Construimos una IA que contaba sentadillas perfectas. La rodilla de un hombre de 62 años se colapsaba todo el tiempo.

Hay un fotograma al que sigo volviendo, congelado en un portátil en algún lugar de nuestro código: un esqueleto de 33 puntos superpuesto sobre un hombre haciendo una sentadilla con su propio peso corporal en la sala de su casa. El fotograma 58 de unos 90. Es el dibujo de nuestro software: los puntos en sus caderas, rodillas y tobillos, las líneas verdes que los conectan. La cámara del teléfono lo captó a 30 fotogramas por segundo, y nuestro sistema ya había puntuado la repetición.

La puntuó como buena.

El hombre tenía 62 años, ocho semanas después de una cirugía de reconstrucción del LCA, haciendo exactamente el ejercicio que le había prescrito su fisioterapeuta. Y en ese fotograma, su rodilla izquierda se hundía hacia dentro: se desplazaba unos cuatro centímetros hacia la línea media de su cuerpo, alejándose de la línea recta que su cadera y su tobillo deberían haber mantenido. En una persona sana de 30 años eso es una repetición descuidada. En una rodilla post-LCA, ese colapso hacia dentro es uno de los patrones mecánicos específicos que vuelven a romper el injerto que acabas de pagarle a un cirujano para que te lo colocara.

Nuestra IA lo contó como un acierto. Esa mañana es la razón por la que puedo decirte, con cierta confianza, cuál es el verdadero problema difícil en la IA aplicada al fitness, y por qué casi nadie está resolviendo la parte que importa.

La estimación de pose es el sensor. No es el cerebro.

Esto es lo que ojalá alguien me hubiera dicho antes de que escribiéramos una sola línea de código: la parte que todos creen que es difícil es gratis.

Rastrear un cuerpo humano a través de una cámara —encontrar las articulaciones, dibujar el esqueleto, seguir 33 puntos clave fotograma a fotograma— es un problema resuelto. BlazePose y MoveNet de Google, el framework MediaPipe, todo ello es de código abierto y funciona en el teléfono que llevas en el bolsillo. Todas las empresas de IA para fitness del planeta usan el mismo puñado de bibliotecas de estimación de pose. Ahí no hay ninguna ventaja competitiva. Aprendí esto por la vía cara, creyendo al principio lo contrario.

La estimación de pose te dice dónde está la rodilla. No te dice si la rodilla está en peligro.

El problema difícil vive una capa más arriba. Es la interpretación: saber que un desplazamiento hacia dentro de cuatro centímetros significa valgo de rodilla, que el valgo de rodilla es un riesgo de nueva lesión para este paciente concreto con este historial concreto, y que debería activar una alerta clínica en lugar de una animación de "buen trabajo". El sensor está mercantilizado. El cerebro no. Esa brecha —entre detectar un movimiento y entenderlo— es el juego entero, y es lo que acabamos construyendo: el motor de verificación de ejercicios.

No entendí esa brecha hasta que nuestro propio producto cayó de lleno en ella.

El contador de "buena repetición" que mentía

Cuando empezamos, hicimos lo que parecía obvio y rápido. Tomamos los puntos clave que salían del modelo de pose, escribimos algo de geometría para medir los ángulos articulares, fijamos un umbral —la rodilla se flexiona más allá de este ángulo, se cuenta una repetición— y lanzamos un motor limpio y pequeño que contaba repeticiones y mostraba consejos de técnica. Se veía precioso en la demostración. Las repeticiones subían. Marcas de verificación verdes. En una sala de reuniones parecía un producto terminado.

El vídeo de la sentadilla rompió esa ilusión. Teníamos los datos por fotograma ahí mismo, en un CSV: podía ver la posición horizontal de la rodilla izquierda del paciente deslizándose medialmente durante el descenso, entre los fotogramas 45 y 72. Podía ver que su rodilla solo alcanzaba 78 grados de flexión cuando el objetivo prescrito era 90. Podía ver que el descenso tardaba alrededor de un segundo y la subida tardaba más del doble: una proporción de 2 a 1 que grita que se dejaba caer en la sentadilla por inercia y luego forzaba para volver a ponerse de pie.

Tres señales de alarma independientes. Profundidad insuficiente, un colapso hacia dentro y un tempo compensatorio. Cualquier fisioterapeuta que echara un vistazo a ese clip habría detenido la sesión. Nuestro software, mirando exactamente los mismos números, devolvió: repetición completa, buena técnica.

Ese fue el fallo que yo mismo había defendido. Yo había sido el que decía "pongamos algo que cuente repeticiones e iteremos": lo austero, lo que se podía lanzar. Y lo austero era activamente peligroso, porque le daba a un paciente en recuperación una retroalimentación positiva y segura mientras reforzaba el movimiento preciso que su cirujano intentaba deshacer.

