Je AI-fitnesscoach is drie seconden te traag om je rug te redden

Ik zag een man bijna zijn onderrug verwoesten omdat een app hem op het verkeerde moment het verkeerde vertelde.

Hij stond in een commerciële sportschool in Bangalore, zijn telefoon tegen een dumbbell gezet, met een van die AI-coachingapps die belooft "je houding in realtime te bewaken." Hij was aan het squatten — niet zwaar, misschien 80 kilo — en ergens rond de vierde rep begon zijn lendenwervelkolom te ronden. De klassieke butt wink. Schuifkrachten die opliepen op zijn L4-L5-wervels, discuscompressie die verschoof van veilig naar gevaarlijk.

De app trilde en zei: "Houd je borst omhoog."

Maar het zei het bij zijn vijfde rep. Die waarbij zijn houding eigenlijk prima was. De correctie was voor rep vier — drie seconden geleden, een eeuwigheid in de biomechanica — en nu bracht ze hem in de war zodat hij een rep overcorrigeerde die geen correctie nodig had. Hij paste zich midden in de lift aan, verloor zijn bracing en ik zag zijn rug erger ronden dan daarvoor.

Dat moment maakte iets concreet wat ik bij Veriprajna al maanden vermoedde: de hele architectuur waarop de meeste fitness-AI-bedrijven bouwen is niet alleen traag — ze is biomechanisch gevaarlijk. Het latentiegat tussen het moment waarop een cloudgebaseerde AI een probleem "ziet" en het moment waarop de feedback de gebruiker bereikt, is geen klein UX-ongemak. Het is een aansprakelijkheid. En in de context van belaste wervelkolombewegingen is het het verschil tussen een correctie en een blessure.

Het 200-milliseconde-budget waar niemand over praat

Hier is een getal dat op het voorhoofd van elke fitnesstech-oprichter getatoeëerd zou moeten staan: 200 milliseconden.

Dat is ongeveer de totale tijd die een mens heeft om een visuele prikkel waar te nemen en een motorische correctie in gang te zetten. Voor topatleten ligt het dichter bij 150 ms. Voor de gemiddelde sportschoolbezoeker misschien 250 ms. Auditieve en haptische signalen zijn sneller — 25 tot 100 milliseconden.

Dit is niet mijn mening. Het is fysiologie. En het creëert wat ik een "latentiebudget" noem voor elk systeem dat menselijke beweging in realtime wil coachen. Als de totale systeemlatentie — van de camera die een frame vastlegt tot de gebruiker die een haptische trilling voelt — de 200 ms overschrijdt, komt de feedback te laat om de huidige bewegingsfase te beïnvloeden. Ze wordt decoratie. Of erger nog, interferentie.

Bekijk nu de kinematica van een back squat. De afdaling duurt 1,5 tot 2 seconden. De overgang onderin — de "bounce", waar je wervelkolom het kwetsbaarst is — duurt vaak minder dan 200 milliseconden. Als je lendenwervelkolom halverwege de afdaling begint te flexen, pieken de schuifkrachten onmiddellijk. Een coachingsignaal moet aankomen voordat je maximale diepte en belasting bereikt.

Een waarschuwing die drie seconden nadat je wervelkolom rondt aankomt, is geen coaching. Het is een post-mortem.

De meeste mensen die AI-fitnessproducten bouwen, denken hier niet over na. Ze denken aan het model. Ze denken aan de prompt. Ze denken aan de UI. Ze denken niet aan de fysica van feedbacktiming en wat er gebeurt als je correctie loskoppelt van fout in een doorlopende set reps.

Waarom faalt cloud-AI voor realtime fitness?

Ik moet hier specifiek zijn, want "de cloud is traag" is een vage klacht. Laat me je meenemen door wat er werkelijk gebeurt wanneer een fitness-app een videoframe naar GPT-4o Vision of AWS Rekognition stuurt voor houdingsanalyse.

Frame vastleggen en encoderen: 50 tot 100 milliseconden. Je telefoon pakt een 1080p-frame, comprimeert het tot JPEG en encodeert het vaak in Base64 voor API-transmissie. Je kunt niet agressief downsamplen, omdat je resolutie nodig hebt om subtiele keypoints zoals enkelinversie te detecteren.

