ChatGPT puede analizar tus entrenamientos de running. Siempre que consiga leerlos.

¿Por qué una IA es tan buena compañera de entrenamiento?

Porque parte de tu pregunta, no de un panel de control. Una app te enseña los mismos gráficos que a todo el mundo. Una IA puede explicarte por qué tu ritmo cayó en el kilómetro 8, teniendo en cuenta el calor, tu semana cargada y el objetivo que le has dado.

Con buenos datos, una IA sabe:

• explicar una sesión con palabras sencillas, sin jerga;
• relacionar tus cifras con tu objetivo: un 10K por debajo de 45 minutos no pide las mismas sesiones que un primer maratón;
• comparar varias semanas y detectar una tendencia que se te había escapado;
• responder a la siguiente pregunta, y a la siguiente, con la paciencia de un entrenador disponible a las 11 de la noche;
• proponer la semana que viene a partir de tu carga real, no de un plan genérico.

Esa personalización es lo que marca la diferencia. Pero se basa en una suposición que casi nadie comprueba: que el modelo tiene acceso real a tus datos, y no a un resumen de tres líneas o a un archivo ilegible.

¿Qué es un token y por qué tu reloj genera tantos?

Un token es la unidad de texto que un modelo de lenguaje lee y cobra: un trozo de palabra, de número o de puntuación. Cada modelo tiene un límite, su ventana de contexto, a partir del cual ya no puede leer nada más. Según el modelo y la suscripción, hoy va de unas decenas de miles a unos pocos millones de tokens.

El problema es que los archivos del reloj están pensados para programas, no para ser leídos. Un archivo TCX repite las mismas etiquetas XML en cada segundo de tu salida. Esto es lo que miden nuestras pruebas:

Estimación a 3,2 caracteres por token, la proporción observada en CSV numérico. Mediciones reproducibles con las pruebas publicadas en el código fuente.

Dicho de otro modo: una sola sesión en bruto puede saturar una suscripción estándar, y una temporada entera no cabe en ninguna parte.

¿Qué pasa cuando pegas un archivo TCX en ChatGPT?

Tres escenarios posibles. Ninguno es bueno.

1. El archivo se rechaza

Es el caso más honesto: la interfaz te avisa de que el archivo es demasiado grande. Pierdes tiempo, pero al menos lo sabes.

2. El archivo se lee solo en parte, sin que lo sepas

Ante un adjunto pesado, los asistentes a menudo solo leen fragmentos, o lo pasan a un script que lo resume. La IA responde entonces con seguridad a partir de solo una parte de la sesión. La respuesta parece correcta. Puede que no lo sea.

3. El archivo entra, pero el análisis es flojo

Incluso con una ventana de contexto grande, un modelo aprovecha mal la información enterrada en mitad de un documento largo. Investigadores de Stanford documentaron este efecto con el nombre de «lost in the middle» (Liu et al., 2024). Pedir un análisis de entrenamiento a partir de 3600 líneas de latitudes y longitudes es pedirle que haga de cabeza cálculos que hace mal, sobre datos que casi no le dicen nada.

¿Hay que comprimir el archivo? No, hay que reestructurarlo

Hacer el archivo más pequeño no basta: hay que hacerlo legible. Un entrenador no lee tus coordenadas GPS segundo a segundo. Mira tus tiempos por kilómetro, tus repeticiones y tu frecuencia cardíaca por zonas. Justo lo que un modelo de lenguaje sabe interpretar.

Con 15 MB de archivos reales, el informe ocupa unos 32 000 tokens. Y el análisis que sale es mejor que con los archivos completos. No solo más barato: mejor, porque el modelo trabaja con objetos que entiende.

¿Qué no puede adivinar una IA por sí sola?

Algunos errores no se ven en las cifras. Si nada los señala, la IA los toma por hechos y construye su análisis sobre ellos.

• El sensor cardíaco. Un sensor de muñeca a veces confunde tu cadencia con tu pulso y marca 172 ppm en lugar de 140. Comparar una sesión con sensor de muñeca y otra con banda pectoral es comparar dos instrumentos, no dos estados de forma.
• La temperatura. La del reloj la calienta tu muñeca: sobrestima el aire entre 3 y 8 °C. Una IA que la toma por la meteorología se equivoca sobre el origen de tu deriva cardíaca.
• El ritmo. Strava lo calcula sobre el tiempo en movimiento; Garmin Connect, sobre la duración total. En una salida por ciudad, la diferencia supera fácilmente los 15 segundos por kilómetro.
• Las mediciones que no tienen sentido. Una deriva cardíaca calculada en una sesión de series no significa nada. Mejor ninguna cifra que una cifra falsa que parece creíble.

Un buen informe no se limita a resumir. Dice qué es fiable y qué no, para que la IA no razone sobre arena.

¿Cómo hacer que una IA analice tus sesiones en tres minutos?

1. Exporta tus archivos desde tu reloj o desde Strava, a ser posible en formato FIT, el más completo.
2. Súbelos a gps-digest. Todo se calcula en tu navegador: ningún archivo se envía a un servidor.
3. Copia el informe en ChatGPT, Gemini o Claude y haz tu pregunta.

Preparar mis sesiones para la IA

¿Qué preguntas hacerle a tu IA?

Las mejores preguntas nacen de una duda real. Aquí tienes cinco ejemplos que funcionan bien con un informe estructurado:

• «¿Ha aumentado mi deriva cardíaca respecto al mes pasado, con una temperatura parecida?»
• «¿Mantuve el ritmo en las repeticiones del martes? ¿Qué corrijo la próxima vez?»
• «Con esta carga, ¿estoy listo para bajar de 45 minutos en un 10K dentro de seis semanas?»
• «¿Es coherente mi reparto entre rodajes suaves y sesiones duras para un maratón?»
• «Proponme la semana que viene teniendo en cuenta mi fatiga actual.»