اگر پنج دقیقه در هر انجمن آنلاین مربیگری وقت بگذرانید، متوجه خواهید شد که هر چند ماه یک بار، همان بحث داغ همیشگی بالا می‌آید. کسی یک برنامه تولید شده توسط ChatGPT را پست می‌کند و می‌پرسد: «آیا مراجعان به‌زودی اصلاً به ما نیاز خواهند داشت؟» این وحشت قابل درک است، اما اصل مطلب را از قلم می‌اندازد. هوش مصنوعی قرار نیست شغل شما را به عنوان مربی بگیرد، همان‌طور که اکسل (spreadsheet) حسابدار را از میان برنداشت. مربیانی که شکوفا می‌شوند، کسانی هستند که با هوش مصنوعی مانند یک دستیار پیش‌نویس برخورد می‌کنند؛ ابزاری که منطق تکراری طرح‌های ست و تکرار را مدیریت می‌کند تا آن‌ها بتوانند انرژی خود را صرف بخش‌هایی از مربیگری کنند که نیاز به حضور و احساس انسانی دارد.

بیایید این موضوع را همان‌طور که هست بنامیم: مربیگری ترکیبی (hybrid coaching). شما از ماشین برای ساختن داربست استفاده می‌کنید و خودتان برای انجام ساخت‌وساز واقعی، از آن بالا می‌روید.

نقاط قوت ماشین

هوش مصنوعی در تشخیص الگو و پیش‌نویس سریع مهارت دارد. اگر چند متغیر را به یک مدل زبانی بزرگ بدهید — سابقه تمرینی، تجهیزات موجود، سابقه آسیب‌دیدگی، محدودیت‌های برنامه زمانی — می‌تواند یک بلوک دوازده‌هفته‌ای را سریع‌تر از زمانی که شما قهوه‌تان را تمام کنید، تحویل دهد. این سرعت زمانی که بیست یا سی مراجع از راه دور را مدیریت می‌کنید و تماس‌های مشاوره مدام از زمان برنامه‌ریزی شما می‌گیرند، اهمیت زیادی دارد.

این فناوری به‌ویژه برای افراد مبتدی که از اصول ساده‌ی اضافه بار پیش‌رونده (progressive overload) پیروی می‌کنند، بسیار مفید است. هوش مصنوعی می‌تواند حجم حرکات فشاری و کششی را متعادل کند، زمان‌بندی‌های کاهش بار (deload) را بر اساس منحنی‌های استاندارد خستگی پیشنهاد دهد، و زمانی که مراجع از یک باشگاه هتلی با چیزی جز یک رگال دمبل و یک دستگاه کابل خراب پیام می‌دهد، جایگزین‌های ورزشی را پیشنهاد کند. این‌ها وظایفی هستند که ظرفیت ذهنی را مصرف می‌کنند بدون اینکه نیاز به خلاقیت عمیق بیومکانیکی داشته باشند. سپردن آن‌ها به یک الگوریتم، عصر شما را برای کارهایی آزاد می‌کند که واقعاً بازدهی عاطفی و مالی دارند.

هوش مصنوعی همچنین مشکل «صفحه سفید» را از بین می‌برد. هر مربی‌ای تا نیمه‌شب به یک صفحه اکسل خالی خیره شده است و سعی کرده به یاد بیاورد که آیا مراجع A روز سه‌شنبه ددلیفت رومانیایی انجام داده یا چهارشنبه. یک پیش‌نویس اولیه که توسط نرم‌افزار تولید شده است، چیزی به شما می‌دهد تا بر اساس آن واکنش نشان دهید. ویرایش کردن تقریباً همیشه آسان‌تر از خلق کردن از هیچ است.

جایی که چشم انسان همچنان برنده است

لحظه‌ای که یک برنامه هوش مصنوعی را بدون بازبینی کپی، پیست و ارسال می‌کنید، همان لحظه‌ای است که مربی بودن را متوقف کرده و به یک پیام‌رسان تبدیل می‌شوید. نرم‌افزار نمی‌تواند شل بودن شانه‌های مراجع را در طول یک بررسی ویدیویی ببیند. نمی‌داند که مدارک طلاق دیروز رسیده است، یا اینکه داروی جدید باعث سرگیجه می‌شود، یا اینکه مراجع صرفاً از پرش روی باکس (box jumps) به دلیل سقوط در دوران کودکی وحشت دارد. چنین زمینه‌هایی (context) در پنجره دستور (prompt) نمی‌گنجد.

موقعیت‌های خاصی وجود دارد که باید هر آنچه هوش مصنوعی تولید می‌کند را نادیده بگیرید یا به شدت ویرایش کنید.