Un contador de repeticiones que no distingue una sentadilla segura de una insegura no es una versión reducida del producto. Es el producto equivocado vestido con la ropa del producto correcto.

La lección que hay debajo de ese fotograma: los datos brutos de pose son necesarios y están muy lejos de ser suficientes. 78 grados no es "malo" en abstracto —para un paciente post-LCA en la semana ocho que hace dos semanas estaba a 60 grados, podría ser exactamente la cantidad correcta de progreso. El mismo número puede ser un éxito o una advertencia dependiendo por completo de quién se mueve y en qué punto de la recuperación está. Un umbral fijo no puede abarcar eso. La inteligencia sí debe hacerlo.

Por qué la brecha de precisión lo hace más difícil, no más fácil

Añadiré la parte que las demostraciones nunca te muestran, porque nos costó un tiempo respetarla. La cámara de un solo teléfono no es un laboratorio de captura de movimiento.

Cuando los investigadores enfrentaron la estimación de pose monocular contra Qualisys —el sistema de marcadores multicámara de referencia que usan las clínicas para biomecánica real—, MediaPipe correlaciona alrededor de 0,80 para el miembro inferior y 0,91 para el miembro superior. Respetable. Pero el error en algo como el ángulo de flexión de la rodilla oscila entre 9 y 22 grados en 2D, y un artículo de 2025 en Nature Scientific Reports fue tajante al afirmar que los sistemas de una sola cámara "no ofrecen estimaciones precisas de profundidad". Los espejos, la iluminación tenue de una sala de estar, las mallas con estampados, un sofá que ocluye la mitad del cuerpo: cada uno de esos factores degrada aún más la señal.

Así que estás construyendo un juicio clínico sobre un sensor ruidoso. Eso suena a razón para rendirse. En realidad es la razón por la que la capa de interpretación tiene que ser inteligente en lugar de literal. Si tu sistema trata una lectura bruta de 78 grados como palabra sagrada, el propio ruido de la cámara la hará oscilar entre "aprobado" y "suspenso" de una repetición a otra. El trabajo de la capa de inteligencia incluye ponderar qué lecturas creer: suavizar a lo largo de los fotogramas, dar más peso a los patrones que sobreviven al ruido (un desplazamiento medial constante) frente a los que no (una vibración de un solo fotograma), y ser honesta sobre la confianza. Nos apoyamos en modelos temporales para esto; una clase de red llamada red convolucional temporal puede alcanzar un 98,7 % de precisión en el reconocimiento de movimiento en bastante menos de dos milisegundos en un teléfono de gama media, lo suficientemente pequeña como para ejecutarse por completo en el dispositivo. Pero la arquitectura importa menos que el principio: no construyes certeza fingiendo que el sensor es perfecto. La construyes diseñando en torno al hecho de que no lo es.

¿Acaso Hinge Health no lo ha resuelto ya?

Por esta época empecé a recibir la pregunta de "¿esto no está ya resuelto?", normalmente de inversores, y de vez en cuando de mí mismo a las 2 de la madrugada. Los gigantes de la atención musculoesquelética son reales y son grandes. Así que déjame ser preciso sobre lo que hacen y dónde sigue abierta la puerta.

Hinge Health proyecta 732 millones de dólares en ingresos para 2026. Construyeron la visión por computadora TrueMotion para el análisis articular y un asistente de triaje llamado Robin, y tienen los resultados clínicos que lo respaldan: entre sus pacientes, muchísimas menos fusiones espinales y prótesis de rodilla que en la atención tradicional. Sword Health compró Kaia Health por 285 millones de dólares en enero de 2026, integrando el "Motion Coach" de visión por computadora de Kaia en la plataforma de sensores vestibles de Sword, y, según se informa, está recaudando otros quinientos millones. Son empresas formidables.

También son cajas cerradas. Su tecnología de verificación está soldada a su propio modelo de atención, vendida a grandes empleadores empresariales, tarificada y empaquetada como un destino, no como algo que puedas poner dentro de la plataforma de fisioterapia o la app de bienestar que ya estás construyendo. Si diriges una empresa de software de fisioterapia y quieres datos de ejercicio verificados dentro de tu producto, Hinge y Sword no te venden eso. Te venden lo que compite contigo.

El resto del campo se divide con claridad. Peloton IQ lanzó cámaras de seguimiento de técnica en octubre de 2025, pero es fitness de consumo, atado al hardware de Peloton, sin capacidad clínica. Kemtai ofrece una plataforma de visión B2B basada en navegador que rastrea 44 puntos de referencia, lo cual es genuinamente útil, pero es de fitness general y sus reglas de técnica son de talla única, no configurables por paciente por ejercicio. Del lado de la facturación, Limber Health y MedBridge gestionan bien el flujo de trabajo de monitorización remota —los pacientes de Limber completan más del triple de sesiones de ejercicio en casa—, pero gestionan el papeleo de la monitorización; no verifican de forma independiente si el ejercicio se hizo correctamente.

