AI와 훈련의 미래: 데이터에서 개인 맞춤형 훈련 계획까지, 코치가 알려주는 AI 코칭 플랫폼의 진짜 실력

코치의 서문: 그날 알고리즘이 내 선수에게 "훈련량을 더 늘리라"고 했을 때, 나는 일시정지를 눌렀다

먼저 더할 나위 없이 실제였던 장면 하나를 이야기하겠다. 작년 Challenge Taiwan을 준비하던 한 수강생 샤오천은 어느 유명 AI 코칭 앱으로 석 달을 훈련했는데, 데이터가 너무나 화려했다——체력 곡선은 줄곧 상승했고, 앱은 매일 웃는 얼굴로 "오늘 컨디션 좋음, 역치 인터벌을 권장합니다"라고 알려줬다. 그런데 대회 6주 전, 원래 가벼운 라이딩이어야 할 날, 심박수는 평소보다 무려 15bpm이나 높았는데 페이스는 한참 떨어져 있었다. 앱은 전혀 눈치채지 못했고, 여전히 계획표대로 다음 날 고강도 훈련 계획을 짜줬다.

나는 그의 수면 기록을 한 번 살펴보고, 회사 최근 야근 상황을 두어 마디 물어본 뒤, 그날 아침에 잰 안정 시 심박수를 만져본 다음, 그 자리에서 앱이 짠 훈련 계획을 통째로 바꿔서 하루 완전 휴식과 아주 가벼운 활동성 회복만 넣었다. 사흘 뒤 그의 데이터는 저절로 돌아왔다. 그 주에 알고리즘대로 무리하게 밀어붙였다면, 그가 과훈련의 구렁텅이에 빠졌을 거라고 나는 거의 확신한다.

나는 15년 동안 철인3종 선수들을 지도해왔다. 사람들의 인생 첫 51.5 완주를 함께한 데서부터, 선수를 Kona 세계선수권 출전 자격까지 보내는 동안, 그 사이 AI와 웨어러블 기기의 발전은 솔직히 사랑스럽기도 하고 경계심이 들기도 했다. 사랑스러운 점은, 과거에는 프로팀만 누릴 수 있었던 데이터 분석을 이제 모든 아마추어 선수의 손목시계에 담아냈다는 것이고, 경계되는 점은, 너무 많은 사람들이 "앱이 말하길"을 성경 말씀처럼 여기며, 데이터는 단지 몸의 그림자일 뿐 몸 그 자체가 아니라는 사실을 잊는다는 것이다.

이 글에서 나는 코치의 시선으로 AI 코칭 플랫폼이라는 것을 처음부터 끝까지 명확히 풀어내려 한다: 그것이 정확히 어떻게 작동하는지, 머신러닝이 훈련 계획에서 무엇을 해낼 수 있는지, 그리고 어떤 것들은 평생 배울 수 없어서 오직 진짜 인간 코치만이 채워줄 수 있는지. 다 읽고 나면, 당신이 AI를 더 맹신하게 되기보다는, AI를 더 잘 '활용’하게 되길 바란다.

개념 기초: AI 코칭 플랫폼은 도대체 무엇을 계산하는가?

AI 코칭을 제대로 보려면, 먼저 그것이 먹어들이는 원료가 무엇인지 알아야 한다. 이런 모든 플랫폼은 본질적으로 똑같은 일을 한다——당신의 훈련을 몇 가지 핵심 지표로 정량화하고, 이 지표들로 당신의 피로와 체력 상태를 추정한 다음, 최종적으로 내일 무엇을 훈련할지를 역산한다.

반드시 알아야 할 세 가지 하위 지표

첫 번째는 **FTP(기능적 역치 파워, Functional Threshold Power)**다. 정의는 "선수가 준안정 상태에서 피로해지지 않고 약 1시간 동안 유지할 수 있는 최고 파워"이며, 단위는 와트(W)다. 실제로 1시간을 전력으로 타는 것은 너무 고통스럽기 때문에, 실무에서는 대개 20분 전력 테스트 평균 파워에 0.95를 곱해 추정한다. FTP가 중요한 이유는 젖산 역치 부근에 해당하며, 모든 파워 구간을 나누는 기준선이 되기 때문이다.

두 번째는 **TSS(훈련 스트레스 점수, Training Stress Score)**다. TrainingPeaks가 제안한 개념으로, FTP 강도로 1시간 타는 것을 100점으로 기준 삼아, '강도’와 '시간’을 모두 계산에 포함한다. 다시 말해, 가볍게 2시간 타는 것과 죽을 힘을 다해 1시간 타는 것은 비슷한 TSS를 얻을 수 있지만, 몸에 미치는 의미는 완전히 다르다——이것은 뒤에서 이야기할 함정 중 하나이기도 하다.

