Piše: Ivica Delić
Zadnjih tjedana više puta sam se zatekao u istoj situaciji. Otvorim Reddit, otvorim Facebook, pogledam komentare ispod tuđih videa i članaka o trčanju – i svuda isto pitanje: što sve umjetna inteligencija (AI) može napraviti za rekreativnog trkača, a da ga ne uvali u probleme?
Moj prethodni članak o AI-u pokrio je tri primjene koje sam dotad koristio. Pisao sam o pojedinim alatima, ali nisam dao cijelu „kartu“.
Ovaj članak je upravo ta karta. Plus jedna nova primjena koju sam u međuvremenu isprobao, sa svježim rezultatima na kraju.
Sažetak
U ovom članku dajem cjelovit pregled najvažnijih primjena AI-a za rekreativnog trkača koji nema osobnog trenera ni laboratorij iza sebe. Krećem od kratkog podsjetnika na ono što sam već pisao u ranijim člancima i dodajem nove primjene koje sam u međuvremenu otkrio. Tri primjene već su obrađene u prethodnim tekstovima.
Na to dolazi pet novih primjena koje proširuju korisnost: izbor trenažne filozofije prije nego što tražite plan, nadzorna ploča pokazatelja (KPI dashboard) za vlastito trčanje, analiza kroz duža razdoblja (cross-period) koja vidi obrasce kroz mjesece, više strategija raspodjele tempa (pacing) umjesto jednog cilja te brzo izvlačenje lekcije nakon utrke (post-race).
Završavam konkretnim rezultatima prvog testa AI analize trkačke forme iz videa. Uz to, dajem i jasan popis onoga što AI ne može i vjerojatno nikad neće moći zamijeniti.
Kratki pogled unazad – dvije faze mog načina rada s AI-em (Workflow)
Lipanj 2025. bio je moja prva ozbiljna faza. Koristio sam sučelje Typingmind povezano s ključem za OpenAI (OpenAI API ključ), a podatke sam ručno izvlačio iz Garmina i lijepio u prozor za razgovor (chat). Bilo je sporo, ali poučno.
Travanj 2026. donio je drugu fazu. Prešao sam na Claude Desktop povezan s priključkom GetFast (GetFast konektor) kroz MCP protokol – način na koji AI alat izravno razgovara sa Strava i Garmin podacima. Detaljno sam to opisao u članku „Kraj ere kopiranja i lijepljenja (copy-paste)“. AI sada sam vidi i dohvaća sve aktivnosti iz Strave i Garmina, a da mi ništa ne moramo lijepiti u prozor.
Ono što mi se tek sada polako otkriva: razumijem koje su sve primjene moguće, a ne samo one koje sam prvo probao.
Tri primjene koje sam već objasnio
- Trening plan sa zaštitnim ogradama (guardrails): ključ nije da AI bira plan umjesto vas, nego da mu vi zadate okvir. Trenažna filozofija, najveći dopušteni tjedni rast kilometraže, povijest ozljeda i ciljna utrka. Bez tih okvira plan je općenit i robotski.
- Realna predikcija vremena utrke: GetFast konektor ima funkciju koja predviđa maratonsko vrijeme na temelju stvarnih treninga, a ne na temelju želja.
- Analiza pojedinačnog dugog trčanja ili utrke: dionice po kilometru (split), puls po kilometru, kadenca (broj koraka u minuti), tempo prilagođen nagibu (GAP – grade adjusted pace) i kontekst trenažnog opterećenja (training load). Sve u pet minuta umjesto nekadašnjih šezdeset minuta.
Pet novih primjena koje proširuju sliku
Primjena 1: Izbor trenažne filozofije prije traženja plana
Većina trkača ide izravno na pitanje “daj mi plan za maraton za 16 tjedana”. Ja koristim aplikaciju Trenara pa nisam radio tu pogrešku, ali vidio sam da mnogi drugi jesu. Tek sam kasnije shvatio da postoji jedan korak prije toga.
Pitanje glasi: Koja trenažna škola odgovara baš meni?
Lydiardov pristup s naglaskom na aerobnu bazu (lagano trčanje koje gradi izdržljivost), Danielsov sustav s preciznim zonama tempa ili pristup ispod praga (sub-threshold), poznat kao norveška metoda. Svaka od njih ima svoju logiku, svoju raspodjelu intenziteta i svoju ciljnu publiku.
