twee twaalfminutenblokken liep ik uiteindelijk rond 305 en 306 watt. Op basis van een CP van 282 watt is dat ongeveer 108% van CP. Uitgaande van 310 watt is het ongeveer 98-99%.
Het eerste zou van deze training een behoorlijk stevige inspanning boven de drempel maken. Het tweede past vrijwel precies bij het karakter van de training.
En toen mochten de vier coaches er iets van vinden.
ChatGPT: volgens mij klopt je CP niet
Mijn eigen AI Coach keek niet alleen naar het gemiddelde vermogen. Hij combineerde vermogen met hartslag, cadans, grondcontacttijd en verticale beweging.
En daar kwam iets interessants uit.
In het tweede blok liep ik iets harder dan in het eerste. Tegelijkertijd ging mijn cadans iets omhoog, daalde mijn grondcontacttijd en bleef mijn verticale beweging vrijwel gelijk. Met andere woorden: ondanks dat ik al een flink deel van de training achter de rug had, viel mijn looptechniek niet uit elkaar.
Vervolgens legde de AI dat naast mijn ingestelde CP. De conclusie was behoorlijk stellig: 282 watt klopt waarschijnlijk niet.
Als die CP correct was geweest, had ik 24 minuten rond 108% van CP gelopen, met slechts drie minuten herstel tussen beide blokken. Dat past volgens de analyse niet bij het gecontroleerde verloop van de training en al helemaal niet bij het feit dat het tweede blok technisch minstens zo goed was als het eerste.
Met een CP van 310 watt zou het dan veel meer kloppen: 305 watt is 98,4% en 306 watt 98,8%.
Mijn AI Coach gebruikte de training dus vooral om een andere vraag te beantwoorden: wat zegt deze training over mijn huidige belastbaarheid? Interessant. Maar dat was niet noodzakelijk de bedoeling van de training. Maar wel als uitgangspunt voor de wedstrijd die ik dat weekeinde zou lopen.
Claude: er zit iets raars in je data
Claude pakte het anders aan. Die dook vooral de ruwe data in en ontdekte een inconsistentie.
De twee korte minuten waren bedoeld als relatief stevige inspanningen op 97-103% van CP. De twaalfminutenblokken moesten juist iets rustiger, op 91-96%. Maar in werkelijkheid liep ik de zogenaamd rustige blokken harder dan de korte pieken.
En dat klopte volgens Claude (terecht) niet helemaal.
Claude zag bovendien dat het vermogen gedurende beide lange blokken niet terugliep, maar eerder iets opliep. Ook de hartslag bleef volgens de analyse relatief gecontroleerd.
Daaruit kwamen twee mogelijke verklaringen. Misschien liep ik die minuten simpelweg niet hard genoeg. En misschien stond mijn CP inderdaad te laag. Waarschijnlijk speelde allebei een rol. De conclusie leek daarmee behoorlijk op die van ChatGPT: 285 watt is vermoedelijk een onderschatting en mijn werkelijke CP ligt hoger.
Maar Claude kwam daar via een andere route. Niet zozeer: “hoe goed verteer je deze belasting?”, maar eerder: klopt wat ik in de data zie logisch met wat er volgens het trainingsschema had moeten gebeuren?
Stryd: leuk dat je het kunt, maar dit was niet de bedoeling
En toen Stryd zelf. Dat was een iets kortere conclusie. Een op het eerste gezicht ietwat summiere feedback op de training.
Stryd constateerde dat ik al het geplande werk had uitgevoerd en dat mijn vermogen gedurende de training niet terugliep. Tot zover de complimenten. Maar daarna volgde direct de tik op de vingers.
De belangrijkste tempoblokken gingen rond de 305 watt, terwijl Stryd op basis van de ingestelde CP een doelbereik van 268-283 watt voorschreef. Ik had dus veel harder gelopen dan de opdracht.
De strekking van het advies: als een training makkelijk voelt, betekent dat niet automatisch dat je harder moet gaan. Houd het tempo gecontroleerd en maak van de training niet iets anders dan gepland.
En daar ontstaat iets grappigs als je kijkt naar de verschillen qua analyses.
Mijn eigen AI Coach ziet 305 watt en denkt ongeveer:
Interessant. Als John dit zo gecontroleerd kan lopen, is zijn CP waarschijnlijk hoger.
Stryd ziet exact diezelfde 305 watt en zegt:
John, je moest 268-283 lopen.