Netwerktransmissie (uplink): 100 tot 1.000 milliseconden. Hier wordt het lelijk. Sportscholen zijn RF-nachtmerries — kelders, gebouwen met metalen frames die als kooien van Faraday werken, overbelaste openbare wifi. Het uploaden van een afbeelding van 2 MB via een schommelende LTE-verbinding kan overal tussen 200 ms en meer dan een seconde duren.

Serverwachtrij en inferentie: 500 tot 4.000 milliseconden. Het verzoek komt aan bij de servers van OpenAI of Google en gaat in een wachtrij. De audiolatentie van GPT-4o benchmarkt rond de 320 ms, maar visuele analyse is aanzienlijk trager — vaak 2 tot 4 seconden, afhankelijk van de serverbelasting.

Responstransmissie en rendering: Nog eens 250 tot 600 milliseconden voor tokengeneratie, downlink, JSON-parsing en text-to-speech.

Tel alles bij elkaar op. Best case met glasvezelwifi: ongeveer 1,5 seconde. Typisch sportschoolscenario: 3 tot 5 seconden.

Ik herinner me de avond dat mijn team en ik gingen zitten en dit daadwerkelijk end-to-end hebben gemeten. We waren ervan uitgegaan dat het cloudpad "snel genoeg" was, omdat het marketingmateriaal "realtime" beloofde. We bouwden een testopstelling — telefoon op een statief, een teamlid dat gecontroleerde squats deed, timestamps bij elke fase van de pipeline. Toen we de cijfers terugzagen, viel er een lange stilte. Iemand zei: "Dus we bouwen eigenlijk een dashcam, geen spotter." Dat was het moment waarop we zes weken werk schrapten en opnieuw begonnen.

Het probleem van negatieve transfer

Het latentiegat maakt feedback niet alleen laat. Het maakt feedback schadelijk.

In onderzoek naar motorisch leren bestaat er een goed bestudeerd fenomeen dat negatieve transfer heet. Het treedt op wanneer feedback ongesynchroniseerd aankomt ten opzichte van de handeling waarnaar ze verwijst. In een doorlopende set oefeningen betekent een vertraging van 3 seconden dat de correctie voor rep 1 aankomt terwijl je rep 2 uitvoert.

Je brein weet niet dat de feedback verouderd is. Het koppelt het signaal aan wat je op dit moment aan het doen bent. Als de AI "Houd je borst omhoog" zegt tijdens een rep waarin je borst al omhoog is, koppel je de correctie onbewust aan je huidige (correcte) gedrag. Je overcorrigeert bij rep 3. Je houding gaat achteruit. De AI, als die nog kijkt, ziet nu een nieuwe fout — een die ze zelf heeft veroorzaakt.

Ik heb dit feedbackloop-probleem uitgebreid beschreven in de interactieve versie van ons onderzoek. De literatuur over motorisch leren is duidelijk: gelijktijdige feedback die niet perfect getimed is, helpt niet alleen niet — ze verstoort actief de intrinsieke foutdetectiemechanismen van het brein.

En er is ook een dimensie van cognitieve belasting. Tijdens een zware lift beheert een atleet balans, intra-abdominale druk, hefboomwerking en ademhaling. Late feedback werkt als een neurocognitieve afleider. Onderzoek naar het "11+"-blessurepreventieprogramma toont aan dat alles wat de zintuiglijke verwerking vertraagt, de beschikbare tijd voor motorische coördinatiecorrecties verkort. De AI is in feite verwerkingskracht aan het stelen uit het brein van de atleet, waardoor het blessurerisico toeneemt in plaats van afneemt.

Een AI-spotter die achterloopt, beschermt de gebruiker niet. Hij concurreert met hem om aandacht op het slechtst denkbare moment.

Wat gebeurt er als je de intelligentie naar de telefoon verplaatst?

Hier verandert het verhaal.

Moderne smartphones worden geleverd met speciale Neural Processing Units — de Apple Neural Engine, Qualcomms Hexagon DSP. Deze chips zijn specifiek ontworpen voor de matrixvermenigvuldigingsbewerkingen die neurale netwerken aandrijven. Ze zitten op dit moment in je zak, grotendeels inactief, in staat om geavanceerde computervisiemodellen met 30+ frames per seconde te draaien terwijl ze de batterij nauwelijks belasten.

