Caso · Train Movement

La IA propone. La entrenadora publica.

Romi lleva a sus clientas una a una: rutina, dieta y mensajes, persona por persona, entre clases dirigidas en varios centros. Train Movement convierte ese trabajo en un producto — sin quitarle a nadie el trato que ya tenía.

Qué es
Plataforma de entrenamiento y nutrición (PWA)
Mi papel
Diseño y desarrollo, de principio a fin
Estado
En producción, con clientas reales
Base
React · PWA · Firebase · Cloud Functions · IA

El problema

El techo era su agenda

Todo el producto era acompañamiento uno a uno. La entrenadora asignaba las rutinas clienta por clienta, generaba cada dieta a mano, respondía todos los mensajes y daba de alta a cada persona ella misma, mientras seguía dando clases dirigidas en varios centros.

El problema no era la falta de clientas: era que cada clienta nueva costaba las mismas horas que la anterior, y esas horas ya no existían.

Esto funciona con 20 clientas. No funciona con 200.
Del documento interno donde decidimos el cambio

La solución

Dos vías, un solo sistema

En vez de diluir el acompañamiento personal para que cupiera más gente, separamos el producto en dos vías. Lo nuevo se añade al lado, no encima: las clientas de siempre no notan ningún cambio.

Membresía

59 €/mes · 89 € las dos áreas

Qué recibe
Un programa ya preparado
Nutrición
Menús compartidos por franja de calorías
Quién acompaña
RomIA, la asistente de la app
Trabajo diario de Romi
Prácticamente cero

Coaching personalizado

249 €/mes · plazas limitadas

Qué recibe
Un plan hecho para ella
Nutrición
Dieta generada con IA y revisada por Romi
Quién acompaña
La propia Romi, por mensajes
Trabajo diario de Romi
El de siempre

La misma app cambia de forma según la vía: donde la clienta de coaching tiene la bandeja de mensajes con Romi, la miembro tiene a RomIA.

Panel de membresías con los tres programas y su versión
El panel de membresías, donde un programa se escribe una vez y sirve para todas las miembros.

El circuito

Cómo nace una dieta

El circuito completo, de los datos de la clienta a la comida en su teléfono. El paso que lo sostiene todo es el cuarto: nada llega a la clienta sin que la entrenadora lo haya mirado.

  1. ClientaObjetivo, medidas, alergias, gustos
  2. EncargoLa coach fija calorías y macros
  3. IAPropone platos y recetas
  4. RevisiónLa coach edita lo que haga falta
  5. PublicarSolo entonces se guarda

La clienta cocina, registra y comenta — y eso alimenta el siguiente encargo

El generador no escribe

La función que llama al modelo no toca la base de datos: devuelve un borrador que vive en la pantalla de la coach. El único camino que escribe una dieta es su botón de aceptar.

Los números no los pone la IA

Las cantidades se ajustan en código hasta cuadrar con las calorías del día, y los totales se recalculan desde los valores por 100 g. Del modelo sale la idea del plato, no la aritmética.

Los alérgenos son una exclusión dura

Salen de la ficha de la clienta y entran en el encargo como prohibición. Un ingrediente sin datos de alérgenos cuenta como desconocido, nunca como seguro, y bloquea la publicación de un menú compartido.

Por dentro

Arquitectura

App

  • React y Vite, instalable como PWA
  • Dos superficies: la clienta y el panel de la entrenadora
  • Tres idiomas, con el móvil como primer ciudadano

Servidor

  • Firebase: autenticación, base de datos y almacenamiento
  • Cloud Functions en Europa para todo lo que cuesta dinero o toca datos ajenos
  • Reglas de seguridad por colección, cobros y correos transaccionales

IA

  • Todas las llamadas desde el servidor: la clave nunca llega al navegador
  • Respuesta forzada a un esquema estricto, validada y recalculada en código
  • Contexto de cada miembro preparado una vez y reutilizado

El coste se controla antes de llamar

No hay tope de gasto que valga si el sistema pregunta al modelo por todo. La factura se baja no llamando: decisiones que toma el código en vez del modelo, un filtro determinista que corta antes de preguntar, contexto recortado y reutilizado, cuotas por miembro, y menús compartidos en lugar de una dieta personal para cada persona en la vía de membresía.

La app

Por dentro, en pantallas

Ninguna clienta aparece en estas pantallas: casi todas salen de un entorno de demostración con datos de prueba, y el reproductor y la receta, de la app real con mi propia cuenta.

Panel de la entrenadora con los planes de dieta de una clienta, día a día
El panel lo dice en su propia cabecera: generar con IA y revisar antes de asignar.

Y lo que ve la clienta

Entrenar y comer son las dos pantallas donde pasa todo. Quién entrena con el reproductor guiado y quién va marcando series a mano lo decide la entrenadora — y, en las membresías, la propia clienta.

Inicio de la app con el entrenamiento del día
El día de la clienta: el entrenamiento de hoy y lo que lleva comido.
Reproductor guiado con el vídeo de la técnica y la cuenta atrás de la serie
Modo guiado: el vídeo de la técnica en bucle detrás y la cuenta atrás de la serie delante. Ella solo tiene que mirar y hacer.
Sesión en modo manual con las series marcadas una a una
Modo manual: la misma sesión como lista, marcando cada serie a medida que cae.
Menú del día con tres opciones por comida, ingredientes y macros
Cada comida llega con tres opciones: la clienta elige, ve los ingredientes pesados y marca si la ha hecho.
Ficha de una receta con su foto, los ingredientes pesados y los pasos de preparación
Y detrás de cada plato, la receta: foto, ingredientes al gramo y preparación paso a paso.
Pantalla de RomIA con el aviso previo sobre qué es y qué no es
RomIA se presenta antes de hablar: qué datos usa, que no es sanitaria y que nunca avisa a Romi sin permiso.

Números

Lo que hay dentro

Producción, a 15 de septiembre de 2026. Cifras redondeadas.

~20

clientas en la plataforma

~400

recetas en la biblioteca, casi la mitad con imagen generada

+1.500

ejercicios catalogados

+2.500

series registradas por las clientas

+70

días de dieta publicados tras revisión

~600

ingredientes con ficha nutricional

En una semana cualquiera de septiembre entraron unas 70 recetas nuevas, más de 150 registros de entrenamiento y una decena de conversaciones con la entrenadora.

Lecciones

Lo que me llevo

La IA propone, la persona publica

El punto de control no es una pantalla de confirmación: es que el generador no tenga permiso de escritura. Mientras el borrador solo viva en la pantalla de la coach, el peor caso es un rato perdido, no una clienta comiendo algo que no debía.

El prompt no es el mecanismo de seguridad

A un modelo se le puede convencer de saltarse sus instrucciones; a una regla escrita en código, no. Los números, las exclusiones por alergia y los límites de lo que se puede proponer viven fuera del prompt.

Delegar la variedad, no el criterio

La IA es buena proponiendo platos, escribiendo menús y acompañando una conversación. El criterio — cuánto peso subir, qué publicar, cuándo llamar a la profesional — se queda en el código y en la persona.

La elipsis de personalización

Personalizar cada dieta con IA no escala: son decenas de llamadas por persona y mes, y a cien miembros eso es dinero recurrente. Ahora se personaliza donde se nota — alergias, cambiar un plato, el tono — y se comparte donde no se notaba.

¿Tienes un proceso así?

Si en tu negocio hay trabajo que se repite persona por persona, probablemente haya una versión de esto para ti.