Construímos uma IA que contava agachamentos perfeitos. O joelho de um homem de 62 anos estava desabando o tempo todo.

Há um quadro ao qual sempre volto, congelado em algum laptop em nossa base de código: um esqueleto de 33 pontos sobreposto a um homem fazendo um agachamento com peso corporal na sala de estar. Quadro 58 de cerca de 90. É o desenho do nosso software — os pontos nos quadris, joelhos, tornozelos, as linhas verdes conectando-os. A câmera do celular capturou isso a 30 quadros por segundo, e nosso sistema já havia pontuado a repetição.

Ele a pontuou como boa.

O homem tinha 62 anos, oito semanas após uma cirurgia de reconstrução do LCA, fazendo exatamente o exercício que seu fisioterapeuta havia prescrito. E, naquele quadro, o joelho esquerdo dele estava desabando para dentro — desviando cerca de quatro centímetros em direção à linha média do corpo, afastando-se da linha reta que o quadril e o tornozelo deveriam manter. Em um jovem saudável de 30 anos, isso é uma repetição desleixada. Em um joelho pós-LCA, esse colapso para dentro é um dos padrões mecânicos específicos que rompe novamente o enxerto que você acabou de pagar a um cirurgião para instalar.

Nossa IA a contabilizou como uma vitória. Aquela manhã é a razão pela qual posso lhe dizer, com alguma confiança, qual é o verdadeiro problema difícil na IA de fitness — e por que quase ninguém está resolvendo a parte que importa.

A estimativa de pose é o sensor. Ela não é o cérebro.

Eis o que eu gostaria que alguém tivesse me dito antes de escrevermos uma linha de código: a parte que todo mundo acha difícil é de graça.

Rastrear um corpo humano por uma câmera — encontrar as articulações, desenhar o esqueleto, seguir 33 pontos-chave quadro a quadro — é um problema resolvido. O BlazePose e o MoveNet do Google, o framework MediaPipe, tudo isso é de código aberto e roda em um celular no seu bolso. Toda empresa de IA de fitness do planeta está usando o mesmo punhado de bibliotecas de estimativa de pose. Não há barreira competitiva ali. Aprendi isso do jeito caro, acreditando inicialmente no contrário.

A estimativa de pose lhe diz onde o joelho está. Ela não lhe diz se o joelho está em apuros.

O problema difícil vive uma camada acima. É a interpretação: saber que um desvio de quatro centímetros para dentro significa valgo do joelho, que o valgo do joelho é um risco de nova lesão para este paciente específico com este histórico específico, e que isso deveria disparar um alerta ao clínico em vez de uma animação de "bom trabalho". O sensor é comoditizado. O cérebro não é. Essa lacuna — entre sentir um movimento e compreendê-lo — é o jogo inteiro, e é o que acabamos construindo: o motor de verificação de exercícios.

Eu não entendia a lacuna até nosso próprio produto cair direto nela.

O contador de "boa repetição" que mentia

Quando começamos, fizemos o que parecia óbvio e rápido. Pegamos os pontos-chave que saíam do modelo de pose, escrevemos alguma geometria para medir ângulos articulares, definimos um limiar — o joelho flexiona além deste ângulo, conta uma repetição — e lançamos um motorzinho limpo que contava repetições e exibia dicas de forma. Ele demonstrava lindamente. As repetições subiam. Marcas de verificação verdes. Numa sala de reunião, parecia um produto acabado.

O vídeo do agachamento quebrou essa ilusão. Tínhamos os dados quadro a quadro bem ali em um CSV — eu podia ver a posição horizontal do joelho esquerdo do paciente deslizando medialmente durante a descida, dos quadros 45 ao 72. Eu podia ver que o joelho dele só atingia 78 graus de flexão quando a meta prescrita era 90. Eu podia ver que a descida levava cerca de um segundo e a volta para cima levava mais que o dobro disso — uma razão de 2 para 1 que grita que ele estava caindo no agachamento por inércia e depois se esforçando para voltar a ficar de pé.

Três sinais de alerta independentes. Profundidade insuficiente, um colapso para dentro e uma cadência compensatória. Qualquer fisioterapeuta olhando de relance para aquele clipe teria interrompido a sessão. Nosso software, olhando para os exatos mesmos números, retornava: repetição concluída, boa forma.

Aquela foi a falha pela qual eu pessoalmente havia argumentado. Eu tinha sido quem dizia "vamos colocar algo contando repetições e iterar" — a coisa enxuta, a coisa que dá para lançar. E a coisa enxuta era ativamente perigosa, porque dava a um paciente em recuperação um retorno positivo confiante enquanto ele reforçava exatamente o movimento que seu cirurgião estava tentando desfazer.

