Abbiamo costruito un'AI che contava squat perfetti. Il ginocchio di un uomo di 62 anni stava cedendo per tutto il tempo.

C'è un fotogramma a cui torno di continuo, congelato su un laptop da qualche parte nel nostro codebase: uno scheletro a 33 punti sovrapposto a un uomo che esegue uno squat a corpo libero nel suo soggiorno. Fotogramma 58 su circa 90. È il disegno del nostro software: i punti sulle sue anche, ginocchia, caviglie, le linee verdi che li collegano. La fotocamera del telefono l'ha catturato a 30 fotogrammi al secondo, e il nostro sistema aveva già valutato la ripetizione.

L'ha valutata come buona.

L'uomo aveva 62 anni, a otto settimane da un intervento di ricostruzione dell'ACL, e stava eseguendo esattamente l'esercizio che il suo fisioterapista gli aveva prescritto. E in quel fotogramma il suo ginocchio sinistro stava cedendo verso l'interno — spostandosi di circa quattro centimetri verso la linea mediana del corpo, allontanandosi dalla linea retta che anca e caviglia avrebbero dovuto mantenere. In un trentenne sano quella è una ripetizione sciatta. In un ginocchio post-ACL, quel collasso verso l'interno è uno degli specifici pattern meccanici che rilacerano il graft che hai appena pagato un chirurgo per impiantare.

La nostra AI l'ha contata come una vittoria. Quella mattina è il motivo per cui posso dirti, con una certa sicurezza, qual è il vero problema difficile nell'AI per il fitness — e perché quasi nessuno sta risolvendo la parte che conta.

La stima della posa (pose estimation) è il sensore. Non è il cervello.

Ecco la cosa che avrei voluto qualcuno mi dicesse prima che scrivessimo una riga di codice: la parte che tutti pensano sia difficile è gratis.

Tracciare un corpo umano attraverso una fotocamera — individuare le articolazioni, disegnare lo scheletro, seguire 33 keypoint fotogramma per fotogramma — è un problema risolto. BlazePose e MoveNet di Google, il framework MediaPipe, tutto quanto è open-source e gira su un telefono nella tua tasca. Ogni azienda di AI per il fitness sulla Terra sta usando la stessa manciata di librerie di pose estimation. Non c'è alcun vantaggio competitivo lì. L'ho imparato nel modo costoso, credendo inizialmente il contrario.

La stima della posa ti dice dove si trova il ginocchio. Non ti dice se il ginocchio è in difficoltà.

Il problema difficile vive un livello più su. È l'interpretazione: sapere che uno spostamento di quattro centimetri verso l'interno significa valgismo del ginocchio, che il valgismo del ginocchio è un rischio di re-infortunio per questo specifico paziente con questa specifica storia clinica, e che dovrebbe attivare un alert clinico anziché un'animazione da "ottimo lavoro". Il sensore è una commodity. Il cervello no. Quel divario — tra rilevare un movimento e comprenderlo — è tutta la partita, ed è ciò per cui alla fine abbiamo costruito il motore di verifica degli esercizi.

Non ho capito quel divario finché il nostro stesso prodotto non ci è caduto dentro in pieno.

Il contatore di "ripetizioni buone" che mentiva

Quando abbiamo iniziato, abbiamo fatto ciò che sembrava ovvio e veloce. Abbiamo preso i keypoint in uscita dal modello di posa, scritto un po' di geometria per misurare gli angoli articolari, impostato una soglia — il ginocchio si piega oltre questo angolo, conta una ripetizione — e rilasciato un motorino pulito che contava le ripetizioni e mostrava suggerimenti sulla forma. Faceva un'ottima figura nelle demo. Le ripetizioni salivano. Spunte verdi. In una sala riunioni sembrava un prodotto finito.