We hebben drie open-source-pose-estimatiemodellen geëvalueerd: BlazePose (Google's MediaPipe), MoveNet (TensorFlow Lite) en YOLOv11-Pose. Elk heeft zijn afwegingen, maar voor een toegewijde personal-trainer-app waarbij nauwkeurigheid belangrijker is dan het volgen van meerdere personen, won BlazePose overtuigend.

Waarom? Twee redenen. Ten eerste detecteert het 33 keypoints — aanzienlijk meer dan de standaardtopologie met 17 punten. Dat omvat gedetailleerde hand- en voetlandmarks, die enorm belangrijk zijn voor het analyseren van de grijpbreedte in een bench press of de voetstabiliteit in een squat. Ten tweede leidt het 3D-coördinaten af. Die schatting van de Z-as betekent dat het roterende beweging kan detecteren — zoals een knie die naar binnen zakt tijdens een lunge — die een 2D-model volledig zou missen.

De latentierekensom op het apparaat lijkt in niets op die van de cloud:

Cameraopname: 30 ms. Inferentie op de NPU: 15 ms. Hoekberekeningslogica: minder dan 1 ms. Feedbacktrigger: minder dan 1 ms.

Totaal: ongeveer 46 milliseconden. Ruim onder de drempel van 200 ms voor de menselijke reactietijd. De AI kan een houdingsfout sneller detecteren en erop reageren dan het zenuwstelsel van de gebruiker zelf de fout kan registreren.

Er was een moment — ik geloof dat het een dinsdagavond was, het kantoor was grotendeels leeg — waarop we de on-device-pipeline voor het eerst end-to-end aan de praat kregen. Een van mijn engineers deed squats met zijn eigen lichaamsgewicht voor de camera van zijn laptop, en de skeletoverlay volgde hem met een griezelige precisie. Geen vertraging. Geen jitter. De haptische trilling bereikte zijn telefoon op het exacte moment waarop zijn knie naar binnen begon te drijven. Hij stopte, keek me aan en zei: "Het voelt alsof het in de beweging zit." Dat was het moment waarop ik wist dat we iets hadden.

Hoe voorkom je dat het skelet trilt?

Ruwe output van een neuraal netwerk is ruizig. Keypoints trillen van frame tot frame door pixelkwantisatie en fluctuerende modelbetrouwbaarheid. Als je de kniehoek uit ruwe data berekent, springt het getal rond — 90°, 85°, 92° — zelfs wanneer de gebruiker stilstaat. Hierdoor voelt de ervaring kapot aan.

De voor de hand liggende oplossing is smoothing. Middel de laatste 10 frames en de jitter verdwijnt. Maar je hebt zojuist 333 milliseconden vertraging geïntroduceerd bij 30 FPS. Je hebt de latentie die je maanden hebt weggewerkt opnieuw geïntroduceerd.

Wij gebruiken het 1€-filter — een eerste-orde low-passfilter met een adaptieve afkapfrequentie. Het is de industriestandaard voor realtime mens-computerinteractie, gebruikt in VR-gaming en precisiecursortracking. De elegantie zit in de adaptiviteit: wanneer de gebruiker een plank vasthoudt (lage snelheid), gladstrijkt het filter agressief, waardoor het skelet rotsvast oogt. Wanneer de gebruiker in een squat zakt (hoge snelheid), trekt het filter zich terug en geeft het voorrang aan responsiviteit boven vloeiendheid.

Mensen vragen me soms waarom we geen Kalmanfilters gebruiken. Kalmanfilters zijn prachtig voor het voorspellen van ballistische banen — raketten, satellieten. Maar menselijke beweging is grillig en niet-lineair. Een Kalmanfilter afstemmen voor algemene fitness over duizenden lichaamstypen en bewegingspatronen is een nachtmerrie. Het 1€-filter is lichtgewicht, eenvoudig af te stemmen met slechts twee parameters, en gaat soepel om met de onvoorspelbaarheid van menselijke beweging. Voor de volledige technische uiteenzetting van onze signaalverwerkingsaanpak, zie onze onderzoekspaper.

De sportschoolmaat van $36 per uur

Naast de fysica is er een meedogenloos economisch argument tegen cloudgebaseerde fitness-AI dat de meeste oprichters te laat ontdekken.

