部落格

IR 觀點｜當課表可以被 AI 取代，教練還剩下什麼？

作者：余文彥

 

學員的疑問，教練的考驗

「教練，我朋友都用 Garmin Coach 或 Nike Run Club，現在連 GPT 都能出課表……那你們的差別是什麼？」

這兩年，IR 的教練們越來越常被問這個問題。

我通常不會急於回答，因為當討論從「課表」開始，焦點就已經放錯了。

 

 

 

訓練需要的不只是一份課表

課表無論來自 App、AI，或教練設計，本質上都源自於一套訓練方法論。

從 Arthur Lydiard 所建立的週期化架構、到 Jack Daniels 的《Daniels' Running Formula》中整理的 VDOT 系統、再到 Pete Pfitzinger 的《Advanced Marathoning》、以及 Stephen Seiler 提出的極化訓練模型。

這些訓練理論的核心結構，已被寫進大量的本書、論文，也被轉譯為演算法。

AI 教練本質上是把方法論拆解為參數，再根據你的最大心率、最大攝氧量、VDOT、臨界速度、近期跑量等指標，輸出一套邏輯精準的訓練計劃。

但這樣精準的設計，建立在一個前提之上：「假設跑者是一個穩定且可預測的系統。」

但現實並非如此。

就像小孩無法照書養，訓練的過程充滿變因：疲勞積累、生活壓力、受傷風險、工作繁忙程度以及心理狀態，都會影響訓練的執行與最終的結果。

當「計畫」進入「現實」，訓練就不再只是執行，更是決策。

 

 

 

 

教練的真正價值

在耐力運動訓練中，課表只是起點，結果取決於訓練在現實中的執行與調整。

將這個過程拆解，可以分為三個層級：

• 決策（Decision）：在變動情境中判斷訓練方向（推進、維持或保守）

• 調節（Regulation）：調節心理、疲勞與動機，維持訓練的穩定與持續

• 動作（Movement）：優化動作與身體控制，使訓練有效轉化為表現

 

一、情境判斷

當計畫進入現實，訓練不再是線性的執行問題，而是動態決策問題。

疲勞、壓力、時間與突發狀況等多重因素交互作用，使訓練無法被完全參數化或預測。即使是穿戴裝置所提供的數據，也可能出現偏差或誤判，使判斷更加依賴對情境的理解與校正。

因此，訓練的核心不是遵循計畫，是在不確定性中持續進行判斷與調整。

教練的角色，在於協助跑者進行「脈絡化判斷」（Contextual Judgment），整合當下的生理狀態、心理負荷與環境條件，動態決定訓練策略：推進、維持或保守。

 

二、訓練平衡與負荷管理

訓練效果來自「負荷 × 恢復 × 適應」的動態平衡。

訓練過程的關鍵，是持續管理整體負荷與恢復節奏，使身體維持在「可以適應」的區間。這包含訓練量與強度的配置、疲勞與恢復的掌控，以及避免過度訓練或適應停滯。

在這個過程中，AI 能讀取大量數據，如心率、配速、HRV 或訓練負荷指標，並提供趨勢判斷。

教練則需要判讀數據所反映的狀態與變化——這次疲勞，來自訓練刺激，還是生活壓力？表現下降，是適應過程，還是過度負荷的前兆？

並據此調整負荷與恢復的配置，使訓練得以被吸收，轉化為有效的適應。

 

 

 

 

三、心理調節

根據中樞調節理論（Central Governor Theory），大腦會在真正極限之前主動降低輸出，以避免潛在風險。

在關鍵時機，教練透過引導、回饋與信任關係，調節跑者的感知與決策，使其在安全範圍內發揮更佳表現。

研究顯示，在教練支持下的運動員，普遍能展現更穩定且更高的表現。這種差異不只來自訓練內容，更來自「關係」本身。

透過長期的互動與投入，共同經歷訓練起伏與持續調整，逐步累積而成的信賴關係。當跑者被教練看見、被期待，也需要對訓練負責時，會自然提高投入與表現。

這種在被看見與承擔責任情境下，表現隨之提升的現象，在心理學中稱為「社會促進」（Social Facilitation），說明了關係如何影響感知與決策，這正是目前 AI 系統難以取代的關鍵差異。

 

四、訓練依從性

訓練是否能有效果，關鍵不在課表設計得多精準，而在於能否被長期且穩定地執行。

運動科學將這稱為「依從性」 （adherence）——照計畫去做，並持續做下去。

然而在現實中，動機波動、時間限制與心理疲勞，會不斷侵蝕訓練的執行品質。AI 能提供清楚的訓練指引，卻無法建立穩定的外在約束與支持機制。

教練與跑者之間的關係，形成持續的回饋與承諾：在狀況不佳時維持基本執行，在狀況良好時推動進一步投入，在動機下降時提供前進的動力，在需要恢復時避免過度執行。

讓訓練不只存在於課表，而能在現實中被長期落實，持續產生效果。

 

五、動作與身體回饋

課表與數據只是工具， 訓練真正發生在跑者每一步的動作、每一次心跳與身體的感受之中。

跑姿、步頻、力量傳遞與落地方式等，是情境化的動作控制問題，需要透過觀察與即時回饋反覆修正。

AI 能提供數據與影像分析，但在動作細節判讀、個體差異理解與當下介入上仍有限制。目前的 AI，仍無法取代有經驗教練在現場對動作的即時觀察、判讀與修正。

教練透過觀察、示範與即時回饋，對動作進行修正，協助建立更有效率的動作模式，並發展對身體的感知與控制能力，帶來更深層的改變與進步。

 

 

 

教練不該反對 AI

我不反對 AI 訓練工具，反而持續思考如何更好地運用它。因為在訓練過程中，有一大部分工作，本來就應該被自動化，例如：課表生成、配速區間計算、訓練負荷追蹤、心率與數據分析。

這些建立在既有方法論與規則之上的任務，本質上就是可被標準化的問題。而在這些問題上，AI 做得更快、更穩定，也更有效率。

好的教練，不會為了證明自己的價值，去做可以被系統取代的事情。

把這些工作交給 AI 與 RQ 等工具，將時間與注意力保留給真正無法被取代的部分：在不確定中做出判斷，在關鍵時刻提供回饋，陪伴完成決策。

未來的教練，不是與 AI 對抗的教練，而是能善用 AI，專注於「人」的教練。

 

 

 

我們交付的，不只是課表

回到最初那個問題。教練的價值是什麼？

不只是一張課表，而是「有人為你的進步負責。」

那個人看你的數據，也看你的人生。在你狀態好的時候，知道該往哪裡推；在你撞牆、懷疑自己的時候，告訴你下一步怎麼走。

這份責任，目前沒有任何課表或系統能夠承擔。

 

IR SPORTS 跑創運動，相信訓練是科學，而教練，是一份不能被自動化的承諾。