Um contador de repetições que não consegue distinguir um agachamento seguro de um inseguro não é uma versão menor do produto. É o produto errado vestindo as roupas do produto certo.

A lição por trás daquele quadro: os dados brutos de pose são necessários e nem de longe suficientes. 78 graus não é "ruim" no abstrato — para um paciente pós-LCA na oitava semana que estava em 60 graus duas semanas atrás, pode ser exatamente a quantidade certa de progresso. O mesmo número pode ser um sucesso ou um aviso, dependendo inteiramente de quem está se movendo e de onde essa pessoa está na recuperação. Um limiar fixo não consegue sustentar isso. A inteligência tem que sustentar.

Por que a lacuna de precisão torna isso mais difícil, não mais fácil

Vou acrescentar a parte que as demonstrações nunca mostram, porque levamos um tempo para respeitá-la. A câmera de um único celular não é um laboratório de captura de movimento.

Quando pesquisadores colocaram a estimativa de pose monocular frente a frente com o Qualisys — o sistema padrão-ouro, de múltiplas câmeras e marcadores que as clínicas usam para biomecânica de verdade —, o MediaPipe correlaciona-se em torno de 0,80 para o membro inferior e 0,91 para o membro superior. Respeitável. Mas o erro em algo como o ângulo de flexão do joelho varia de 9 a 22 graus em 2D, e um artigo de 2025 na Nature Scientific Reports foi contundente ao dizer que os sistemas de câmera única "não fornecem estimativas de profundidade precisas". Espelhos, iluminação fraca de sala de estar, leggings estampadas, um sofá obstruindo metade do corpo — cada um deles degrada ainda mais o sinal.

Então você está construindo um julgamento clínico em cima de um sensor ruidoso. Isso soa como um motivo para desistir. Na verdade, é o motivo pelo qual a camada de interpretação precisa ser inteligente em vez de literal. Se o seu sistema tratar uma leitura bruta de 78 graus como verdade absoluta, o ruído da câmera sozinho fará com que ele oscile entre "aprovado" e "reprovado" de uma repetição para outra. O trabalho da camada de inteligência inclui ponderar em quais leituras acreditar — suavizando ao longo dos quadros, dando mais peso aos padrões que sobrevivem ao ruído (um desvio medial consistente) do que aos que não sobrevivem (uma oscilação de um único quadro), e sendo honesta quanto à confiança. Apoiamo-nos em modelos temporais para isso; uma classe de rede chamada rede convolucional temporal pode atingir 98,7% de precisão no reconhecimento de movimento em bem menos de dois milissegundos em um celular intermediário, pequena o bastante para rodar inteiramente no dispositivo. Mas a arquitetura importa menos do que o princípio: você não constrói certeza fingindo que o sensor é perfeito. Você a constrói projetando para o fato de que ele não é.

O Hinge Health já não resolveu isso?

Por volta dessa época, comecei a receber a pergunta "isso já não está resolvido?", geralmente de investidores, ocasionalmente de mim mesmo às 2 da manhã. As gigantes de cuidados musculoesqueléticos são reais e são grandes. Então deixe-me ser preciso sobre o que elas fazem e onde a porta ainda está aberta.

A Hinge Health está projetando US$ 732 milhões em receita para 2026. Eles construíram a visão computacional TrueMotion para análise de articulações e um assistente de triagem chamado Robin, e têm os resultados clínicos para respaldar isso — entre seus pacientes, uma quantidade drasticamente menor de fusões espinhais e substituições de joelho do que no cuidado tradicional. A Sword Health comprou a Kaia Health por US$ 285 milhões em janeiro de 2026, incorporando a visão computacional "Motion Coach" da Kaia à plataforma de sensores vestíveis da Sword, e está supostamente captando mais meio bilhão. São empresas formidáveis.

Elas também são caixas fechadas. A tecnologia de verificação delas está soldada ao seu próprio modelo de cuidado, vendida a empregadores corporativos, precificada e empacotada como um destino — não como algo que você pode colocar dentro da plataforma de fisioterapia ou do aplicativo de bem-estar que você já está construindo. Se você administra uma empresa de software de fisioterapia e quer dados de exercícios verificados dentro do seu produto, a Hinge e a Sword não lhe vendem isso. Elas lhe vendem a coisa que compete com você.

O resto do campo se divide de forma nítida. O Peloton IQ lançou câmeras de rastreamento de forma em outubro de 2025 — mas é fitness de consumo, travado ao hardware da Peloton, sem capacidade clínica. A Kemtai oferece uma plataforma de visão B2B baseada em navegador que rastreia 44 pontos de referência, o que é genuinamente útil, mas é fitness geral e suas regras de forma são de tamanho único, não configuráveis por paciente por exercício. No lado do faturamento, a Limber Health e a MedBridge lidam bem com o fluxo de trabalho de monitoramento remoto — os pacientes da Limber completam mais de três vezes mais sessões de exercícios em casa —, mas elas gerenciam a papelada do monitoramento; elas não verificam de forma independente se o exercício foi feito corretamente.