세 번째는, 사실 서로 연결된 개념들의 묶음이라, 표 하나로 가장 명확하게 설명하겠다:

지표	영문 전체 이름	쉽게 풀어 쓴 설명	시간 창
CTL	Chronic Training Load	‘체력’——당신이 장기간 쌓아온 기초	지난 약 42일간 TSS 가중 평균
ATL	Acute Training Load	‘피로’——당신의 최근 쌓이고 남은 것	지난 약 7일간 TSS 가중 평균
TSB	Training Stress Balance	‘컨디션/신선도’——= 어제 CTL 빼기 어제 ATL	현재

이 셋의 관계는 AI 훈련 계획 로직의 핵심이다. CTL은 당신이 장기간 쌓아올린 체력의 기반을 뜻하며, 상승은 느려야 한다. ATL은 최근 며칠의 피로를 반영하며, 오고 가는 것이 빠르다. TSB는 둘을 뺀 값으로, 오늘 몸이 대략 ‘신선한’ 상태인지 ‘뻗은’ 상태인지를 알려준다. TSB는 훈련 기간에는 대개 음수(계속 피로를 쌓고 있기 때문)이며, 대회가 가까워지거나 테이퍼 기간에야 비로소 양수로 돌아온다——이것이 이른바 '테이퍼(taper)'가 데이터상으로 어떤 모습인지다.

AI 플랫폼이 하는 첫 번째 일: 당신을 하나의 곡선으로 만든다

당신이 매번의 라이딩, 수영, 러닝 기록을 업로드하면, 플랫폼은 그것을 TSS로 환산해 CTL/ATL/TSB 모델에 넣고, 당신의 ‘체력—피로—컨디션’ 곡선을 그린다. 앱에서 보는 그 예쁜 상승 곡선은 본질적으로 CTL이고, 매일 변하는 그 '오늘의 컨디션’은 TSB의 변형이다.

꽤 과학적으로 들리지 않는가? 그렇다. 확실히. 하지만 여기에 핵심이 하나 있다——위의 이 모든 체계는, 사실 아직 'AI’가 아니다. 그것은 2000년대에 이미 성숙한 운동생리학 수학 모델(Banister의 충격—반응 개념에서 유래)이다. 진짜 머신러닝은 이 위에 겹겹이 쌓여 '예측’과 '개인 맞춤 제안’을 하는 그 층이다. 이제 그 층으로 들어가 보자.

머신러닝은 훈련 계획에서 도대체 무엇을 했는가?

많은 사람들이 AI 코칭을 '컴퓨터가 훈련 계획을 짜주는 것’으로 생각하지만, 사실 그렇게 단순하지 않다. 머신러닝이 여기서 수행하는 역할을 나는 세 가지 층위로 정리한다. 얕은 것에서 깊은 것으로:

층위 1: 패턴 인식——'당신과 비슷한 사람들’이 어떻게 강해졌는지 찾는다

가장 기초적인 응용은, 플랫폼이 수십만, 심지어 수백만 명의 사용자 훈련 데이터를 보유하고 있다는 점이다. 새 사용자가 들어오면, 알고리즘은 이렇게 비교한다: 당신과 FTP가 비슷하고, 체중이 비슷하고, 주당 훈련 가능 시간이 비슷하고, 목표 대회가 비슷한 그 무리의 사람들은, 당초 어떤 훈련 계획 조합으로 단련해왔는가? 이것은 사실상 추천 시스템으로, 스트리밍 플랫폼이 당신에게 시청 목록을 추천하는 것과 같은 로직이다.

이 층위의 가치는 '출발점이 합리적’이라는 데 있다. 주당 6시간밖에 훈련할 수 없는 직장인에게 프로 선수의 훈련량을 배정하지 않는다. 이 점은 꽤 잘한다. 나는 자주 말한다. 훈련에 대해 전혀 모르는 초보자가 AI가 준 출발점 훈련 계획을 쓰면, 대개 자신이 독학으로 어설프게 짠 것보다 한참 낫다고——이것이 바로 데이터의 힘이고, 가장 뻔한 지뢰를 피하게 해준다. 하지만 주의할 점은, '당신과 비슷한 사람’이 '당신’과 같지는 않다는 것이다. 그 무리에는 위장이 쇠로 된 사람도, 수면이 충분한 사람도, 직장이 없는 사람도 있는데, 그들의 평균값이 반드시 당신의 생활 현실에 맞지는 않는다.

레벨 2: 적응형 조정 — 완료도에 따라 훈련 계획을 동적으로 변경

좀 더 진보된 플랫폼은 ‘적응형(adaptive)’ 기능을 제공합니다. 훈련 계획을 완료했는지, 완료 시 파워와 심박수의 디커플링(decoupling) 정도, 인터벌 후반부에 페이스가 떨어지는지 여부를 추적하여 이 훈련 계획이 당신에게 너무 가벼운지, 적당한지, 아니면 너무 무거운지 판단한 뒤 다음 훈련의 강도를 동적으로 조정합니다.