Il video dello squat ha infranto quell'illusione. Avevamo i dati fotogramma per fotogramma proprio lì in un CSV — potevo vedere la posizione orizzontale del ginocchio sinistro del paziente scivolare medialmente durante la discesa, dai fotogrammi 45 al 72. Potevo vedere che il suo ginocchio raggiungeva solo 78 gradi di flessione quando l'obiettivo prescritto era 90. Potevo vedere che la discesa durava circa un secondo e la risalita più del doppio — un rapporto di 2 a 1 che grida che stava cadendo nello squat sfruttando lo slancio per poi arrancare a rialzarsi.

Tre campanelli d'allarme indipendenti. Profondità insufficiente, un collasso verso l'interno e un tempo compensatorio. Qualunque fisioterapista dando un'occhiata a quel filmato avrebbe interrotto la seduta. Il nostro software, guardando esattamente gli stessi numeri, restituiva: ripetizione completata, forma buona.

Quello era il fallimento a favore del quale avevo personalmente argomentato. Ero stato io a dire "facciamo qualcosa che conti le ripetizioni e iteriamo" — la cosa snella, la cosa rilasciabile. E la cosa snella era attivamente pericolosa, perché dava a un paziente in fase di recupero un feedback positivo e sicuro mentre lui rinforzava proprio il movimento che il suo chirurgo stava cercando di disfare.

Un contatore di ripetizioni che non sa distinguere uno squat sicuro da uno pericoloso non è una versione più piccola del prodotto. È il prodotto sbagliato che indossa i vestiti di quello giusto.

La lezione sotto quel fotogramma: i dati grezzi della posa sono necessari e ben lontani dall'essere sufficienti. 78 gradi non sono "cattivi" in astratto — per un paziente post-ACL all'ottava settimana che due settimane fa era a 60 gradi, potrebbe essere esattamente la giusta quantità di progresso. Lo stesso numero può essere un successo o un avvertimento a seconda interamente di chi si sta muovendo e a che punto si trova nel recupero. Una soglia fissa non può reggere tutto questo. L'intelligenza sì.

Perché il divario di accuratezza rende tutto più difficile, non più facile

Aggiungo la parte che le demo non ti mostrano mai, perché ci abbiamo messo un po' a rispettarla. Una singola fotocamera di un telefono non è un laboratorio di motion-capture.

Quando i ricercatori mettono la pose estimation monoculare a confronto diretto con Qualisys — il sistema multi-camera con marker, gold standard, che le cliniche usano per la vera biomeccanica — MediaPipe correla intorno a 0,80 per l'arto inferiore e 0,91 per l'arto superiore. Rispettabile. Ma l'errore su qualcosa come l'angolo di flessione del ginocchio va da 9 a 22 gradi in 2D, e un articolo del 2025 su Nature Scientific Reports è stato netto nel dire che i sistemi a singola camera "non forniscono stime accurate della profondità". Specchi, illuminazione fioca del soggiorno, leggings a fantasia, un divano che occlude metà del corpo — ognuna di queste cose degrada ulteriormente il segnale.

Quindi stai costruendo un giudizio clinico sopra un sensore rumoroso. Sembra un motivo per arrendersi. In realtà è il motivo per cui il livello di interpretazione deve essere intelligente anziché letterale. Se il tuo sistema tratta una lettura grezza di 78 gradi come vangelo, il solo rumore della fotocamera lo farà oscillare tra "promosso" e "bocciato" ripetizione dopo ripetizione. Il compito del livello di intelligenza include il soppesare a quali letture credere — smussando lungo i fotogrammi, dando più peso ai pattern che sopravvivono al rumore (uno spostamento mediale costante) rispetto a quelli che non lo fanno (un jitter di un solo fotogramma), ed essendo onesto sulla confidenza. Per questo ci appoggiamo a modelli temporali; una classe di rete chiamata rete convoluzionale temporale (temporal convolutional network) può raggiungere il 98,7% di accuratezza nel riconoscimento del movimento in ben meno di due millisecondi su un telefono di fascia media, abbastanza piccola da girare interamente sul dispositivo. Ma l'architettura conta meno del principio: non costruisci la certezza fingendo che il sensore sia perfetto. La costruisci progettando per il fatto che non lo è.

Hinge Health non l'ha già risolto?