O mercado tem empresas que verificam o movimento mas não deixam você construir sobre elas, e empresas que lidam com o faturamento mas não conseguem verificar o movimento. A lacuna é um motor que faz a verificação e vive dentro do seu produto.

Essa lacuna não é um problema de pesquisa. É um problema de engenharia de integração, e essa distinção é a razão inteira pela qual uma equipe focada pode vencer aqui.

Por que uma contagem de repetições reprova em uma auditoria de RTM?

Para as plataformas de fisioterapia com quem trabalhamos, isso deixou de ser acadêmico no momento em que a matemática do reembolso mudou.

Apenas cerca de 35% dos pacientes seguem integralmente seus programas de exercícios em casa — a maioria dos demais desiste no primeiro mês — e os pacientes notoriamente exageram nos relatos quando você pergunta. Os clínicos sabem que os dados autorrelatados são ficção. O que eles querem é o Monitoramento Terapêutico Remoto: um conjunto de códigos de faturamento do CMS (98975 a 98981) que pagam pelo monitoramento da recuperação musculoesquelética de um paciente entre as consultas. Receita recorrente de verdade.

O problema é o que a documentação de RTM exige. Para faturá-lo e sobreviver a uma auditoria, você precisa de dados coletados por dispositivo — com carimbos de data e hora, vinculados a uma decisão clínica real que mudou o plano de tratamento. Uma contagem de repetições não passa nessa barreira. "O paciente fez 30 agachamentos" não é o mesmo que "a qualidade de movimento do paciente declinou, disparando um ajuste de protocolo nesta data". É exatamente aqui que nosso contador de repetições teria deixado uma clínica exposta. Lembro-me de uma fisioterapeuta nos dizendo, educadamente, que ela não podia faturar com base nos nossos dados porque eles diziam a ela que ele se exercitou, não como — e o "como" era todo o ponto clínico e legal.

Depois, a barreira baixou e o risco aumentou ao mesmo tempo. A Regra Final de 2026 do CMS adicionou dois novos códigos — 98979 e 98985 — e reduziu o limiar de monitoramento de 16 dias para apenas 2, e o tempo mínimo de gestão de 20 minutos para 10. De repente, muito mais pacientes são faturáveis. Mas o padrão de documentação não relaxou: ele ainda exige dados de dispositivo vinculados a decisões de tratamento. Mais clínicas se lançando ao RTM significa mais clínicas gerando exatamente o tipo de dado raso, de mera contagem, que não se sustenta. A oportunidade de reembolso e o risco de documentação cresceram no mesmo fôlego.

Há uma aresta regulatória que corre ao lado disso e que molda como você constrói. A orientação de janeiro de 2026 da FDA permite que uma ferramenta posicionada puramente como "bem-estar" contorne a classificação de dispositivo médico — tudo bem para um contador de passos. Mas no momento em que você faz uma alegação clínica, o que a verificação de RTM inerentemente faz, você está potencialmente no território de software como dispositivo médico, com a validação e a supervisão que isso implica. Então o mesmo motor precisa ser arquitetado para viver de qualquer um dos lados dessa linha, dependendo do que o cliente está alegando, o que não é uma decisão que você queira descobrir tarde.

Então o motor de exercícios verificados não é um recurso bom de ter para essas plataformas. É a diferença entre uma receita de RTM que sobrevive a uma auditoria e uma receita de RTM que se torna um estorno.

O outro comprador na sala: bem-estar sem vigilância

Eu quase subatendi esse segundo comprador, e fico feliz que não o tenhamos feito — o material humano é igualmente afiado.

Diretores de bem-estar corporativo estão encarando uma versão diferente do mesmo problema. Os problemas musculoesqueléticos custam a um empregador algo em torno de US$ 486 por ano por funcionário em gastos diretos, mais uma estimativa de US$ 3.105 em produtividade perdida — US$ 3.591 por cabeça. Até 36% das cirurgias musculoesqueléticas são desnecessárias, um lastro de aproximadamente US$ 90 bilhões sobre a força de trabalho. A resposta do mercado é enorme: os gastos com bem-estar corporativo estão chegando a US$ 100 bilhões em 2026, e enquanto 83% dos grandes empregadores ofereciam cuidados musculoesqueléticos virtuais em 2025, quase todos eles — 96% — planejam fazê-lo até 2027.