제가 실제로 관찰한 사례를 하나 들겠습니다. 한 수강생이 5세트 4분 VO2max 인터벌을 수행했고, 목표 파워는 320와트로 설정했습니다:

세트	목표 파워	실제 평균 파워	평균 심박수	AI 판독
1세트	320 W	322 W	168 bpm	정상
2세트	320 W	319 W	172 bpm	정상
3세트	320 W	315 W	176 bpm	약간 힘듦
4세트	320 W	305 W	178 bpm	뚜렷한 페이스 저하
5세트	320 W	291 W	179 bpm	탈진

4, 5세트에서 파워가 무너지고 심박수는 한계치에 달하는 것을 보고, 똑똑한 적응형 시스템은 '목표가 너무 높다’고 판단하여 다음에는 목표를 310와트로 낮추거나 세트 수를 4세트로 줄입니다. 이 레벨이 머신러닝이 실제로 가치를 발휘하기 시작하는 지점입니다 — '당신이 훈련을 소화할 수 있는지 없는지’를 코치의 주관적 판단에서, 정량화 가능하고 실시간 피드백이 가능한 신호로 바꿔줍니다.

레벨 3: 상태 예측 — 피로와 경기력을 예측하려는 시도

가장 최첨단이면서 동시에 가장 과장되기 쉬운 레벨은 '예측’입니다. 일부 플랫폼은 HRV(심박 변이도), 안정 시 심박수, 수면, 심지어 체온까지 결합하여 오늘의 '준비도(readiness)'를 예측하고, 향후 몇 주간의 경기력 곡선을 예고한다고 주장합니다.

이 레벨에 대해 솔직히 말씀드리면: 방향은 맞지만, 신뢰도는 사람마다 다르고 아마추어 선수에게는 노이즈에 특히 민감합니다. HRV 같은 지표는 수면, 알코올, 카페인, 심리적 스트레스, 측정 자세의 영향을 크게 받습니다. 어젯밤 아이가 밤중에 세 번 울어서 깬 아빠는 다음 날 HRV가 반드시 나쁘게 나오지만, 이는 훈련 피로와는 전혀 무관합니다. 알고리즘은 숫자 하나를 볼 뿐, 그 세 번의 울음소리는 볼 수 없습니다.

이것은 자연스럽게 다음 단락으로 이어집니다 — AI가 반드시 넘어질 것이고, 당신이 스스로 받아들여야 할 함정들입니다.

실전 방법: AI를 자율주행이 아닌 계기판으로 활용하기

원리를 설명했으니, 바로 쓸 수 있는 내용으로 넘어가겠습니다. 저는 선수들을 지도할 때 AI 플랫폼을 '자율주행’이 아닌 '아주 유용한 계기판이자 기록장’으로定位합니다. 다음은 제가 실제로 사용하는 프레임워크입니다.

AI 생성 훈련 계획, 제가 '2차 가공’하는 방법

어떤 플랫폼이 고급 철인3종 선수에게 다음과 같은 한 주를 배정했다고 가정해 봅시다(흔한 자전거 + 달리기 교차 주간입니다). 원본 버전은 이렇게 생겼고, 제가 ‘코치 메모 및 조정’ 열을 추가했으니 차이를 이해하실 수 있을 겁니다:

요일	AI 원본 훈련 계획	코치 메모 및 조정
월	휴식	유지하되, 20분 가동성 회복 + 폼롤러 릴렉스로 변경
화	자전거 90분 (3×10분 역치 포함)	전날 수면이 6시간 미만이면 역치를 3×8분으로 변경
수	달리기 60분 가볍게	대만 여름 오후는 너무 더우니 새벽이나 실내 러닝머신으로 변경
목	자전거 2시간 지구력 라이딩	유지하되, 보급 훈련 추가(매 45분마다 섭취)
금	수영 기술 훈련	유지, AI는 수영 판독이 가장 약하므로 기술은 사람이 봐야 함
토	자전거 100분 (5×3분 VO2max 포함)	목요일 피로도에 따라 결정; 너무 피곤하면 4세트로 축소
일	달리기 90분 장거리	대회 전 기간에는 브릭(자전거 후 달리기) 시뮬레이션 추가

핵심을 보셨나요? AI가 짠 뼈대는 큰 방향이 틀리지 않지만, 매일 그대로 할지, 얼마나 할지는 AI가 볼 수 없는 수많은 변수에 달려 있습니다: 어젯밤 잠을 얼마나 잤는지, 오늘 기온과 습도, 직장 스트레스, 신체의 주관적 느낌. 저는 AI의 논리를 뒤집지 않습니다. 그 논리 위에 '지금의 사람’이라는 변수를 보충하는 것입니다.