Konkretan upit (prompt) koji možete koristiti ide ovako:
„Pogledaj sve moje treninge preko GetFasta, moj cilj utrke i moju dosadašnju toleranciju na intenzitet, pa obrazloži koja škola ima više smisla za mene.“
Cilj nije da AI odluči umjesto vas, nego da vam pomogne razmisliti. Tek kada vi odlučite koju školu uzimate, AI prelazi u sljedeći korak i piše plan unutar tih granica.
Primjena 2: Nadzorna ploča pokazatelja (KPI Dashboard) za vlastito trčanje
Ovo je primjena koja mi je najviše promijenila način razmišljanja. Većina trkača gleda samo brojke nakon trčanja. Vrijeme, prosječni tempo, kilometraža. To je rezultat, a ne proces.
Nadzorna ploča pokazatelja (KPI dashboard) radi nešto drugačije. Vi sami odredite najvažnije pokazatelje koje pratite mjesečno i koji vas na vrijeme upozore da nešto ne valja. Evo šest pokazatelja (KPI – key performance indicators) koje osobno pratim u 2026.
- Prvi je raspodjela intenziteta: cilj je 80 posto laganog i 20 posto intenzivnog trčanja kroz mjesec.
- Drugi je kadenca (broj koraka u minuti) na dugom trčanju (long run), koja mi je trenutačno oko 162 spm (steps per minute), a cilj je dovesti je u zonu od 172 do 180 spm.
- Treći je puls u zoni 2 (Z2 – lagana aerobna zona), pri tempu 5:30 do 5:55 min/km, koji bi za mene trebao biti između 148 i 153 otkucaja u minuti (bpm – beats per minute).
- Četvrti je razdvajanje pulsa i tempa (decoupling) – odstupanje (drift) pulsa između prve i druge polovice dugog trčanja, koje bi na treningu duljem od 30 km trebalo ostati ispod pet posto.
- Peti je puls u mirovanju, koji mi se kreće između 45 i 50 bpm i odmah pokaže ako je oporavak loš.
- Šesti je tjedna kilometraža, uz pravilo da rast iz tjedna u tjedan ne prijeđe deset posto.
Jednom mjesečno tražim Claudea (preko „skilla“ koji sam kreirao – samo jedna rečenica je potrebna) da mi sve te brojke povuče odjednom iz GetFasta, pogleda kretanje (trend) i kaže mi kako stojim.
Primjena 3: Analiza kroz duža razdoblja (cross-period analiza) napretka
Ovo je primjena u kojoj se vrijednost MCP konektora najjasnije vidi. Analiza pojedinačnog treninga pokazat će vam kako je prošao taj jedan trening. Analiza kroz duža razdoblja (cross-period) vidi obrasce kroz mjesece koje pojedinačne sesije ne mogu pokazati.
Imam konkretan primjer iz travnja 2026: pitao sam Claudea da mi da opću ocjenu zadnjih šest mjeseci trčanja u deset rečenica. AI je povukao sve aktivnosti iz GetFasta, vidio strukturu sezone i izvukao tri stvari koje meni same nisu bile vidljive iz pojedinačnih treninga:
- Prva. Moja takozvana trčanja za oporavak (recovery) imala su prosječni puls od 135 do 145 bpm, što znači da lagani dani nisu bili dovoljno lagani. Klasičan problem motiviranog rekreativca.
- Druga. Siječanj i veljača bili su najkvalitetnije faze po omjeru kilometraže i strukture treninga, dok je ožujak donio veliki umor zbog Polojske ultre.
- Treća. Kadenca u intervalnim treninzima bila je oko 162 koraka u minuti (spm), ispod optimalnog raspona za rekreativca na ovoj razini.
Te tri stvari sada su na mom popisu za sljedećih osam tjedana. Bez pogleda kroz duža razdoblja (cross-period) vjerojatno ih ne bih ni primijetio.
Primjena 4: Više strategija raspodjele tempa (pacing), a ne samo jedan cilj
Klasični kalkulatori za predikciju vremena daju jednu brojku. Trči 4:48 po kilometru i bit ćeš u cilju za 1:42. AI sa stvarnim podacima može napraviti nešto pametnije.
Tražite raspon, a ne fiksnu brojku. Ujednačeni tempo (even splits) – držite isti tempo cijelu utrku. Brža druga polovica (negative splits) – druga polovica utrke ide brže od prve. Kontrolirano brz start (controlled fast start) – krenete malo iznad ciljnog tempa pa se postupno vraćate na njega. Svaka od tih strategija ima svoj rizik i svoju nagradu.