De input van GPT-4o Vision kost ongeveer $0,001 per afbeelding. Voor houdingsanalyse van veiligheidsniveau heb je minimaal 10 frames per seconde nodig. Dat zijn 600 frames per minuut. $0,60 per minuut. $36 per uur.

Geen enkele consument betaalt $36 per uur voor een geautomatiseerde sportschoolmaat. Dus ontwikkelaars doen het enige wat ze kunnen: ze knijpen de framerate af tot eens per 5 of 10 seconden. Wat betekent dat het product je houding nu twee keer controleert tijdens een set squats. Dat is geen spotter. Dat is een ideeënbus.

We hadden een investeerdersgesprek — dit was in een vroeg stadium — waarbij iemand naar onze edge-first-architectuur keek en zei: "Waarom niet gewoon GPT-4o gebruiken? Het kan nu video zien." Ik pakte de kostenberekening erbij op een servet. 50.000 maandelijks actieve gebruikers, elk 10 sessies per maand, continue analyse. Meer dan $250.000 per maand aan alleen al API-kosten. Het werd stil in de kamer.

Met edge-AI zijn de kosten om één miljoen squats te analyseren gelijk aan de kosten om er één te analyseren: nul. De telefoon van de gebruiker is de server.

Het edge-model draait de economie volledig om. Zodra de app is gedownload, gebeurt de berekening op de iPhone van $1.000 van de gebruiker. Geen API-aanroepen, geen bandbreedtekosten, geen serverschaling. Als de app van de ene op de andere dag viraal gaat en 100.000 gebruikers wint, verandert de infrastructuurrekening niet. De architectuur is oneindig schaalbaar omdat er niets te schalen valt.

En het batterijverbruik dan?

Dit is het eerste bezwaar dat elke engineer opwerpt, en het is terecht. Een neuraal netwerk 30 keer per seconde draaien klinkt als een recept voor een telefoon die na 20 minuten leeg is en heet genoeg om een ei op te bakken.

Maar de data vertelt een contra-intuïtief verhaal. Het energieverbruik van een smartphone wordt gedomineerd door twee dingen: het scherm en de mobiele radio. Continu video naar de cloud streamen houdt de radio in een hoogvermogenstoestand, wat een enorme batterijslurper is. Lokale NPU-inferentie is daarentegen specifiek ontworpen voor energiezuinige werking — ordes van grootte efficiënter per bewerking dan de general-purpose CPU.

Daar bovenop leggen we drie mitigatiestrategieën: adaptieve framerate (afknijpen tot 1 FPS tijdens rustperioden), int8-kwantisatie (het verkleinen van de gewichten van het model van 32-bit naar 8-bit, wat de omvang met 4x reduceert met verwaarloosbaar nauwkeurigheidsverlies), en hysteresekoeling (het monitoren van de thermische toestand van het apparaat en proactief overschakelen naar een lichter model voordat het OS een harde throttling afdwingt). In onze tests draaien sessies van een uur comfortabel zonder oververhitting of noemenswaardige impact op de batterij.

Het privacyargument dat niemand luid genoeg maakt

Er is een dimensie aan dit alles die verder gaat dan prestaties en kosten, en het is degene die me 's nachts wakker houdt.

Cloudgebaseerde fitness-AI betekent dat je video van je lichaam naar een externe server streamt. Biometrische data — lichaamsgeometrie, looppatronen, bewegingssignaturen — is streng gereguleerd onder BIPA in Illinois, GDPR in Europa en CCPA in Californië. De juridische blootstelling voor bedrijven die deze data verzamelen zonder waterdicht toestemmings- en bewaarbeleid is enorm. BIPA alleen al heeft geleid tot enorme collectieve schikkingen.

Bij edge-verwerking leven de videoframes in het RAM van het apparaat en worden ze onmiddellijk weggegooid. Ze worden nooit naar schijf geschreven. Nooit verzonden. De gebruiker behoudt te allen tijde het bezit van zijn data.

Een app die in vliegtuigmodus werkt, doet een belofte over privacy die geen enkele servicevoorwaardenpagina kan evenaren.