In quel periodo iniziai a ricevere la domanda "ma questo non è già risolto?", di solito dagli investitori, occasionalmente da me stesso alle 2 di notte. I giganti dell'assistenza muscoloscheletrica sono reali e sono grandi. Quindi lasciami essere preciso su cosa fanno e su dove la porta è ancora aperta.

Hinge Health prevede un fatturato di 732 milioni di dollari per il 2026. Ha costruito la computer vision TrueMotion per l'analisi articolare e un assistente di triage chiamato Robin, e ha i risultati clinici a sostegno — tra i suoi pazienti, un numero drasticamente inferiore di fusioni spinali e protesi al ginocchio rispetto all'assistenza tradizionale. Sword Health ha comprato Kaia Health per 285 milioni di dollari a gennaio 2026, integrando il "Motion Coach" a computer vision di Kaia nella piattaforma a sensori indossabili di Sword, e secondo le notizie sta raccogliendo un altro mezzo miliardo. Sono aziende formidabili.

Sono anche scatole chiuse. La loro tecnologia di verifica è saldata al loro stesso modello di assistenza, venduta ai datori di lavoro enterprise, valutata e confezionata come una destinazione — non come qualcosa che puoi mettere dentro la piattaforma di fisioterapia o l'app di benessere che stai già costruendo. Se gestisci un'azienda di software per la fisioterapia e vuoi dati di esercizio verificati dentro il tuo prodotto, Hinge e Sword non te li vendono. Ti vendono la cosa che ti fa concorrenza.

Il resto del campo si divide nettamente. Peloton IQ ha lanciato fotocamere per il tracciamento della forma a ottobre 2025 — ma è fitness consumer, vincolato all'hardware Peloton, senza alcuna capacità clinica. Kemtai offre una piattaforma di visione B2B basata su browser che traccia 44 landmark, il che è genuinamente utile, ma è fitness generale e le sue regole sulla forma sono uguali per tutti, non configurabili per paziente per esercizio. Sul lato della fatturazione, Limber Health e MedBridge gestiscono bene il flusso di monitoraggio remoto — i pazienti di Limber completano oltre tre volte più sessioni di esercizio a casa — ma gestiscono la burocrazia del monitoraggio; non verificano in modo indipendente se l'esercizio sia stato eseguito correttamente.

Il mercato ha aziende che verificano il movimento ma non ti lasciano costruirci sopra, e aziende che gestiscono la fatturazione ma non sanno verificare il movimento. Il divario è un motore che fa la verifica e vive dentro il tuo prodotto.

Quel divario non è un problema di ricerca. È un problema di ingegneria dell'integrazione, e quella distinzione è l'intera ragione per cui un team focalizzato può vincere qui.

Perché un conteggio di ripetizioni non supera un audit RTM?

Per le piattaforme di fisioterapia con cui lavoriamo, questo ha smesso di essere accademico nel momento in cui i conti dei rimborsi sono cambiati.

Solo circa il 35% dei pazienti aderisce pienamente ai propri programmi di esercizio a casa — la maggior parte del resto abbandona entro il primo mese — e i pazienti sono notoriamente inclini a sovrastimare quando glielo chiedi. I clinici sanno che i dati auto-riferiti sono finzione. Ciò che vogliono è il Remote Therapeutic Monitoring: un insieme di codici di fatturazione CMS (dal 98975 al 98981) che pagano per il monitoraggio del recupero muscoloscheletrico di un paziente tra una visita e l'altra. Vero fatturato ricorrente.

Il problema è ciò che richiede la documentazione RTM. Per fatturarlo e sopravvivere a un audit, servono dati raccolti dai dispositivi — con timestamp, legati a un'effettiva decisione clinica che ha modificato il piano di trattamento. Un conteggio di ripetizioni non supera quell'asticella. "Il paziente ha fatto 30 squat" non è la stessa cosa di "la qualità del movimento del paziente è peggiorata, attivando un aggiustamento del protocollo in questa data". È esattamente qui che il nostro contatore di ripetizioni avrebbe lasciato una clinica esposta. Ricordo una fisioterapista che ci disse, gentilmente, che non poteva fatturare sui nostri dati perché le dicevano che lui si era allenato, non come — e il "come" era l'intero punto clinico e legale.