AI vam ne može sačuvati ego, ali vam može dati raspon u kojem postoji više od jedne pametne odluke.
Primjena 5: Brzo izvlačenje lekcije nakon utrke (post-race)
Puna analiza utrke ulazi u dubinu kroz sve aspekte. Ali ponekad, dan poslije teške utrke, želite vidjeti jednu jasnu lekciju koju možete primijeniti u sljedećem ciklusu.
Postupak je jednostavan. Učitate sliku zaslona (screenshot) ili kratki sažetak i postavite jedno pitanje: Što me najviše ograničavalo i na čemu trebam raditi u sljedeća četiri tjedna? Ne dvanaest savjeta koje ću pročitati i zaboraviti, nego jedan.
Izbjegavanje paralize odlučivanja ključno je. Bolja je jedna konkretna radnja iz pune analize nego dvanaest općih savjeta koje neću primijeniti.
Prvi test – AI analiza forme trčanja iz videa
Nedavno sam napravio prvi pravi test. Poznati ultramaratonac i član naše Strava grupe Studio-Zona Running, Boško Pavlović, snimio me mobitelom dok sam trčao po Žnjanu – snimka sprijeda, kratkog pogleda iz profila (side view) dok sam prolazio pored njega te pogleda otraga (rear view) dok sam se udaljavao. Snimka nije laboratorijska kvaliteta, kamera se kreće, ali to je ono što ima 99 posto rekreativaca.
Učitao sam video u Claude i zatražio analizu triju klasičnih problema: predugog koraka (overstriding), vertikalne oscilacije (skakutanja gore-dolje) i bočnog uvijanja torza. Uz to puni pregled od glave do pete (head-to-toe audit), procjenu rizika ozljede i protokol za ispravljanje s prioritetima poredanima po isplativosti (ROI – return on investment).
Što je AI vidio, a što nije
Najvažnije što AI radi dobro: priznaje granice kuta snimanja. Iz pogleda sprijeda i pogleda otraga (rear view) fizički ne može precizno izmjeriti predugi korak (overstriding) ni vertikalnu oscilaciju – za to treba čisti pogled iz profila (side view), statična kamera i, idealno, usporeni snimak (slow-motion). AI je to jasno rekao i nije izmišljao brojke tamo gdje ih ne može vidjeti. Za mene je to bio prvi znak da alat radi pošteno.
Glavni potvrđen nalaz iz moje snimke: blaga bočna rotacija torza, lijevo rame nešto niže od desnog, lijeva ruka prelazi preko sredine tijela u zamahu (swing faza). Klasično rekreativno opterećenje gornjeg dijela tijela koje na maratonu možda i ne osjetite, ali se na ultrama od 100 km nakuplja u srednjem glutealnom mišiću (glute medius – mišić na vanjskoj strani kuka koji stabilizira zdjelicu pri svakom koraku) i suprotnoj strani iliotibijalne trake (IT band – tetivna traka koja se proteže od kuka niz vanjsku stranu bedra do koljena).
Protokol za ispravljanje koji je AI predložio: vježbe za smirivanje i poravnavanje zamaha rukama (arm swing reset drillovi – kratke vježbe pred ogledalom u kojima svjesno vodite ruke naprijed-natrag uz tijelo, bez prelaska preko sredine) i vježba „face pulls“ (povlačenje gumice ili kabela prema licu, s laktovima u visini ramena – jača stražnji dio ramena i između lopatica) dvaput tjedno. Nije revolucija, ali je primjenjivo odmah.
Ključni novi uvid koji video sam nije mogao dati
Ovo je dio u kojem GetFast konektor mijenja sliku. AI je iz videa vidio da forma izgleda solidno, ali kada je dohvatio detaljne podatke (stream) iz iste sesije, izronio je problem koji se vizualnim pregledom nije mogao uočiti.
Moja kadenca ostaje između 160 i 168 koraka u minuti (spm) i kad trčim laganih 6:53/km i kad ubrzam na 4:30/km. To znači da kad ubrzavam, ne povećavam brzinu okretaja nogu, nego dužinu koraka. Klasičan rekreativni obrazac, ali nosi rizik od predugog koraka (overstriding) i opterećenja goljenice (tibial stress) – posebno na bržim tempoima i u zadnjoj trećini ultra utrke.
