Il futuro dell'IA nel coaching: agenti, MCP e allenatore

Un paio di anni fa, "coaching con l'IA" voleva dire soprattutto un chatbot che scriveva un piano generico di dodici settimane e si dimenticava di te appena chiudevi la scheda. Quello che è cambiato da allora non è che i modelli linguistici capiscano all'improvviso meglio l'allenamento. È che adesso possono agire: aprire il tuo calendario, leggere le attività del mese scorso e scrivere sedute nel piano che il tuo orologio scaricherà domattina. È quello che si chiama agente, e vale la pena ragionare con calma su cosa cambia per gli allenatori e cosa no.

Cos'è MCP, in breve

Il Model Context Protocol è uno standard aperto, presentato da Anthropic a novembre 2024, che permette a un client di IA come Claude o ChatGPT di chiamare strumenti esposti da un'altra applicazione. Una piattaforma di allenamento può esporre strumenti come "leggi il calendario di queste settimane", "ottieni il carico di allenamento", "pianifica queste sedute" o "sposta questa seduta a giovedì". Il modello decide quali strumenti chiamare e in che ordine. L'applicazione decide cosa il modello può toccare e controlla ogni richiesta come controllerebbe un clic dell'utente.

Questa separazione conta. Il modello porta il linguaggio e il ragionamento; la piattaforma tiene i dati, i permessi e le regole. Un modello che ti capisce male può proporre una sciocchezza, ma non può raggiungere niente che la piattaforma non esponga.

Un lunedì realistico

Prendiamo un allenatore con quindici atleti. Lunedì mattina una di loro, a nove settimane da una maratona, scrive che ha l'influenza da sabato e che, se va bene, riprenderà giovedì. Il lavoro di sempre: aprire il suo calendario, cancellare o spostare cinque o sei sedute, riscrivere il resto della settimana, accorciare il lungo e controllare che la settimana successiva abbia ancora senso. Dieci o quindici minuti, ed è il terzo messaggio del genere della giornata.

Con un agente collegato alla piattaforma, l'allenatore può scrivere: "Anna è malata da sabato, probabilmente fino a giovedì. Registralo, tieni tutto facile fino a domenica, sposta il 3 × 15 minuti a ritmo maratona di sabato a martedì prossimo e porta il lungo di domenica a 1h15 facile". L'agente registra la malattia, legge il calendario, fa le modifiche e riferisce. L'allenatore guarda la settimana nel calendario, corregge una cosa e passa oltre.

Nota chi ha preso le decisioni. Ogni scelta in quell'istruzione (quanto restare sul facile, quale seduta merita di essere spostata, quanto deve durare il lungo) viene dall'allenatore. L'agente ha fatto i clic. È la versione onesta di ciò che gli agenti offrono oggi al coaching: la metà amministrativa del lavoro costa molto meno, e la metà fatta di giudizio resta dov'era.

Dove gli agenti sbagliano ancora

Sapere cosa non sanno. Un agente pianifica un blocco anche quando i dati sono scarsi: niente frequenza cardiaca su metà delle corse, nessun RPE, una settimana di viaggio di cui nessuno ha parlato. Impellizzeri e colleghi sostengono da anni che è il carico interno, quanto l'allenamento è costato a quell'atleta, a guidare l'adattamento, ed è proprio la parte che più spesso manca nei dati. Un allenatore vede il buco. Un modello tende a riempirlo con supposizioni.

Il giudizio a lungo termine. Se aggiungere una terza seduta di qualità, quando iniziare lo scarico pre-gara, se questo atleta ha bisogno adesso di una settimana leggera o può reggerne un'altra: tutto dipende da anni di storico, dal lavoro e dalla famiglia, da come reagisce alla fatica. Quando Düking e colleghi (2024) hanno fatto valutare da allenatori esperti dei piani di corsa scritti da ChatGPT, i piani miglioravano molto con più informazioni, ma non venivano comunque giudicati ottimali, e gli autori raccomandano la revisione di un allenatore.

Errori fatti con sicurezza. Una zona letta male trasforma una corsa di recupero in una seduta alla soglia. Una data sbagliata di un giorno mette il lungo la vigilia di una gara. I modelli linguistici fanno questi errori dentro un testo scorrevole e ragionevole, ed è per questo che sfuggono facilmente.

La responsabilità. Quando un piano contribuisce a un infortunio, qualcuno deve assumersi quella decisione e parlarne con l'atleta. Un modello non può.

Tenere l'allenatore nel giro, in pratica

"Tenere una persona nel giro" è facile a dirsi. In uno strumento di coaching si traduce in poche scelte di progettazione concrete:

• L'agente scrive nello stesso calendario che vedono allenatore e atleta. Niente succede in uno strato nascosto, quindi una modifica sbagliata si vede subito.
• Ha l'istruzione di spostare e modificare le sedute invece di cancellarle e ricrearle: una modifica resta una modifica.
• Le sedute svolte e le attività registrate sono storico. L'agente non può riscriverle.
• L'IA funziona solo dopo un consenso esplicito, che si può ritirare.
• I dati vanno al fornitore di modelli che hai scelto, con la tua chiave. Su un'istanza self-hosted con un modello locale, non lasciano il tuo server.

Un'ipotesi prudente per i prossimi anni

Il costo amministrativo del coaching continuerà a scendere. Un allenatore che passa la domenica sera a riscrivere le settimane di venti atleti ci dedicherà molto meno tempo. Può andare in due direzioni: più atleti per allenatore o più attenzione per atleta. La seconda è l'uso migliore, e gli atleti si accorgeranno di quale ha scelto il loro allenatore.

Gli atleti che si allenano da soli con un agente se la caveranno bene se sanno già com'è un buon allenamento e usano l'agente per metterlo in pratica. È più rischioso per i principianti, che sono i meno capaci di riconoscere un piano sbagliato e i più propensi a seguirlo. Non ci aspettiamo una previsione affidabile degli infortuni a breve: la ricerca su screening e machine learning dà pochi motivi per crederci. E la parte del mestiere che consiste nel capire che il "tutto bene" di un atleta non vuol dire tutto bene non sparirà.

Provarlo

OpenAthlete ha un server MCP che funziona con Claude, ChatGPT e altri client. Può leggere il contesto di un atleta, il calendario, le attività e il carico di allenamento, registrare una malattia o un viaggio e pianificare fino a 60 sedute in una volta; le sedute compaiono poi nel calendario e arrivano agli orologi Garmin, Suunto e COROS. È gratuito, e un allenatore può usarlo con tutti gli atleti che segue.

Fonti

• Model Context Protocol, specification and documentation (introduced by Anthropic in November 2024). modelcontextprotocol.io
• Impellizzeri FM, Marcora SM, Coutts AJ (2019). Internal and external training load: 15 years on. International Journal of Sports Physiology and Performance, 14(2), 270–273. doi:10.1123/ijspp.2018-0935
• Düking P et al. (2024). ChatGPT generated training plans for runners are not rated optimal by coaching experts, but increase in quality with additional input information. Journal of Sports Science and Medicine, 23(1), 56–72. doi:10.52082/jssm.2024.56
• Bahr R (2016). Why screening tests to predict injury do not work—and probably never will…: a critical review. British Journal of Sports Medicine, 50(13), 776–780. doi:10.1136/bjsports-2016-096256