대만 선수의 지역적 변수, AI는 거의 반영하지 못함

이 점은 대만 철인3종 선수에게 특히 중요하므로 별도 단락으로 다룰 가치가 있습니다:

• 기후와 습도: 대만 여름은 흔히 32도 이상, 습도 80%입니다. 같은 역치 훈련 계획이라도 타이베이 7월 오후에 하는 것과 건조하고 추운 유럽에서 하는 것은 신체가 치르는 대가가 천지 차이입니다. AI의 TSS는 습도와 더위를 전혀 반영하지 않으므로, 강도를 스스로 낮춰야 합니다. 타루코, 르웨탄 Come!Bikeday 같은 클래식 대회는 코스와 기후가 각자의 특성이 있으므로, 파워 숫자만 보고 훈련 계획을 짜서는 부족합니다.
• 코스 특성: 우링처럼 끝없이 가파르게 오르고 총 고도 상승이 3000미터를 넘는 코스는 평지 타임트라이얼과는 완전히 다른 에너지 시스템 요구를 가집니다. AI가 주는 '주간 500 TSS’는 똑같이 들리지만, 하나는 고르게 분배된 것이고 다른 하나는 장시간 고강도 오르막이므로 준비 방식이 완전히 다릅니다.
• 외식 보급 환경: 대만의 편의점과 외식이 너무 편리해서 오히려 많은 선수의 영양 섭취가 엉망이 됩니다. AI 플랫폼은 거의 식단을 다루지 않지만, 보급 전략이 장거리 철인3종에 미치는 영향은 어떤 인터벌 훈련보다 못지않습니다.

제가 항상 확인하는 네 가지 ‘수동 검토’ 신호

매일 아침(또는 훈련 전마다) 선수들에게 다음 네 가지를 스스로 검토하게 합니다. 두 가지 이상이 경고등이 켜지면 그날 훈련 계획은 아래로 조정합니다:

1. 안정 시 심박수: 개인 기준치보다 5–7 bpm 이상 높으면 대개 회복이 덜 되었다는 뜻입니다.
2. 주관적 수면의 질: 이틀 연속 잠을 제대로 못 잤다면 어떤 HRV 수치보다 경계할 가치가 있습니다.
3. 훈련 욕구: 전혀 움직이고 싶지 않고 거부감이 강하다면, 흔히 신체가 먼저 보내는 신호입니다.
4. 근육 통증과 관절 느낌: 국소적인 날카로운 통증(일반적인 근육통이 아닌)은 반드시 멈춰야 합니다. 이것이 스포츠 부상 예방의 첫 번째 방어선입니다.

흔한 실수와 수정: 아마추어 선수들이 가장 자주 빠지는 다섯 가지 함정

실수 1: CTL 상승을 유일한 목표로 삼기

많은 사람이 그 체력 곡선에 사로잡혀 매주 상승하는 것을 봐야 직성이 풀려서 TSS를 필사적으로 쌓습니다. 문제는, CTL이 너무 빨리 오르면 ATL도 반드시 동시에 폭증하고, TSB가 장기간 마이너스에 빠져 과훈련과 부상이 그곳에서 기다리고 있다는 것입니다. 수정 방법은 간단합니다: CTL의 주간 증가폭은 일반적으로 주당 약 5–8점 이내로 통제하는 것이 좋습니다(사람마다 다름). 천천히, 꾸준히 하는 편이 낫습니다. 기초는 한 겹씩 쌓는 것이지 하루아침에 짓는 것이 아닙니다.

실수 2: 모든 훈련이 '회색 지대’에 머무르기

이것은 제가 가장 많이 보는, 그리고 가장 아쉬운 실수입니다. 많은 사람이 매번 자전거를 탈 때마다 ‘약간 숨차고, 그렇다고 정말 숨차지도 않은’ 중간 강도로 타서 파워와 심박수가 모두 중간에 머뭅니다. 그 결과 가벼운 날은 충분히 가볍지 않고, 강도 높은 날은 충분히 강하지 않아 양쪽 모두 허탕을 칩니다. 연구와 프로팀의 실무는 오랫동안 '양극화 훈련(polarized training)'의 큰 방향을 지지해 왔습니다 — 많은 양의 저강도 유산소, 소량의 정말 충분히 강한 고강도, 중간 지대는 오히려 덜 접촉하는 것입니다. AI가 짜준 훈련 계획을 '할인해서 실행’하면 쉽게 모두 회색 지대로 무너집니다. 수정: 가벼운 날은 정말로 타면서 대화할 수 있을 정도로 가볍게, 강도 높은 날은 제대로 아플 정도로 강하게.

실수 3: FTP 설정이 너무 높아 모든 구간이 어긋나기

FTP는 모든 파워 구간의 기초입니다. 체면을 위해 FTP를 실제보다 높게 설정하면, '역치 훈련’은 사실 'VO2max 강도’를 하는 것이고, '지구력 라이딩’은 사실 '스위트 스팟’을 하는 것이 되어 전체 훈련의 강도 분포가 위로 이동하고, 결국 쌓이는 것은 피로뿐 효과는 없습니다. 수정: 4–6주마다 솔직하게 FTP를 재측정하고, 20분 테스트에 0.95를 곱하는 것이 가장 실용적인 방법입니다.

오류 4: 수영과 러닝 기술 훈련을 완전히 무시하고, 훈련량만 쌓기

AI 플랫폼은 '기술’에 대해서는 거의 장님입니다. 수영한 거리, 달린 페이스는 계산할 수 있지만, 수영에서 물을 제대로 잡는지, 착지 시 과도한 스트라이드가 아닌지는 알아채지 못합니다. 철인3종의 수영은 특히 기술이 중요합니다. 훈련량만 쌓고 기술이 나쁘면, 잘못된 동작을 더욱 굳혀버릴 뿐입니다. 수정: 기술 수업은 반드시 옆에서 봐주는 사람이 있어야 하며, 최소한 녹화해서 스스로 점검해야 합니다.