Ovaj nalaz nije iz videa, nego iz unakrsne provjere (cross-validation) videa i Garminovih podataka – upravo zato MCP konektor mijenja igru. Bez kombinacije ta dva izvora ovo bi mi promaklo i u videu (jer izgleda u redu) i u brojkama (jer prosječna kadenca od 163 spm djeluje normalno).
Realna očekivanja od video analize
Korisno je, ali nije čudotvorno. Ako snimite mobitelom u pokretu kao što sam ja, dobit ćete solidnu treću perspektivu uz brojke iz Garmin Running Dynamicsa (Garminov modul za dinamiku trčanja – mjeri kadencu, vertikalnu oscilaciju, vrijeme kontakta stopala s tlom i duljinu koraka) koje već imate. Za pravu preciznost trebali bi statičan tronožac, snimanje iz profila (side view) 5 do 7 metara od staze, 30 sekundi na svakom tempu (lagani, maratonski, tempo utrke) i, idealno, usporeni snimak (slow-motion) pri 240 sličica u sekundi (240 fps).
Ono što video analiza dodaje jest vizualna potvrda onoga na što brojke upućuju. Brojke vam kažu da je nešto izvan optimalnog raspona, video pokaže zašto. Brojke kažu da kadenca ne raste s tempom, video pokaže da koljeno ide naprijed dok kuk ostaje pasivan. To su dva dijela iste slagalice.
Što AI ne može i vjerojatno nikad neće
AI ne može pročitati moju neispavanost iz prošle noći ako podaci o spavanju nisu zabilježeni na Garminu. Ne može osjetiti što meni govore noge na 22. kilometru kad pomislim „danas mi je teže nego inače“. Ne može uzeti u obzir životni stres, posao u jeku sezone ili neku svađu.
AI ne može zamijeniti trenera koji vas poznaje kao osobu, a ne samo kao bazu podataka. Trener vidi kontekst koji se ne pojavljuje u brojkama. Vidi vaše tijelo, vaš jezik tijela, vaš osjećaj.
I ono najvažnije. AI ne može odlučiti umjesto vas. Zaštitne ograde (guardrails) uvijek su vaša odgovornost, izbor filozofije je vaš, a slušanje tijela je nešto što nikakvo softversko rješenje ne zamjenjuje.
Uz to, jedno pitanje uvijek treba ostati otvoreno: gdje vam se točno čuvaju ovi podaci, tko im ima pristup i kakva su pravila privatnosti?
Zaključak
AI je karta, a ne teritorij – drugim riječima, alat koji vas vodi kroz podatke i pomaže vam se snaći, ali ne trči umjesto vas i ne zna kako se vi danas stvarno osjećate. Najveću korist daje kada znate što tražite i kada mu zadate jasne okvire. Najopasniji je kada mu pripišete vlastite želje i čekate da ih potvrdi.
Jedna stvar koja mi se izbistrila kroz ovaj prvi test video analize: vrijednost dolazi iz spajanja više izvora, a ne iz jednog čarobnog alata. Sam video pokazuje formu, same brojke pokazuju kretanje (trend), a tek zajedno daju nalaz koji mogu odmah primijeniti. To ranije nisam imao jer nisam imao MCP konektor.
Trčite svjesno, koristite alate svjesno i ne zaboravite da je svaki korak na asfaltu i šljunku i dalje vaš. AI vas može pratiti i upozoriti, ali korake i dalje brojite vi.
NAPOMENA / DISCLAIMER
Autor ovog teksta nije nutricionist, dijetetičar, sportski liječnik niti zdravstveni stručnjak bilo koje vrste, niti je službeni promotor (evangelist) za Claude Desktop, GetFast ni bilo koji drugi spomenuti alat. Sve navedeno temelji se isključivo na osobnom iskustvu trčanja i osobnoj uporabi AI alata. Tehnologija se brzo mijenja, pa je moguće da su neki detalji u trenutku čitanja ovog teksta već zastarjeli. Uvijek provjerite trenutne uvjete korištenja, pravila privatnosti i ograničenja usluge prije nego što povežete svoje osobne podatke. Ovaj tekst ne predstavlja medicinski ni nutricionistički savjet i ne zamjenjuje razgovor sa stručnjakom. Ako imate zdravstvenih tegoba, kroničnih bolesti ili niste sigurni koji pristup odgovara vašoj situaciji, obratite se liječniku ili certificiranom stručnjaku.
Vaši komentari
