IA para montar treino: o que ela faz bem e onde erra feio

Usar IA para montar treino: o que os avaliadores encontraram

A pergunta já não é se dá para pedir um treino a uma inteligência artificial. Dá, em trinta segundos, de graça. A pergunta é o que sai dali — e alguém finalmente sentou para medir isso com critério.

Segundo estudo publicado na Biology of Sport (2025), dez treinadores experientes — todos com formação em ciências do exercício e pelo menos dois anos de prática — avaliaram planos de treino gerados por três ferramentas de IA usando 27 critérios baseados em evidência, numa escala de 1 a 5.

O resultado geral: a maioria das notas ficou abaixo de 4, o que os autores classificam como qualidade moderada. Não foi um desastre, e não foi bom.

O que a IA fez razoavelmente bem foi dar estrutura: escolha de exercícios aceitável, princípios de recuperação presentes, um esqueleto que não é absurdo.

Onde ela erra, e por que isso importa

As falhas apontadas no estudo não são aleatórias. Elas se concentram exatamente onde mora o trabalho do profissional.

Olhe a coluna da direita com atenção. Intensidade, diferenciação de objetivo e individualização são o serviço. O que sobra na coluna da esquerda é a parte que qualquer planilha de internet também entrega.

A conclusão dos autores é explícita: os planos servem como rascunho preliminar que exige refinamento substancial de um especialista, e não conseguem levar em conta resposta individual ao treino, considerações de segurança e processos complexos de adaptação.

A evidência sobre isso ainda é fraca — inclusive a favor

Vale a mesma honestidade nos dois sentidos: quem diz que a IA já substitui o profissional está exagerando, e quem cita um estudo isolado para provar que ela não presta também.

Segundo revisão de escopo publicada no Journal of Medical Internet Research (2025), que analisou 20 estudos sobre avaliação de modelos de linguagem em exercício e saúde, a qualidade da própria avaliação é o problema.

A pontuação mediana de rigor foi 2,5 de 5. Mais da metade dos estudos (55%) ficou na faixa de rigor baixo, e apenas 10% alcançou a nota máxima. Só 45% relataram concordância entre avaliadores, e apenas 40% usaram dados de uso real.

Traduzindo: o campo inteiro ainda está aprendendo a medir isso. Os autores apontam ausência de acompanhamento de longo prazo e nenhum estudo avaliando mudança de comportamento sustentada — que é, no fim, o único desfecho que interessa a quem atende aluno.

E uma limitação que vale registrar do primeiro estudo: ele testou uma geração de modelos que já não é a atual, num retrato de abril de 2024. A tecnologia anda mais rápido que a publicação científica. Isso não invalida o achado — mas significa que "IA não sabe prescrever intensidade" é uma frase com data.

Onde ela serve de verdade no seu dia

Se o ponto forte é estrutura e o ponto fraco é individualização, o uso inteligente segue essa divisão. Quatro tarefas em que ela ganha tempo sem custar qualidade:

• Rascunho de esqueleto. Pedir uma divisão semanal para depois reescrever é mais rápido que partir da folha em branco — e você mantém o controle do que importa.
• Variações de exercício. "Me dê seis alternativas para empurrar horizontal sem barra" é exatamente o tipo de lista que ela monta bem.
• Texto que você já escreveria. Explicação de execução, mensagem de acompanhamento, resposta a dúvida comum. Você revisa e envia.
• Organizar o que você já decidiu. Transformar as suas anotações numa ficha legível é trabalho de formatação, não de prescrição.

Repare no padrão: em todas, a decisão continua sua e a IA faz o trabalho mecânico. É o oposto de pedir o plano pronto e entregar ao aluno.

Como você pede muda bastante o que sai

Uma coisa que os estudos não medem, mas qualquer um percebe usando: a mesma ferramenta entrega coisas muito diferentes dependendo do pedido.

O pedido genérico — "monte um treino de hipertrofia" — produz exatamente o que os avaliadores criticaram: estrutura razoável, intensidade vaga, objetivo misturado. Faz sentido: sem contexto, a ferramenta devolve a média do que existe escrito por aí, e a média é conservadora.