El mercado tiene empresas que verifican el movimiento pero no te dejan construir sobre ellas, y empresas que gestionan la facturación pero no pueden verificar el movimiento. La brecha es un motor que hace la verificación y vive dentro de tu producto.

Esa brecha no es un problema de investigación. Es un problema de ingeniería de integración, y esa distinción es toda la razón por la que un equipo enfocado puede ganar aquí.

¿Por qué un contador de repeticiones no supera una auditoría de RTM?

Para las plataformas de fisioterapia con las que trabajamos, esto dejó de ser algo académico en el momento en que cambió la aritmética del reembolso.

Solo alrededor del 35 % de los pacientes se ciñe por completo a sus programas de ejercicio en casa —la mayoría del resto los abandona dentro del primer mes— y es sabido que los pacientes exageran cuando les preguntas. Los clínicos saben que los datos autoinformados son ficción. Lo que quieren es Monitorización Terapéutica Remota (RTM): un conjunto de códigos de facturación de CMS (del 98975 al 98981) que pagan por monitorizar la recuperación musculoesquelética de un paciente entre visitas. Ingresos recurrentes de verdad.

El truco está en lo que exige la documentación de RTM. Para facturarla y sobrevivir a una auditoría, necesitas datos recopilados por el dispositivo, con marcas de tiempo, vinculados a una decisión clínica real que haya cambiado el plan de tratamiento. Un contador de repeticiones no supera ese listón. "El paciente hizo 30 sentadillas" no es lo mismo que "la calidad de movimiento del paciente disminuyó, lo que provocó un ajuste del protocolo en esta fecha". Aquí es exactamente donde nuestro contador de repeticiones habría dejado expuesta a una clínica. Recuerdo a una fisioterapeuta diciéndonos, con educación, que no podía facturar con nuestros datos porque le decían que él hacía ejercicio, no cómo, y el "cómo" era todo el sentido clínico y legal.

Luego el listón bajó y lo que estaba en juego subió al mismo tiempo. La Norma Final de CMS de 2026 añadió dos códigos nuevos —98979 y 98985— y redujo el umbral de monitorización de 16 días hasta tan solo 2, y el mínimo de tiempo de gestión de 20 minutos a 10. De repente hay muchos más pacientes facturables. Pero el estándar de documentación no se relajó: sigue exigiendo datos del dispositivo vinculados a decisiones de tratamiento. Más clínicas lanzándose a la RTM significa más clínicas generando exactamente ese tipo de datos escasos, de solo conteo, que no se sostienen. La oportunidad de reembolso y el riesgo de documentación crecieron en el mismo aliento.

Hay un matiz regulatorio que corre en paralelo a esto y que da forma a cómo construyes. La guía de la FDA de enero de 2026 permite que una herramienta posicionada puramente como "bienestar" esquive la clasificación como dispositivo médico, algo válido para un contador de pasos. Pero en el momento en que haces una afirmación clínica, cosa que la verificación de RTM hace inherentemente, entras potencialmente en el territorio del software como dispositivo médico, con la validación y la supervisión que eso implica. Así que el mismo motor tiene que estar diseñado para vivir a cualquiera de los dos lados de esa línea según lo que el cliente esté afirmando, lo cual no es una decisión que quieras descubrir tarde.

Así que el motor de ejercicio verificado no es una función deseable pero prescindible para estas plataformas. Es la diferencia entre unos ingresos de RTM que sobreviven a una auditoría y unos ingresos de RTM que se convierten en un reembolso obligado.

El otro comprador en la sala: bienestar sin vigilancia

Casi le presté poca atención a este segundo comprador, y me alegro de que no lo hiciéramos: el material humano es igual de agudo.

Los directores de bienestar corporativo se enfrentan a una versión distinta del mismo problema. Los problemas musculoesqueléticos le cuestan a un empleador alrededor de 486 dólares al año por empleado en gasto directo, más unos 3.105 dólares estimados en pérdida de productividad: 3.591 dólares por cabeza. Hasta un 36 % de las cirugías musculoesqueléticas son innecesarias, un lastre de aproximadamente 90.000 millones de dólares sobre la fuerza laboral. La respuesta del mercado es enorme: el gasto en bienestar corporativo alcanza los 100.000 millones de dólares en 2026, y donde el 83 % de los grandes empleadores ofrecía atención musculoesquelética virtual en 2025, casi todos ellos —el 96 %— planean hacerlo para 2027.