Geen van beide hoeft ongelijk te hebben. Ze beantwoorden gewoon een andere vraag. Voor mij persoonlijk zou het wel hebben geholpen om er, al dan niet tijdelijk, voor te kiezen om mijn CP waarde handmatig te verhogen. Al zou Stryd dit zelf na een CP test zelf direct ook hebben aangepast.
Strava’s Athlete Intelligence
Ook Strava heeft inmiddels AI aan boord. Met Athlete Intelligence analyseert het platform een activiteit en probeert het die vooral in de context van je eerdere trainingen te plaatsen.
Bij dezelfde training constateert Strava dat ik een sterke intervalsessie heb gelopen. Mijn gemiddelde tempo lag met 5:34/km duidelijk hoger dan mijn gemiddelde van de afgelopen dertig dagen (5:57/km), de inspanning was met 144 relatief hoog en ik
bracht meer tijd door in de hogere hartslagzones. Ook weet Strava dat dit de veertiende keer was dat ik deze route liep en dat ik inmiddels drie dagen achter elkaar actief was.
Allemaal correct. Maar tegelijkertijd valt op wat Strava niet ziet. Nergens komt de vraag voorbij of ik die twee minuten hard genoeg liep, waarom ik aan het einde van de twaalfminutenblokken versnelde of dat mijn ingestelde CP misschien niet meer
klopt.
En dat is eigenlijk logisch. Strava kent mijn historie, maar niet de bedoeling achter deze specifieke training zoals Stryd en Klaas Boomsma die kennen. Het kijkt vooral achterom: hoe verhoudt wat je vandaag hebt gedaan zich tot wat je normaal doet?
Overigens is het wel mogelijk om een doel te stellen binnen strava. Op basis daarvan krijg je dan gerichte feedback op je trainingen. Om het mooi te verwoorden: het is meer een contextuele nabeschouwing.
En dan de trainer van vlees en bloed
Tot slot stuurde ik de training naar hardlooptrainer Klaas Boomsma. Geen algoritme, geen API en geen eindeloze bak data, maar gewoon een trainer die vooral kijkt naar wat je loopt, waarom je het loopt en wat je ermee probeert te bereiken. Zijn eerste constatering:
De 2 x 1 minuut hadden wat pittiger gemogen. Die waren immers bedoeld om even boven mijn halvemarathonvermogen te lopen, terwijl ik ze uiteindelijk op ongeveer hetzelfde of zelfs een lager vermogen liep dan de lange blokken. En hij zag dat ik de laatste minuten van de twaalfminutenblokken juist te hard liep. Boven die 310 watt dus.
Goed gezien en terecht opgemerkt. En Klaas kennende: Niet omdat ik het niet aankon. Juist omdat ik het kennelijk wél aankon en daardoor de neiging kreeg om van een gecontroleerde training alsnog een kleine wedstrijd te maken. En daar komt de adviserende, verzorgende en sturende rol van de menselijke coach om de hoek kijken. Klaas vatte het uiteindelijk heel eenvoudig samen: loop hard waar het hard mag en gecontroleerd waar dat de opdracht is.
Ze hebben allemaal gelijk
Ik begon dit experiment met de gedachte dat ik verschillende analyses van dezelfde training zou vergelijken.
Maar het interessantste resultaat is juist dat er eigenlijk geen echte winnaar is. Ze kijken namelijk naar verschillende dingen. En dat is wat mij betreft minstens zo waardevol.
Mijn AI Coach probeert uit alle beschikbare gegevens af te leiden wat deze prestatie zegt over mijn lichaam en huidige niveau.
Claude is sterk in het uitpluizen van de data en vraagt eigenlijk: zijn deze cijfers onderling logisch en wat kunnen we daaruit afleiden?
Stryd beoordeelt mijn uitvoering nadrukkelijk binnen de context van het voorgeschreven trainingsmodel: heb je gedaan wat deze workout van je vroeg?
En Klaas kijkt als trainer naar iets wat daar nog boven hangt: waarom stond deze training überhaupt op het programma en welk trainingsdoel probeerden we ermee te bereiken?
Dat verschil lijkt klein, maar is essentieel.
Kunnen is niet hetzelfde als moeten
Stel dat ik alleen naar de analyse van mijn eigen AI Coach had gekeken. Dan was de conclusie vooral geweest dat 282 watt als CP onwaarschijnlijk laag was. Misschien zelfs dat 310 watt nog aan de voorzichtige kant was. Da’s best lekker voor het ego. Maar Klaas stelt een veel belangrijkere trainingsvraag: So what?