오류 5: 브릭(전환) 훈련의 특수성 무시하기

철인3종에서 가장 어려운 것은 종목 하나하나가 아니라, ‘자전거에서 내려 달릴 때’ 다리에 납이 가득 찬 듯한 전환의 느낌입니다. AI 훈련 계획은 종종 사이클과 러닝을 별개의 훈련으로 배치하고, 브릭 훈련의 중요성을 잊어버립니다. 수정: 대회 전 기간에는 매주 최소 한 번은 브릭 훈련을 배치하여 몸이 전환의 고통에 익숙해지도록 해야 합니다.

실력별 선수를 위한 행동 제안

AI 코치라는 도구는 훈련 단계에 따라 사용법이 완전히 다릅니다. 세 가지 레벨로 구체적인 방법을 제시합니다.

첫 철인3종 / 갓 완주한 초보자 (목표: 51.5 또는 첫 표준 코스 안전 완주)

• AI의 최대 가치: 규칙적인 훈련 습관과 기록 습관을 만들어 주는 것. 이 단계에서 가장 중요한 것은 훈련 계획이 얼마나 정교한가가 아니라 '꾸준히 움직이고 있는가’입니다. 앱이 알림을 주고 기록을 남기게 하세요. 이것만으로도 대부분의 작심삼일인 사람들보다 앞서갑니다.
• 처음부터 FTP, TSS 같은 숫자에 빠지지 마세요. 당신의 몸은 아직 훈련에 민감하게 반응합니다. 규칙적으로 훈련하는 것만으로도 빠르게 발전합니다.
• 초점을 맞출 것: 세 종목의 기본 기술(특히 수영)을 다지고, 일주일 훈련을 배분하는 법을 배우며, 부상을 예방하는 것입니다. 이 단계에서 훈련량이 부족해서보다는 부상으로 그만두는 사람이 훨씬 많습니다.
• 행동: AI로 보수적인 8–12주 훈련 계획을 짜되, 모든 고강도 훈련의 강도를 80% 수준으로 낮춰서 실행하고 몸의 반응을 살피세요.

중급 / PB 경신을 원하는 선수 (대회를 여러 번 완주했고, 226 또는 113에서 기록 단축 목표)

• AI의 최대 가치: 피로 관리를 정량화하는 것. 이 단계에서는 이미 충분히 훈련량을 쌓았기 때문에, 승부의 핵심은 '얼마나 훈련했는가’에서 '어떻게 회복하고, 어떻게 로딩을 줄이는가’로 옮겨갑니다. CTL/ATL/TSB 시스템이 이제 진정한 의미를 갖기 시작합니다.
• TSB 읽는 법을 배우세요: 대회 전에 TSB를 깊은 마이너스 값에서 0 근처 또는 약간 플러스로 끌어올리는 것이 바로 테이퍼링의 핵심 운영입니다. 이것을 익히면 대회 당일 컨디션이 완전히 달라질 것입니다.
• 종목별 특화 훈련과 영양 보충 연습을 중시하세요: 장거리 대회에서 영양 보충 전략은 체력 못지않게 중요합니다. 긴 라이딩과 러닝을 영양 보충 실험의 장으로 삼아 위장이 견딜 수 있는 리듬을 찾아내세요.
• 행동: AI가 훈련의 뼈대를 짜게 하되, 매주 10분은 스스로 피로 신호를 점검하여 어떤 날 훈련을 추가하고 어떤 날 뺄지 능동적으로 결정하세요.

상급 / 코나 자격 또는 개인 한계에 도전하는 선수

• AI의 역할은 보조 대시보드로 격하됩니다. 이 레벨에 이르면 개인차가 너무 커서 일반적인 알고리즘으로는 세심하게 관리하기 어렵습니다. 필요한 것은 고도로 개인화된 훈련이며, 이것이 바로 실제 코치가 대체 불가능한 이유입니다.
• 데이터를 활용한 가설 검증: 플랫폼의 과거 데이터를 분석해보세요. 어떤 훈련 조합에서 FTP가 가장 빨리 성장했는지, 어떤 테이퍼링 기간이 대회 컨디션을 최상으로 만들었는지. AI를 의사결정자가 아닌 데이터베이스로 활용하세요.
• 데이터의 거짓 정밀함을 경계하세요: 상급으로 갈수록 1–2%의 차이가 승부를 가릅니다. 이런 수준의 판단은 수백 명의 선수를 봐왔고, 영상 한 편이나 대화 한 번으로 컨디션을 읽어내는 코치의 눈이 필요한 경우가 많습니다.
• 행동: 실제 코치를 찾거나 자신만의 판단 프레임워크를 구축하고, AI 데이터는 보조 증거로 사용하되 최종 판단의 근거로 삼지 마세요.