Poi l'asticella si è abbassata e la posta in gioco si è alzata allo stesso tempo. La Final Rule CMS 2026 ha aggiunto due nuovi codici — 98979 e 98985 — e ha ridotto la soglia di monitoraggio da 16 giorni fino a un minimo di 2, e il minimo di tempo di gestione da 20 minuti a 10. All'improvviso molti più pazienti sono fatturabili. Ma lo standard di documentazione non si è rilassato: continua a richiedere dati dei dispositivi legati alle decisioni di trattamento. Più cliniche che si precipitano nell'RTM significa più cliniche che generano esattamente quel tipo di dati sottili, di solo conteggio, che non reggono. L'opportunità di rimborso e il rischio documentale sono cresciuti nello stesso respiro.

C'è un margine normativo che corre in parallelo a tutto questo e che plasma il modo in cui costruisci. La guidance della FDA del gennaio 2026 permette a uno strumento posizionato puramente come "benessere" di aggirare la classificazione come dispositivo medico — va bene per un contapassi. Ma nel momento in cui fai un'affermazione clinica, cosa che la verifica RTM fa intrinsecamente, sei potenzialmente nel territorio del software-as-a-medical-device, con la validazione e la supervisione che ciò implica. Quindi lo stesso motore deve essere architettato per vivere da entrambi i lati di quella linea a seconda di ciò che il cliente afferma, il che non è una decisione che vuoi scoprire in ritardo.

Quindi il motore di esercizio verificato non è una funzionalità nice-to-have per queste piattaforme. È la differenza tra un fatturato RTM che sopravvive a un audit e un fatturato RTM che diventa una restituzione.

L'altro acquirente nella stanza: benessere senza sorveglianza

Ho quasi sottovalutato questo secondo acquirente, e sono contento che non l'abbiamo fatto — il materiale umano è altrettanto tagliente.

I responsabili del benessere aziendale stanno fissando una versione diversa dello stesso problema. I problemi muscoloscheletrici costano a un datore di lavoro intorno ai 486 dollari all'anno per dipendente in spesa diretta, più una stima di 3.105 dollari in perdita di produttività — 3.591 dollari a testa. Fino al 36% degli interventi muscoloscheletrici sono superflui, un freno di circa 90 miliardi di dollari sulla forza lavoro. La risposta del mercato è enorme: la spesa per il benessere aziendale sta toccando i 100 miliardi di dollari nel 2026, e mentre nel 2025 l'83% dei grandi datori di lavoro offriva assistenza muscoloscheletrica virtuale, quasi tutti — il 96% — intendono farlo entro il 2027.

Eppure solo circa un quarto dei dipendenti usa davvero i programmi che vengono loro offerti. Più della metà dice di essere riluttante a condividere qualsiasi dato sanitario con il proprio datore di lavoro. Dopo anni di scandali di gaming con Fitbit scossi e passi falsificati, i dipendenti hanno imparato che "verifica del benessere" spesso significa "il mio capo mi sta osservando". Un CHRO in uno dei nostri primi pilot mi ha chiesto, in quel modo scherzoso-ma-non-troppo, se ciò che avevamo costruito "sembrasse sorveglianza". È stata la domanda più utile che qualcuno ci abbia mai posto, perché la prima risposta onesta era: potrebbe.

Quell'obiezione ha ricablato la nostra architettura. Gli stessi keypoint scheletrici che rendono possibile la verifica degli esercizi sono, legalmente, un campo minato — i pattern di movimento del corpo possono re-identificare una persona così come fa un'impronta digitale, il che colloca i dati di posa in pieno nella conversazione sulle leggi in materia di privacy biometrica come la BIPA dell'Illinois e il GDPR europeo. Nel solo 2025 sono state depositate 107 nuove class action BIPA in Illinois. Nessuno ha ancora citato in giudizio un'app di fitness per la pose estimation, ma la teoria legale è completamente assemblata e in attesa.

