La inteligencia artificial ha dejado de ser una promesa para convertirse en una de las principales palancas de transformación del negocio del fitness. Desde la captación de clientes hasta la retención, la automatización de procesos o la personalización de la experiencia del usuario, los operadores buscan entender cómo aplicar esta tecnología para ganar eficiencia y rentabilidad. Sin embargo, la mayoría aún se encuentra en una fase temprana de adopción. “Antes pensaba que la tecnología era la parte difícil. No lo es. Lo realmente complicado es integrar a las personas, los procesos y el conocimiento del negocio dentro de la tecnología”, afirma Karl Foster, Head of AI de Sport Alliance, incluida la marca internacional de ERP para fitness PerfectGym, en conversación con 2Playbook.

Foster acumula más de quince años de experiencia en la industria del fitness, donde ha ocupado posiciones ejecutivas en operadores como GymNation y ha asesorado a compañías de distintos mercados sobre transformación digital. Ahora lidera la estrategia de inteligencia artificial de Sport Alliance, grupo propietario de PerfectGym, con el objetivo de integrar estas capacidades de forma nativa en las soluciones tecnológicas que utilizan más de 12.000 gimnasios en todo el mundo. En esta entrevista analiza los principales errores que están cometiendo los operadores al implementar IA, explica cómo medir su impacto real en el negocio y ofrece algunas claves para que los clubes conviertan esta tecnología en una ventaja competitiva sostenible.

¿Cómo ha sido su recorrido profesional hasta Sport Alliance?

Lo que aporto a este puesto es una combinación bastante poco habitual. He pasado más de quince años en la industria del fitness, empezando en la sala de entrenamiento de gimnasios en Reino Unido y terminando como CTO de GymNation en Emiratos Árabes Unidos y Arabia Saudí. Allí, mi equipo desarrolló el primer agente de ventas por voz basado en inteligencia artificial para el sector fitness, el primer sistema de IA agéntica para la interacción con socios y un motor inteligente de facturación basado en aprendizaje automático desarrollado de forma propia.

Posteriormente trabajé como consultor para operadores de todo el mundo, lo que me permitió obtener una visión transversal sobre qué funciona y qué no funciona en el sector.

¿Qué no funciona?

Hay una observación que me ha acompañado en todos esos roles: la mayoría de los operadores de fitness siguen descubriendo que sus clientes están abandonando el gimnasio cuando ya se han marchado. Los datos existen, los patrones son visibles, pero los sistemas construidos sobre esos datos nunca han sido lo suficientemente buenos como para convertir esa información en una llamada telefónica antes de que fuera demasiado tarde. Esa es una de las brechas que vine a Sport Alliance a ayudar a cerrar.

¿Cuál es su función en Sport Alliance y, especialmente, para PerfectGym?

Mi función consiste en impulsar la inteligencia artificial como uno de los pilares centrales de nuestros productos, incluido PerfectGym, por supuesto. Contamos con un equipo centrado en investigación y desarrollo, que trabaja en pruebas de concepto y en definir la próxima generación de productos capaces de aportar valor real a los operadores. Integramos la IA de forma nativa en nuestra arquitectura, tratamos el aprendizaje automático como una columna vertebral de nuestra propuesta tecnológica y no como un complemento, y priorizamos una iteración rápida y transparente.

Abordo este trabajo desde tres perspectivas: como operador, como desarrollador y ahora también como proveedor tecnológico. Esa es la lente con la que analizo todo lo que lanzamos al mercado.

¿Qué están haciendo de forma diferente en materia de IA y por qué?

Hemos identificado carencias fundamentales en la manera en que la inteligencia artificial se está integrando en la industria del fitness. Existen numerosos sistemas fragmentados y persisten importantes problemas relacionados con la calidad y el control de los datos.

Esto ha llevado a proveedores externos a intentar cubrir ese vacío desde fuera, pero lo que normalmente observamos son conexiones vía API que se deterioran con el tiempo y una incapacidad para mantener lo que denominamos “la última milla”: trasladar el conocimiento real del negocio y de los procesos al propio sistema de inteligencia artificial. Esa última milla es donde fracasan la mayoría de los intentos, y es precisamente por eso por lo que hemos optado por un enfoque diferente.

¿Cómo lo trasladan en la práctica?