주기화: AI가 ‘그럴듯하게 계획하지만 방향을 잘못 잡기’ 쉬운 부분

주기화(periodization)에 대해 특별히 이야기하고 싶습니다. 이것이 제가 AI 플랫폼에서 가장 자주 보는 ‘숫자는 맞지만 방향이 틀린’ 부분이기 때문입니다. 주기화의 핵심 개념은 매우 간단합니다. 훈련은 매일 같은 강도가 아니라, 여러 단계로 나누어 몸이 먼저 기초를 다지고, 종목 특화 훈련을 쌓은 뒤, 마지막에 테이퍼링으로 최고 컨디션을 만드는 것입니다. 하지만 많은 AI 플랫폼의 주기화 로직은 일반적인 템플릿을 적용하고 목표일에서 역산할 뿐, '당신이라는 사람이 지금 무엇이 부족한지’를 진정으로 이해하지 못합니다.

전형적인 20주 113 하프 아이언맨(일명 70.3) 대비 주기를 예로 들어, 각 단계의 핵심 차이점을 명확히 보여드리겠습니다:

단계	주차	주요 목표	훈련 중점	일반적인 AI 맹점
기초 기간	1–8주	유산소 기반 다지기, 기술 훈련	많은 저강도 훈련, 수영 기술, 근력	AI가 너무 일찍 고강도를 넣어 기반이 다져지기 전에 흔들림
발전 기간	9–14주	역치 및 종목별 지구력 향상	역치 인터벌, 긴 라이딩/러닝, 브릭	AI가 브릭 훈련의 특수성을 제대로 판단하지 못함
종목 특화 기간	15–18주	대회 강도 및 영양 보충 모의 훈련	대회 페이스 연습, 영양 보충 실측	AI가 위장 상태와 영양 보충을 거의 고려하지 않음
테이퍼링 기간	19–20주	피로 제거, 컨디션 회복	훈련량 감소, 강도 유지, TSB 회복	AI의 테이퍼링이 과하거나 부족한 경우가 많음

기초 기간은 아마추어 선수(그리고 일부 AI)에게 가장 쉽게 망쳐지는 부분입니다. 모두가 고강도 훈련이 주는 '제대로 훈련했다’는 느낌을 빨리 보고 싶어 하여, 탄탄한 저강도 축적 단계를 건너뜁니다. 하지만 유산소 기반은 집의 기초와 같아서 눈에 보이지 않지만 건물 전체의 높이를 결정합니다. 저는 자주 수강생들에게 말합니다. 기초 기간은 지루하고, 느리고, 진전이 없어 보이지만, 그 8주간의 저강도 축적이야말로 후반부에 고강도를 견딜 수 있는 자본이라고요. AI 템플릿이 3주 차부터 VO2max 훈련을 잔뜩 넣는다면, 저는 보통 바로 강도를 낮춥니다.

테이퍼링 기간은 또 다른 극단입니다. 훈련량 감소는 '양을 줄이되 강도는 유지’해야 합니다. 총 훈련량을 30~50% 줄이되, 짧고 강한 고강도 자극은 소량 유지하여 몸의 '날카로움’을 유지하면서 피로를 제거해야 합니다. 목표는 TSB를 깊은 마이너스 값에서 0 근처 또는 약간 플러스로 회복시키는 것입니다. AI가 테이퍼링을 '거의 완전 휴식’으로 계획한 경우를 본 적이 있는데, 선수가 경기에 나가면 다리는 가볍지만 동시에 둔해져서 오히려 경기 리듬을 찾지 못했습니다. 이러한 미묘한 균형이 주기화에서 가장 '감각’이 필요한 부분입니다.

완전한 사례: 알고리즘 경고등에서 PB까지의 3주

앞서 설명한 모든 개념을 실제로 적용한 더 완전한 실제 사례를 하나 더 소개합니다. 수강생 아메이(阿May)는 38세 직장인 엄마로, 푸유마(普悠瑪) 철인3종 대회 51.5 표준 코스를 준비하며 연령대별 시상대에 오르는 것을 목표로 했습니다. 그녀는 AI 플랫폼으로 약 반년간 자율 훈련을 해왔고, 저를 찾아왔을 때 병목 현상에 빠져 있었습니다. 데이터상 CTL은 계속 상승하는데, 실제 대회 기록은 오히려 퇴보하고 있었습니다.

저는 그녀의 3개월 데이터를 꺼내 보았고, 문제는 한눈에 보였습니다. 그녀의 훈련은 거의 전부 회색 지대(앞서 언급한 오류 2)에 머물러 있었고, AI는 그녀가 '훈련 계획을 모두 완료’한 것을 보고 컨디션이 좋다고 판단하여 훈련량을 계속 늘렸습니다. 그녀의 ATL은 오랫동안 CTL에 붙어 있었고, TSB는 단 하루도 플러스로 돌아선 적이 없었습니다. 그녀는 진정한 휴식을 취한 적도 없었고, 진정으로 강하게 훈련한 적도 없었습니다.

제가 한 조정은 매우 간단했습니다. 세 가지였습니다.