Ik heb gemerkt dat wanneer we gebruikers vertellen "je video verlaat je telefoon nooit", de vertrouwensverschuiving voelbaar is. Voor hen is het geen juridisch argument. Het is een onderbuikgevoel. Ze ontspannen. Ze gebruiken de app daadwerkelijk in hun slaapkamer of garage — plekken waar ze nooit een camera zouden richten die verbonden is met een cloudserver.

Waar hoort de cloud dan wél thuis?

Ik ben niet tegen de cloud. Ik ben tegen de cloud voor de verkeerde taak.

We bouwen wat ik zie als een hybride architectuur met twee loops. De hot loop draait on-device: BlazePose op de NPU, latentie onder de 50 ms, verantwoordelijk voor veiligheid, spotting en het tellen van reps. Hij verwerkt hoogfrequente video en gooit die na gebruik weg. De feedback is onmiddellijk — een haptische trilling, een kort audiosignaal als "Knieën naar buiten."

De cold loop draait in de cloud, maar raakt nooit video aan. Hij ontvangt lichtgewicht JSON-metadata — "Set 1: gemiddelde diepte 90°, wervelkolomhoek 170°, houdingsfout bij rep 4." Een LLM verwerkt dit over minuten of uren en genereert gepersonaliseerde inzichten: "Je houding gaat consistent achteruit in set 4. Laten we volgende week het volume verlagen en uithoudingsvermogen opbouwen."

Dit geeft je de conversationele intelligentie van een GPT — "Hoe was mijn training?" — zonder de snelheid van de edge-spotter op te offeren. De data die naar de cloud reist, bestaat uit een paar kilobyte aan getallen, geen gigabytes aan video. Het privacy-aanvalsoppervlak krimpt tot bijna niets.

Mensen vragen me of deze hybride aanpak betekent dat we alleen maar de onvermijdelijke overstap naar volledige cloud uitstellen zodra de modellen sneller worden. Ik denk het niet. De fysica van netwerktransmissie verandert niet. Licht door glasvezel heeft een snelheidslimiet. Zendmasten kennen congestie. Sportscholen zullen altijd RF-vijandige omgevingen zijn. En het fundamentele inzicht — dat de telefoon van de gebruiker al de rekenkracht heeft om deze taak te doen — wordt alleen maar meer waar met elke hardwaregeneratie. De NPU's in de telefoons van volgend jaar zullen twee keer zo snel zijn als die van dit jaar. De kloof wordt groter in ons voordeel.

De architectuur ís het product

Het afgelopen jaar heb ik een standpunt verdedigd dat sommige mensen in de AI-fitnesswereld ongemakkelijk vinden: je keuze voor een architectuur is geen technisch implementatiedetail. Het ís het product.

Als je architectuur een vertraging van 3 seconden introduceert, heb je geen spotter gebouwd. Je hebt een commentator gebouwd. Als je architectuur vereist dat er video naar een server wordt gestreamd, heb je geen privacyrespecterend product gebouwd. Je hebt een surveillancetool met een fitnessjasje gebouwd. Als je architectuur $36 per uur per gebruiker kost, heb je geen bedrijf gebouwd. Je hebt een demo gebouwd.

De industrie liet zich verleiden door de mogelijkheden van grote multimodale modellen — en die mogelijkheden zijn oprecht indrukwekkend voor de juiste use cases. Langdurige videoanalyse, conversationele coaching, gepersonaliseerde programmering. Maar de juiste use case voor een inferentiepipeline van 3 seconden is nooit realtime blessurepreventie tijdens belaste wervelkolombewegingen.

800 milliseconden is een eeuwigheid in de biomechanica. Als je AI niet sneller kan reageren dan het menselijke zenuwstelsel, is het geen coach — het is publiek.

De telefoon in je zak heeft een chip die is ontworpen om neurale netwerken te draaien met de snelheid van het denken. De camera is al op de gebruiker gericht. De haptische motor is er al. Alles wat je nodig hebt om een systeem te bouwen dat een atleet echt ziet — niet een dat een vertraagde video van hem bekijkt — ligt in de hand van de gebruiker.

De vraag die elk fitnesstech-bedrijf eerlijk moet beantwoorden: kijkt je app naar een video, of spot hij de gebruiker? Want de wervelkolom van de atleet geeft niets om je marketingtekst. Die geeft alleen om milliseconden.