Y aun así, solo alrededor de una cuarta parte de los empleados usa realmente los programas que se le ofrecen. Más de la mitad dice que es reacia a compartir datos de salud con su empleador en absoluto. Tras años de escándalos de sacudir el Fitbit y falsear pasos, los empleados han aprendido que "verificación de bienestar" a menudo significa "mi jefe me está vigilando". Un director de recursos humanos en uno de nuestros primeros pilotos me preguntó, de esa manera medio en broma medio en serio, si lo que habíamos construido "parecía vigilancia". Fue la pregunta más útil que nadie nos hizo, porque la primera respuesta honesta era: podría serlo.

Esa objeción rediseñó nuestra arquitectura. Los mismos puntos clave del esqueleto que hacen posible la verificación de ejercicios son, legalmente, un campo minado: los patrones de movimiento corporal pueden reidentificar a una persona igual que lo hace una huella dactilar, lo que sitúa a los datos de pose de lleno en la conversación sobre leyes de privacidad biométrica como la BIPA de Illinois y el RGPD de Europa. Solo en 2025 se presentaron 107 nuevas demandas colectivas por BIPA en Illinois. Nadie ha demandado todavía a una app de fitness por estimación de pose, pero la teoría jurídica está completamente ensamblada y a la espera.

La solución a "¿esto parece vigilancia?" resultó no ser una política de privacidad. Fue una restricción de diseño: el vídeo bruto y el esqueleto nunca salen del teléfono.

Procesamos el movimiento en el dispositivo y transmitimos únicamente señales de cumplimiento agregadas: el trabajo prescrito se hizo, con esta calidad, en esta fecha, nunca el vídeo, nunca los puntos clave. El empleador obtiene la participación verificada. Los datos corporales del empleado se quedan en el dispositivo del empleado. Esa es la única versión de la verificación corporativa de ejercicio que yo querría que se usara conmigo.

"Pero ¿la cámara de un teléfono no podría nunca ser lo bastante precisa?"

La gente plantea el techo de precisión como razón por la que esto no puede funcionar, y me lo tomo en serio; solo que creo que apunta a la conclusión contraria. Sí, una cámara monocular nunca igualará a un laboratorio de marcadores de 100.000 dólares. Pero la utilidad clínica no requiere ángulos de calidad de laboratorio. Requiere captar de forma fiable los patrones que importan: un desplazamiento constante de la rodilla hacia dentro, una profundidad que retrocede semana tras semana, un tempo que señala compensación. Esas son señales robustas incluso a través del ruido de la cámara, si la capa de interpretación está construida para encontrarlas e ignorar la vibración. El objetivo nunca fue medir 90,0 grados. Fue saber que esta repetición, para esta persona, hoy, va en la dirección equivocada.

La otra pregunta que me hacen es si la nueva oleada de "agentic AI" de la que todo el mundo oye hablar en las conferencias deja obsoleto el trabajo de biomecánica a medida. Es lo contrario. Un agente de salud autónomo que ajusta el plan de ejercicio de un paciente solo es tan fiable como los datos que tiene debajo. Apunta a un agente hacia conteos de repeticiones y optimizará con toda confianza al paciente hasta llevarlo a una lesión más profunda. La capa de inteligencia del ejercicio es lo que hace que la monitorización con agentes sea segura en lugar de temeraria. Cuanto más inteligente sea el agente por encima, más importa que la verificación que hay debajo entienda de verdad el movimiento.

Lo que me enseñó ese fotograma congelado

Reconstruimos el motor en torno a una sola idea: el umbral no es un número, es una decisión clínica, y le pertenece al clínico. Un objetivo de profundidad de sentadilla ajustado a "semana 8 post-LCA" no es el mismo objetivo que "70 años, tras prótesis de rodilla" o "atleta corporativo de 30 años". Así que hicimos los umbrales configurables —fijados por el clínico, por paciente, por ejercicio— y construimos la salida para que fuera lo que tanto la facturación de RTM como un nervioso comprador de bienestar necesitan de verdad: datos de cumplimiento estructurados, con marca de tiempo, mapeados a protocolo y respetuosos con la privacidad. Cámara a la entrada, decisión clínicamente significativa a la salida. Si quieres el panorama completo de cómo encaja esa canalización, está en nuestra página de soluciones.

Sigo pensando en aquel hombre de 62 años haciendo sus sentadillas, confiando en una marca de verificación verde que no tenía ni idea de que su rodilla se estaba plegando. Lo hizo todo bien. Se presentó, hizo el trabajo, siguió las instrucciones. El software le falló en silencio, de una manera que solo un ojo entrenado habría captado, y toda la promesa de poner una IA en su sala de estar era que el ojo entrenado siempre estaría ahí.

Un contador de repeticiones observa moverse a un cuerpo. Un motor de verificación de ejercicios sabe lo que significa el movimiento. Entre esas dos frases hay una rodilla en recuperación, una decisión clínica facturable y un empleado decidiendo si confiar en aquello que lo observa. Eso no es una brecha en la tecnología. Es el trabajo entero.