1. 강도 분포 재교정: 그녀의 일주일 훈련 중 70%를 진정한 저강도(심박수를 유산소 구간으로 유지하고, 라이딩 중 대화가 가능한 수준)로 바꾸고, 나머지 30%는 제대로 고통스럽게 훈련하도록 했습니다. 중간 지대는 제거했습니다.
2. 회복 강제 삽입: 3주마다 '회복 주’를 넣어 훈련량을 40% 줄이고 TSB가 플러스로 돌아올 기회를 만들었습니다. AI는 그녀를 위해 이 일을 해주지 않았습니다.
3. 대회 페이스 브릭 훈련 추가: 대회 4주 전부터 매주 한 번씩 ‘라이딩 후 바로 러닝’ 전환 훈련을 넣어 다리가 무거운 느낌에 익숙해지게 했습니다.

첫 주에 그녀는 매우 낯설었고, 항상 '가벼운 날에 이렇게 라이딩하면 너무 건성건성 하는 거 아니야?'라고 생각했습니다. 3주 차가 되자 그녀가 직접 메시지를 보냈습니다. “코치님, 오늘 역치 훈련인데 파워는 예전보다 높은데 심박수는 오히려 더 낮아요.” 그것이 유산소 기반이 효과를 내기 시작하고 피로가 가시기 시작했다는 신호였습니다. 결국 그녀는 푸유마 대회에서 연령대 3위에 올랐습니다. 같은 AI 플랫폼, 같은 데이터라도 읽는 방법이 다르면 결과는 하늘과 땅 차이입니다. 이것이 제가 강조하고 싶은 점입니다. 도구는 잘못이 없고, 어떻게 사용하는지가 핵심입니다.

자주 묻는 질문 FAQ

Q1: AI 코치 앱, 구독료를 낼 가치가 있을까요?
대부분의 아마추어 선수에게는 그렇다——단, 마음가짐을 바르게 해야 한다. 그것의 가장 큰 가치는 '기록, 정량화, 알림, 합리적인 출발점 제시’이며, 이 일들은 아주 잘 해낸다. 오늘의 컨디션을 읽어내고 말 속의 피로를 알아듣는 진짜 코치처럼 행동하길 기대한다면 실망할 것이다. 도구로 대하되, 스승으로 대하지 말라.

Q2: 그렇다면 진짜 코치는 여전히 필요한가요?
당신의 단계와 목표에 달려 있다. 첫 철인 완주라면 AI와 약간의 자기관리로 충분한 경우가 많다. 진지하게 PB를 깨고 싶거나, 장거리 또는 세계선수권 출전 자격에 도전한다면, 훌륭한 코치가 주는 판단, 교정, 심리적 지지는 어떤 알고리즘도 줄 수 없다. 둘은 충돌하지 않는다——최상의 조합은 흔히 ‘AI는 기록과 정량화를, 코치는 판독과 의사결정을 담당하는’ 것이다.

Q3: HRV를 매일 봐야 하나요?
봐도 되지만, '단일 값’이 아닌 '추세’를 봐야 한다. 하루치 HRV는 노이즈가 너무 크다. 커피 한 잔, 형편없는 수면, 잘못된 측정 자세만으로도 급격히 출렁인다. 5~7일 연속 하락 추세가 나타나야 비교적 참고할 만하다. 보기 싫은 하루치 숫자 때문에 원래 해야 할 좋은 훈련 계획을 망치지 말고, 예쁜 숫자에 속아 무리하게 훈련하지도 말라.

Q4: AI가 짠 훈련 계획을 소화하지 못하는데, 제가 너무 약한 건가요?
보통은 그렇지 않다. 더 흔한 원인은 FTP 설정이 높게 잡혔거나, 알고리즘이 현재의 피로도와 대만의 덥고 습한 환경을 반영하지 못했기 때문이다. 먼저 솔직하게 FTP를 다시 측정하고, 주관적 느낌도 반영하라. 계획을 못 끝내는 것은 죄가 아니다. 억지로 끝내다가 몸을 망치는 것이야말로 죄다.

Q5: 파워미터가 없고 심박계만 있는데, AI 플랫폼을 쓸 수 있나요?
쓸 수 있지만, 한계를 이해해야 한다. 심박수는 '결과 지표’다. 신체의 강도에 대한 반응을 나타내며, 기온, 탈수, 카페인, 수면의 영향을 받아 변동한다. 파워는 '입력 지표’다. 밟은 만큼이 그대로 나오므로 더 순수하다. 파워미터가 없다면 심박수 구간을 정확히 잡고, 주관적 느낌(RPE, 자각적 운동 강도)에 더 의존해 판단을 보조해도 충분히 잘 훈련할 수 있다. 대만의 덥고 습한 환경에서는 심박수가 같은 강도의 서늘한 날씨보다 높게 나타나는 경우가 많다. 이럴 때는 숫자에 집착하지 말고 몸의 힘든 느낌을 믿어라. 러닝의 경우 많은 플랫폼이 페이스와 GAP(경사 보정 페이스)를 조합해 비슷한 정량화를 할 수 있다.