Quatro coisas que mudam a saída de forma perceptível:

• Diga o que restringe. Equipamento disponível, tempo por sessão, dias reais na semana, o que dói. Restrição é informação — sem ela, a ferramenta chuta o caso mais comum, que quase nunca é o do seu aluno.
• Peça a intensidade explicitamente. Se você não pedir repetições em reserva ou percentual, provavelmente não vem. Foi a falha mais citada pelos avaliadores, e boa parte dela é falha de pedido.
• Um objetivo por vez. Pedir "força e hipertrofia e condicionamento" é o convite direto para o plano misturado que o estudo apontou.
• Peça o raciocínio junto. "Explique por que escolheu cada exercício" transforma um plano fechado em algo que você consegue auditar — e é revisando o raciocínio que você acha o erro.

Isso não conserta a limitação de fundo. Individualização real depende de conhecer o aluno, e nenhum pedido bem escrito substitui ter avaliado a pessoa. Mas boa parte do que parece incompetência da ferramenta é falta de contexto no pedido — e essa parte está sob o seu controle.

IA solta e IA dentro do sistema são coisas diferentes

Há uma distinção que quase toda discussão sobre o assunto ignora, e ela muda o tamanho do problema.

Uma conversa de chat genérica não sabe nada sobre o seu aluno. Ela não viu a anamnese, não sabe que ele declarou dor no ombro, não sabe que ele faltou três vezes no último mês, não sabe qual carga ele usou na semana passada. Cada pedido começa do zero, e a "individualização" é a que você digitou na hora.

Uma ferramenta integrada parte de outro lugar: ela tem a anamnese, o histórico de execução, o que foi feito e o que foi pulado. O trabalho dela deixa de ser inventar um plano plausível e passa a ser aplicar as suas regras a dados que já existem.

É uma diferença de insumo, não de inteligência. E ela explica por que a mesma tecnologia pode ser inútil num contexto e útil em outro.

Vale a ressalva honesta: nenhum dos dois estudos citados aqui avaliou ferramentas integradas — os dois olharam modelos genéricos respondendo a pedidos. Então esta seção descreve uma diferença de desenho, não um resultado medido. Continua valendo a mesma régua: quem assina a prescrição é o profissional.

Onde ela não serve — e o risco é seu, não dela

Três situações em que usar o texto gerado sem reescrever cobra caro:

1. Aluno com lesão, condição de saúde ou uso de medicamento. É exatamente o "raciocínio clínico" que o estudo apontou como ausente. E a responsabilidade profissional pelo que foi prescrito é de quem assina, não de quem gerou.
2. Definição de intensidade. Foi a falha mais citada pelos avaliadores. Um plano com exercícios certos e intensidade errada não é um plano meio certo — é um plano que não funciona.
3. Quando o objetivo é específico. Se ela mistura força com hipertrofia, um aluno com meta clara recebe um treino que não serve para nenhuma das duas.

Existe ainda um custo silencioso: um plano genérico entregue como personalizado parece personalizado até o aluno perceber que não é. E quando ele percebe, o que se perde não é o plano — é a confiança que sustenta a mensalidade.

O que o aluno percebe, e quando

Vale trazer isso para o lado de quem paga, porque é lá que a conta fecha.

O aluno raramente sabe avaliar se a prescrição está tecnicamente certa. Ele não tem como. O que ele percebe é outra coisa, e percebe rápido: se o treino considera o que ele te contou, se alguém nota quando ele some, se a resposta que ele recebe parece escrita para ele ou para qualquer um.

Um plano genérico entregue com o nome dele no topo sobrevive algumas semanas. Ele quebra no primeiro imprevisto — a viagem, a dor no ombro, o horário que mudou —, porque é aí que fica evidente que ninguém está acompanhando de verdade.

É por isso que a discussão sobre IA raramente é sobre qualidade técnica do plano. Ela é sobre o que você está vendendo. Se for a ficha, você já está competindo com algo gratuito. Se for o acompanhamento, a ferramenta vira aliada — porque ela devolve o tempo que você gastava com o trabalho mecânico.

A pergunta certa não é se você vai usar

Você provavelmente já usa, para alguma coisa. A pergunta é em qual etapa.

A leitura mais útil desses dois estudos é que a IA é boa naquilo que é padronizável e ruim naquilo que exige julgamento — o que descreve bem a divisão entre a parte do seu trabalho que consome tempo e a parte pela qual o aluno paga.

Quem automatiza a primeira ganha horas. Quem automatiza a segunda entrega um serviço que qualquer pessoa consegue de graça, e passa a competir com uma ferramenta gratuita.

A decisão de quantas vezes por semana esse aluno treina, e por quê, continua sendo o seu trabalho — e é o que ninguém copia.