E, ainda assim, apenas cerca de um quarto dos funcionários de fato usa os programas que lhes são oferecidos. Mais da metade diz relutar em compartilhar dados de saúde com o empregador, de todo. Depois de anos de escândalos de manipulação de jogos, de sacudir Fitbits e falsificar passos, os funcionários aprenderam que "verificação de bem-estar" muitas vezes significa "meu chefe está observando". Um CHRO em um dos nossos primeiros pilotos me perguntou, naquele jeito de brincadeira-mas-nem-tanto, se o que havíamos construído "parecia vigilância". Foi a pergunta mais útil que alguém já nos fez, porque a primeira resposta honesta era: poderia.

Aquela objeção reprogramou nossa arquitetura. Os mesmos pontos-chave esqueléticos que tornam a verificação de exercícios possível são, legalmente, um campo minado — os padrões de movimento corporal podem reidentificar uma pessoa da mesma forma que uma impressão digital faz, o que coloca os dados de pose bem no centro da conversa sobre leis de privacidade biométrica como a BIPA de Illinois e o GDPR da Europa. Só em 2025 foram protocoladas 107 novas ações coletivas de BIPA em Illinois. Ninguém ainda processou um aplicativo de fitness por estimativa de pose, mas a teoria jurídica está totalmente montada e à espera.

A correção para "isso parece vigilância?" acabou não sendo uma política de privacidade. Foi uma restrição de projeto: o vídeo bruto e o esqueleto nunca saem do celular.

Processamos o movimento no dispositivo e transmitimos apenas sinais agregados de conformidade — o trabalho prescrito foi feito, com esta qualidade, nesta data — nunca o vídeo, nunca os pontos-chave. O empregador obtém a participação verificada. Os dados corporais do funcionário permanecem no dispositivo do funcionário. Essa é a única versão de verificação corporativa de exercícios que eu de fato gostaria que fosse usada em mim.

"Mas será que a câmera de um celular nunca poderá ser precisa o suficiente?"

As pessoas levantam o teto de precisão como um motivo pelo qual isso não pode funcionar, e eu levo isso a sério — só acho que argumenta pela conclusão oposta. Sim, uma câmera monocular nunca igualará um laboratório de marcadores de US$ 100.000. Mas a utilidade clínica não exige ângulos de grau laboratorial. Ela exige detectar de forma confiável os padrões que importam: um desvio consistente do joelho para dentro, uma profundidade que regride semana após semana, uma cadência que sinaliza compensação. Esses são sinais robustos mesmo através do ruído da câmera, se a camada de interpretação for construída para encontrá-los e ignorar a oscilação. O objetivo nunca foi medir 90,0 graus. Foi saber que esta repetição, para esta pessoa, hoje, está indo na direção errada.

A outra pergunta que recebo é se a nova onda de "IA agêntica" que todo mundo está ouvindo falar em conferências torna o trabalho de biomecânica personalizada obsoleto. É o contrário. Um agente de saúde autônomo que ajusta o plano de exercícios de um paciente é apenas tão confiável quanto os dados que estão por baixo dele. Aponte um agente para contagens de repetições e ele otimizará com confiança um paciente cada vez mais fundo na lesão. A camada de inteligência de exercícios é o que torna o monitoramento agêntico seguro em vez de imprudente. Quanto mais inteligente o agente no topo, mais importa que a verificação por baixo dele de fato compreenda o movimento.

O que aquele quadro congelado me ensinou

Reconstruímos o motor em torno de uma única ideia: o limiar não é um número, é uma decisão clínica, e ela pertence ao clínico. Uma meta de profundidade de agachamento definida para "semana 8 pós-LCA" não é a mesma meta que "70 anos, pós-substituição de joelho" ou "atleta corporativo de 30 anos". Então tornamos os limiares configuráveis — definidos pelo clínico, por paciente, por exercício — e construímos a saída para ser aquilo de que tanto o faturamento de RTM quanto um comprador de bem-estar nervoso de fato precisam: dados de conformidade estruturados, com carimbo de data e hora, mapeados a protocolos e respeitosos com a privacidade. Câmera na entrada, decisão clinicamente significativa na saída. Se você quiser o quadro completo de como esse pipeline se encaixa, ele está na nossa página de soluções.

Ainda penso naquele homem de 62 anos fazendo seus agachamentos, confiando em uma marca de verificação verde que não tinha ideia de que o joelho dele estava dobrando. Ele fez tudo certo. Ele apareceu, fez o trabalho, seguiu as instruções. O software o decepcionou silenciosamente, de um jeito que só um olhar treinado teria captado — e toda a promessa de colocar IA na sala de estar dele era que o olhar treinado estaria sempre ali.

Um contador de repetições observa um corpo se mover. Um motor de verificação de exercícios sabe o que o movimento significa. Entre essas duas frases estão um joelho em recuperação, uma decisão clínica faturável e um funcionário decidindo se confia na coisa que o observa. Isso não é uma lacuna na tecnologia. É o trabalho inteiro.