Q6: AI 플랫폼끼리 차이가 큰가요? 어떻게 골라야 하나요?
차이는 꽤 있다. 하지만 아마추어 선수에게는 '알고리즘이 얼마나 진보했는가’보다 '당신이 계속 쓸 것인가’가 더 중요하다. 기능이 가장 화려하지만 3주 후에 보기 싫어지는 플랫폼보다, 인터페이스가 눈에 잘 들어오고 매일 열고 싶으며 시계와 데이터가 원활하게 동기화되는 플랫폼을 고르는 것이 더 가치 있다. 실무적으로는 이렇게 권한다: 원시 데이터를 내보낼 수 있는지(특정 플랫폼에 묶이지 않도록), 적응형 기능이 실제로 당신의 성과에 따라 조정되는지, 그리고 주 종목(수영/사이클/러닝)에 대한 판독이 충분히 세밀한지 먼저 확인하라.

Q7: 미래에 AI가 코치를 완전히 대체할까요?
내 생각은 이렇다: AI는 '코치 업무 중 계산과 기록 부분’을 대체하겠지만, '코치라는 사람’은 대체하지 못한다. 훈련은 결코 숫자만의 문제가 아니다——동기, 두려움, 생활 속 스트레스, 인생의 시기, 경기 당일의 심리적 싸움이 얽혀 있다. 예를 들어, 한 선수가 경기 사흘 전 갑자기 이유 없는 공포감에 휩싸였다고 하자. 데이터상으로는 컨디션이 완벽하지만, 그 공포는 경기를 망칠 것이다. 이런 때 필요한 것은 조정된 훈련 계획이 아니라, 진심 어린 대화, '내가 이 고비를 함께 넘어가겠다’는 한마디다. 이런 것들은 사람과 사람 사이에서만 전해질 수 있다. 도구가 강할수록, 도구를 잘 활용하는 코치와 선수가 더 가치 있어진다.

맺음말: 데이터가 당신을 위해 일하게 하라, 데이터에 얽매이지 말라

서두의 그 '샤오천’으로 돌아가자. 그는 나중에 Challenge Taiwan을 무사히 완주했고, 자신의 PB까지 갈아치웠다. 그가 사후에 내게 한 말은, 고마웠던 것은 예쁜 데이터가 아니라 '숫자 너머에서, 무너져 가는 나를 알아본 사람’이었다는 것이었다.

이 말이 사실 이 글 전체가 전하고 싶은 바다. AI와 머신러닝은 훈련의 '정량화’와 '개인화된 출발점’을 전례 없는 수준으로 끌어올렸다. 이것은 좋은 일이며, 이 시대 아마추어 선수들의 커다란 행운이다. 그러나 데이터는 언제나 몸이 비추는 그림자일 뿐이다——그것은 한밤중의 세 번의 울음, 숨이 막힐 듯 덥고 습했던 타이베이의 어느 오후, 마음속에 담아두고 말하지 못한 피로를 놓친다.

그래서 내 조언은 언제나 한결같다: 데이터를 포용하되, 데이터에 무릎 꿇지 말라. AI로 기록하고, 정량화하고, 추세를 보라. 당신 자신(또는 신뢰하는 코치)의 판단으로 알고리즘이 결코 볼 수 없는 것들을 넘겨받아라. 언젠가 앱의 곡선을 보면서 동시에 자신의 맥박을 짚으며, 여유 있게 "오늘 이 훈련은 바꾸겠다"고 말할 수 있게 된다면——그것이야말로 진정으로 AI를 제대로 활용하는 모습이다.

미래는 이미 왔고, 우리가 생각했던 것보다 빨리 왔다. 도구를 다루는 사람이 되기를 바란다. 도구에 다루어지는 사람이 아니라. 알고리즘을 곁에서 빠르고 정확하게 계산하지만 결코 당신의 눈치를 보지 않는 보조 코치로 여기고, 진정한 결정을 내리는 주 코치는 바로 당신 자신임을 기억하라. 레이스 트랙에서 만나자.

본문은 교육용 콘텐츠로, 의사, 물리치료사 또는 영양사의 개별 평가를 대체할 수 없습니다.

참고 자료

• 기능적 역치 파워(FTP)의 정의와 20분 테스트 환산: BikeRadar — What is FTP and why does it matter for cyclists?
• FTP와 젖산 역치, 파워 구간의 관계: TrainerRoad Blog — What FTP Really Means to Cyclists
• TSS, CTL, ATL, TSB의 정의와 시간 창: A Coach’s Guide to ATL, CTL & TSB — TrainingPeaks
• Form(TSB) 계산 방식(CTL에서 ATL 차감): Form (TSB) — TrainingPeaks Help Center

관련 주제 읽기

• 스포츠 테크놀로지의 미래: AI, 센서와 개인화, 코치가 바라본 기회와 함정
• AI 훈련 혁명: 인공지능이 개인 맞춤 운동 계획을 만드는 방법
• 초보상과 훈련 적응 이론: 훈련 계획 뒤에 숨은 생리학적 논리
• 수면: 가장 저렴한 합법적 도핑——코치가 알려주는 훈련 효과 되찾기