Dat ik aan het einde van zo’n blok nog boven de 310 watt kán lopen, betekent niet dat ik dat tijdens deze training ook móét doen. Sterker nog: misschien maakt het de training juist minder goed.
AI kan ontzettend goed worden in het herkennen van patronen. Geef het voldoende trainingsdata en het kan verbanden leggen tussen vermogen, hartslag, cadans, grondcontacttijd, vermoeidheid en tientallen andere variabelen. Het kan afwijkingen vinden die je zelf gemakkelijk over het hoofd ziet en hypotheses formuleren die behoorlijk overtuigend kunnen zijn.
Maar een trainingsschema bestaat niet uit een verzameling losse prestaties die iedere keer maximaal geoptimaliseerd moeten worden. Elke training binnen het schema heeft als doel om bij te dragen aan het geheel. En morgen staat er weer één.
Dus: AI of een echte trainer?
Wat mij betreft is dat de verkeerde vraag. Na deze ene training zie ik vooral een gemene deler. Alle analyses herkennen dat de verhouding tussen mijn ingestelde CP, de voorgeschreven zones en het daadwerkelijk gelopen vermogen niet helemaal klopt. Ook zien ze allemaal, ieder op hun eigen manier, dat de intensiteit binnen de training anders verdeeld had kunnen worden.
Daarmee is AI voor mij geen vervanging van een trainer, maar wel een behoorlijk interessant extra stuk gereedschap.
Wil ik weten wat er diep in mijn trainingsdata gebeurde? Dan kan een AI-analyse enorm veel toevoegen.
Wil ik controleren of aannames zoals mijn CP nog logisch zijn? Ook daar blijkt AI uitstekend in mee te kunnen denken.
Wil ik weten of ik een voorgeschreven Stryd-training netjes heb uitgevoerd? Dan heeft Stryd zelf een belangrijk voordeel: het kent zijn eigen trainingsmodel en de doelen die daarbij horen.
Maar wil ik weten waarom ik vandaag juist níét harder had moeten lopen terwijl ik dat gemakkelijk kon?
Dan blijkt die menselijke trainer nog altijd verdraaid nuttig. Misschien is dat voorlopig wel de beste manier om AI bij je training te gebruiken: niet als digitale coach die altijd het laatste woord heeft, maar als een extra paar ogen. Of in mijn geval drie paar.
En als die drie AI’s vervolgens enthousiast vertellen hoe goed je tweede blok eruitziet, is het misschien alsnog verstandig om even naar Klaas te luisteren als hij zegt:
“Mooi. Maar dat was de opdracht niet.”
Het uiteindelijke resultaat
Afgelopen zaterdag stond er een mooie praktijktest op het programma: de 5 kilometer van de Dijkhuizerloop in Ruinerwold. Stryd voorspelde op basis van mijn toenmalige CP een eindtijd van ongeveer 24 minuten. Zelf had ik een ander doel. Ik wilde vooral eens flink aan die CP-boom schudden. Die 282 watt geloofde ik inmiddels ook niet meer en ergens rond de 310 watt leek me een stuk realistischer.
Na de start voelde het eigenlijk verrassend gemakkelijk. Geen gevecht om iedere seconde, geen totale uitputtingsslag richting de finish. Ik liep gecontroleerd door en kwam na 21:46 over de streep.
En mijn CP? Die sprong naar 323 watt. Daarmee kregen ChatGPT en Claude dus gelijk in hun belangrijkste constatering: de CP waarop Stryd mijn trainingen baseerde, was op dat moment een flinke onderschatting van wat ik daadwerkelijk kon. Mijn gevoel zei dat al, maar de analyse van de trainingsdata wees nadrukkelijk dezelfde kant op. Een paar dagen later bevestigde de race het.
En misschien is dát wel de mooiste conclusie van dit hele experiment. AI vertelde me op basis van de data dat ik harder kon. Stryd vertelde me dat ik tijdens die bewuste training niet harder hoefde. En Klaas vertelde me dat harder kunnen nog niet betekent dat harder lopen de training beter maakt.
Data kan je gevoel bevestigen, AI kan helpen het te verklaren, maar uiteindelijk moet je nog steeds weten waarvoor je aan het trainen bent.
En vooruit: 323 watt. Daar mag de AI dan best even kudos voor geven!