La soluzione per "questa cosa sembra sorveglianza?" si è rivelata non essere una privacy policy. Era un vincolo di progettazione: il video grezzo e lo scheletro non lasciano mai il telefono.

Elaboriamo il movimento sul dispositivo e trasmettiamo solo segnali aggregati di conformità — il lavoro prescritto è stato eseguito, a questa qualità, in questa data — mai il video, mai i keypoint. Il datore di lavoro ottiene una partecipazione verificata. I dati corporei del dipendente restano sul dispositivo del dipendente. È l'unica versione di verifica degli esercizi aziendale che vorrei davvero fosse usata su di me.

"Ma una fotocamera di un telefono non potrà mai essere abbastanza accurata?"

Le persone sollevano il tetto dell'accuratezza come motivo per cui questo non può funzionare, e lo prendo sul serio — semplicemente penso che deponga a favore della conclusione opposta. Sì, una fotocamera monoculare non eguaglierà mai un laboratorio a marker da 100.000 dollari. Ma l'utilità clinica non richiede angoli di qualità da laboratorio. Richiede di cogliere in modo affidabile i pattern che contano: uno spostamento costante del ginocchio verso l'interno, una profondità che regredisce settimana dopo settimana, un tempo che segnala compenso. Quelli sono segnali robusti anche attraverso il rumore della fotocamera, se il livello di interpretazione è costruito per trovarli e ignorare il jitter. L'obiettivo non è mai stato misurare 90,0 gradi. Era sapere che questa ripetizione, per questa persona, oggi, si sta muovendo nella direzione sbagliata.

L'altra domanda che mi viene posta è se la nuova ondata di "agentic AI" di cui tutti sentono parlare alle conferenze renda obsoleto il lavoro personalizzato sulla biomeccanica. È il contrario. Un agente sanitario autonomo che aggiusta il piano di esercizi di un paziente è affidabile solo quanto i dati che gli stanno sotto. Punta un agente su conteggi di ripetizioni e ottimizzerà con sicurezza un paziente sempre più a fondo nell'infortunio. Il livello di intelligenza sull'esercizio è ciò che rende il monitoraggio agentico sicuro anziché avventato. Più intelligente è l'agente in cima, più conta che la verifica sottostante comprenda davvero il movimento.

Cosa mi ha insegnato quel fotogramma congelato

Abbiamo ricostruito il motore attorno a una singola idea: la soglia non è un numero, è una decisione clinica, e appartiene al clinico. Un obiettivo di profondità dello squat calibrato su "ottava settimana post-ACL" non è lo stesso obiettivo di "settantenne, post-protesi al ginocchio" o "atleta aziendale trentenne". Quindi abbiamo reso le soglie configurabili — impostate dal clinico, per paziente, per esercizio — e abbiamo costruito l'output affinché fosse ciò di cui la fatturazione RTM e un nervoso acquirente del benessere hanno entrambi davvero bisogno: dati di conformità strutturati, con timestamp, mappati sul protocollo e rispettosi della privacy. Fotocamera in ingresso, decisione clinicamente significativa in uscita. Se vuoi il quadro completo di come si incastra quella pipeline, lo trovi nella nostra pagina delle soluzioni.

Penso ancora a quell'uomo di 62 anni che faceva i suoi squat, fidandosi di una spunta verde che non aveva idea che il suo ginocchio si stesse piegando. Ha fatto tutto giusto. Si è presentato, ha svolto il lavoro, ha seguito le istruzioni. Il software l'ha tradito in silenzio, in un modo che solo un occhio esperto avrebbe colto — e l'intera promessa di mettere l'AI nel suo soggiorno era che l'occhio esperto sarebbe sempre stato lì.

Un contatore di ripetizioni guarda un corpo muoversi. Un motore di verifica degli esercizi sa cosa significa quel movimento. Tra queste due frasi c'è un ginocchio in fase di recupero, una decisione clinica fatturabile e un dipendente che decide se fidarsi della cosa che lo osserva. Quello non è un divario nella tecnologia. È l'intero lavoro.