Nosotros disponemos de la plataforma adecuada para hacerlo de otra manera. Damos servicio a más de 12.000 gimnasios en todo el mundo y somos el sistema central sobre el que los operadores gestionan su negocio. La oportunidad consiste en integrar la IA de forma nativa en nuestras soluciones para que evolucione junto a los operadores a medida que cambian sus negocios. Así, cuando un gimnasio modifica su estructura contractual o lanza una nueva modalidad de membresía, la IA no se rompe: se adapta.

Además, estamos apostando deliberadamente por la transparencia en nuestra forma de innovar, porque en un ámbito que avanza tan rápido, la transparencia es esencial.

Por ejemplo, en PerfectAI Engage estamos incorporando una funcionalidad de análisis de impacto que permite realizar pruebas A/B y medir resultados reales, como cambios en la frecuencia de visitas o en los pagos de las membresías entre distintos grupos de prueba. De este modo, los operadores pueden construir su propia ventaja competitiva sobre la tecnología que desarrollamos.

“Lo realmente complicado es integrar a las personas, los procesos y el conocimiento del negocio dentro de la tecnología”

¿Sobre qué aspectos se ha equivocado a lo largo de su trayectoria?

Sobre muchos, pero hay algunos especialmente relevantes para esta conversación. En primer lugar, antes pensaba que la tecnología era la parte difícil. No lo es. Lo realmente complicado es integrar a las personas, los procesos y el conocimiento del negocio dentro de la tecnología.

En segundo lugar, subestimé el tiempo que requiere hacer bien las cosas. Construir soluciones nativas y preparadas para el futuro a gran escala exige tiempo y cuidado. Sin embargo, paradójicamente, la velocidad es uno de los factores más críticos en el mercado actual.

Con la inteligencia artificial estamos entrando en territorios parcialmente desconocidos. Hemos pasado de considerar el software como un conjunto de herramientas sencillas bajo nuestro control a desbloquear trabajos basados en conocimiento y habilidades que, hasta hace poco, solo podían ser realizados por personas. Obtener valor real de ello depende de varios factores.

¿Cómo debe enfocarse el abordaje a la IA?

La forma de enfocar la IA es clave. La ampliación de capacidades suele funcionar mejor que la automatización o la simple reducción de costes. La IA que ayuda a los equipos a hacer más cosas es una apuesta ganadora; la IA que pretende sustituirlos rara vez lo es.

La gestión del cambio es fundamental. La inteligencia artificial genera inquietud entre las personas y, si esa preocupación no se aborda de manera directa, no importa lo bueno que sea el sistema: no generará valor.

Además, la alta dirección debe estar realmente comprometida. La implantación de la IA debe trasladarse a todos los niveles de la organización, incluyendo indicadores de rendimiento, responsabilidades e incentivos. Un liderazgo que habla de IA en reuniones corporativas pero no modifica la forma en que se gestiona o evalúa el negocio no aporta más valor que la ausencia total de patrocinio interno.

Tampoco se pueden subestimar las necesidades de datos e infraestructura. El fitness no se caracteriza precisamente por disponer de los entornos tecnológicos más avanzados, por lo que contar con datos centralizados, accesibles y correctamente mantenidos es crítico. Es un aspecto al que prestamos una enorme atención en Sport Alliance.

Y, por último, está el debate entre desarrollar o comprar tecnología. No existe una respuesta universal; depende del contexto. Sin embargo, en la gran mayoría de los casos, adquirir una solución tiene más sentido que desarrollarla desde cero, y los datos suelen demostrar que también resulta más rentable.

Si el propietario de un pequeño estudio sin equipo tecnológico interno está leyendo esta entrevista, ¿qué debería hacer el próximo lunes por la mañana?

Lo primero es definir una estrategia antes incluso de pensar en los siguientes pasos. ¿Qué quiere conseguir exactamente? ¿En qué áreas del negocio puede aportar valor la IA? ¿Con quién va a implementar esa estrategia y cuáles son sus expectativas? ¿Está realmente preparada la empresa para adoptar una tecnología tan transformadora como la inteligencia artificial? La mayoría de los operadores se saltan esta fase. Compran una herramienta en una feria del sector, la conectan y seis meses después se preguntan por qué nada ha cambiado.