  • استرس حاد و بیماری. یک قالب آماده هیچ ایده‌ای ندارد که مراجع شما به دلیل دندان درآوردن نوزاد، فقط سه ساعت خوابیده است. با این حال، همچنان ست‌های سنگین با تکرار کم را تجویز می‌کند چون شدت تمرین طبق برنامه بوده است. شما باید شرایط را درک کنید و تمرینات تکنیکی یا ریکاوری فعال را جایگزین کنید.

  • درد و محدودیت‌های حرکتی. هوش مصنوعی می‌تواند «تغییری که برای زانوها راحت‌تر باشد» را پیشنهاد دهد، اما نمی‌تواند اسکات زدن مراجع شما را تماشا کند و متوجه شود که لگن راست او در پایین حرکت به سمت چرخش داخلی می‌رود. این مشاهده، کل انتخاب تمرینات را تغییر می‌دهد.

  • پذیرش روانی. برخی مراجعان نیاز دارند در هر جلسه احساس موفقیت کنند. برخی دیگر گاهی نیاز دارند فروتن شوند (با چالش روبرو شوند). یک الگوریتم برای همه با لحنی خنثی می‌نویسد. شما می‌دانید چه کسی به تشویق برای رسیدن به یک رکورد شخصی (PR) جدید نیاز دارد و چه کسی به ساختار چیزی که عمداً خسته‌کننده و روشمند است، نیاز دارد.

  • فلسفه دوره‌بندی (periodization) بلندمدت. بسیاری از مدل‌های هوش مصنوعی به دلیل آموزش بر اساس میانگین‌ها، به یک حد وسطِ امن تمایل دارند. اگر شما ورزشکاران قدرتی را با گرایش خاصی به روش‌های ترکیبی (conjugate methods) مربی می‌کنید، یا دونده‌های استقامتی را با یک روند خاص آستانه لاکتات (lactate-threshold)، خروجی عمومی نیاز به بازبینی جدی دارد تا با سیستم شما مطابقت پیدا کند.

یک گردش کار عملی

بنابراین این کار روزانه چگونه است؟ با ساختن یک قالب دستور (prompt template) دقیق که دوباره از آن استفاده می‌کنید، شروع کنید. موارد غیرقابل مذاکره خود را در آن بگنجانید: طرح‌های ست و تکرار مورد نظر، لیست دقیق تجهیزات، حرکات پرخطر برای آسیب‌دیدگی‌های رایج، و تقسیم‌بندی تمرینی هفتگی خودتان. هرچه زمینه (context) بیشتری را در ابتدا ارائه دهید، زمان کمتری را صرف بازنویسی خواهید کرد.

وقتی پیش‌نویس رسید، با آن مثل اولین تلاش یک کارآموز برخورد کنید. ابتدا به دنبال خطاهای منطقی بگردید. آیا دو روز سنگین تمرین پایین‌تنه پشت سر هم قرار گرفته‌اند؟ آیا جهش حجم کل هفتگی نسبت به بلوک قبلی واقع‌بینانه است؟ سپس دقت و جزئیات را بررسی کنید. هوش مصنوعی عاشق پیشنهاد تمریناتی است که روی کاغذ خوب به نظر می‌رسند اما به تجهیزاتی نیاز دارند که مشتری شما ندارد، یا تمپوهایی را تجویز می‌کند که ناتوانی یک مبتدی در کنترل فازهای اکسنتریک را نادیده می‌گیرد.

در مرحله بعد، نشانه‌های انسانی را اضافه کنید. یادداشت‌های مربیگری خود را بنویسید. عبارت کلی «شکم را منقبض نگه دارید» را با یک دستور تنفسی خاص که مشکل بیرون‌زدگی دنده‌ها (rib flare) مشتری شما را اصلاح می‌کند، جایگزین کنید. بعد از سومین روز تمرینی، یک سوال برای پیگیری اضافه کنید: «بعد از آن اسپلت اسکات‌ها، زانوی چپت چه حسی داشت؟» همین لمس‌های کوچک است که یک سند معمولی را به یک تجربه مربی‌گری تبدیل می‌کند.

نحوه ارائه نیز اهمیت دارد. اگر صرفاً فایل هوش مصنوعی را برای مشتری فوروارد کنید، او متوجه می‌شود. برنامه را به عنوان اثر خودتان ارائه دهید. آن را با رنگ‌های برند خود قالب‌بندی کنید، از زبان خودتان استفاده کنید و به گفتگوهای گذشته ارجاع دهید. «من روز تمرینات مفصل (hinge day) را به پنجشنبه منتقل کردم، چون هر دو می‌دانیم بعد از جلسات طولانی دوشنبه، کمرتان کمی اذیت می‌شود.» این جمله از هر سوپرست با دوره‌بندی (periodized) بی‌نقص، ارزشمندتر است.

لایه مسئولیت‌پذیری

شاید بزرگترین باور غلط درباره هوش مصنوعی در حوزه تناسب اندام این باشد که طراحی برنامه، خودِ محصول است. اما این‌طور نیست. طراحی برنامه فقط یک بروشور است