Una vez respondidas estas preguntas, deben encontrar un socio capaz de asumir la complejidad tecnológica. Existe una regla conocida como el principio 10-20-70: aproximadamente el 70% del éxito de un proyecto de IA no tiene nada que ver con la tecnología en sí misma.

El 10% de la atención debe centrarse en elegir qué modelos o agentes implementar; el 20%, en la infraestructura de datos; y el 70%, en las personas y los procesos. Hay que prepararse para liderar ese 70% y dejar el resto en manos de un proveedor competente. Después, hay que empezar poco a poco. Un caso de uso cada vez.

“Los operadores que triunfarán en 2027 serán aquellos que empezaron a construir su ventaja competitiva en 2026, y lo hicieron no por ser más inteligentes que los demás, sino por haber sido más pacientes”

¿Por dónde pueden empezar?

El punto de partida más habitual consiste en incorporar un agente al embudo comercial para que ningún lead quede sin respuesta durante la noche. A partir de ahí se puede avanzar hacia la interacción con los socios, la retención o las campañas de renovación, construyendo ventajas competitivas paso a paso. Empiece poco a poco, acepte que habrá errores y aprenda rápido.

Busque un socio cuya inteligencia artificial ya haya recorrido ese proceso de aprendizaje a gran escala. Elija un único caso de uso. Mida los resultados. Resista la tentación de hacerlo todo a la vez. Los operadores que triunfarán en 2027 serán aquellos que empezaron a construir su ventaja competitiva en 2026, y lo hicieron no por ser más inteligentes que los demás, sino por haber sido más pacientes.

¿Qué consejo daría a los operadores que intentan entender cómo la IA puede generar valor real?

Por un momento, olvidémonos de los grandes titulares sobre el retorno de la inversión. La mayoría de las historias de fracaso relacionadas con la IA no hablan realmente de un fracaso de la tecnología. Hablan de personas que miden lo incorrecto en el momento equivocado.

Lo que he observado trabajando con operadores, proveedores tecnológicos y en labores de consultoría es que el valor de la IA no llega de golpe. Además, hay que ser honesto respecto al punto del camino en el que realmente se encuentra la organización.

En las fases iniciales, el retorno ni siquiera es financiero. Es velocidad. Y suele manifestarse a nivel individual: el equipo aprende qué pueden hacer las herramientas, dónde están los cuellos de botella reales y qué prácticas adoptará o rechazará.

Si intenta traducir eso inmediatamente a una cifra económica, probablemente se sentirá decepcionado y acabará cancelando el proyecto antes de que tenga la oportunidad de demostrar su potencial.

“Si solo llevan tres meses trabajando con IA y ya se preguntan dónde está el impacto en el EBIT, no están midiendo el valor de la inteligencia artificial: están auditando algo que todavía no podía existir”

¿Y más adelante?

Más adelante empiezan a aparecer cambios operativos: ahorro de tiempo, contactos comerciales gestionados más rápido o alertas tempranas de abandono. Son beneficios reales, pero todavía difíciles de cuantificar económicamente. Se perciben antes de poder demostrarlos en una cuenta de resultados.

La atribución financiera más sólida llega después, y requiere tiempo. Numerosos estudios sitúan ese plazo en más de un año, habitualmente entre dieciocho y treinta y seis meses. Para entonces, las personas y los procesos ya se han adaptado a la tecnología y la organización ha aprendido a utilizar realmente aquello que adquirió.

Por eso, el consejo más útil que puedo dar es que adapten las métricas al nivel de madurez en el que se encuentran. Si solo llevan tres meses trabajando con IA y ya se preguntan dónde está el impacto en el EBIT, no están midiendo el valor de la inteligencia artificial: están auditando algo que todavía no podía existir.

¿Hay algún otro aspecto crítico?

Sí, la adopción. Con mucha más frecuencia de la que la gente admite, la IA funciona perfectamente y nadie actúa sobre lo que genera. La lista de clientes con riesgo de abandono se crea y queda olvidada. La recomendación se produce y nadie la utiliza. Eso no es un fallo tecnológico. Es un problema de personas y procesos. Y ninguna actualización del modelo lo solucionará.

Mi recomendación es sencilla: tengan paciencia con el retorno financiero, sean curiosos respecto al retorno operativo y asegúrense de que las personas de la organización realmente utilizan las herramientas que han implementado. Ahí es donde reside el verdadero valor.