Maraton och artificiell intelligens: när AI springer med dig

Maraton och artificiell intelligens: när AI springer med dig

AD
Av Alanis Duc

Publicerad den ons 9 september 2026

Uppdaterad den ons 9 september 2026

Tänk om artificiell intelligens blev din nya personliga coach? Träningsplaner som genereras på några sekunder, prediktiv prestationsanalys och skräddarsydd kostplanering … På bara några månader har AI smugit sig in i löpares och idrottares vardag, bland såväl elit som motionärer. AI blir ett allt viktigare verktyg för att höja prestationen och integreras i allt fler idrottares förberedelser. I den här artikeln granskar vi hur det nya verktyget tar plats i löpningen.

Från app till AI-coach: en logisk utveckling

Det handskrivna träningsdagboksblocket tillhör numera det förflutna. I en tid när tekniken tar plats i alla delar av vardagen står löpningen inte utanför förändringen. Uppkopplade klockor, fartstrategi, uppföljning av data i realtid … De här verktygen har blivit oumbärliga för såväl motionärer som etablerade atleter. Framväxten av coachningsappar vittnar om den digitala omställningen. 2024 rapporterade Baromètre du Running by RunMotion Coach att minst en halv miljon regelbundna löpare i Frankrike använder en coachningsapp. Samma app har haft en kraftig ökning av antalet nedladdningar sedan starten 2028. I dag samlar RunMotion Coach en aktiv gemenskap på 100 000 användare, en siffra som ökar med 50 procent varje år. Plattformarna lockar med sin tillgänglighet och förmåga att erbjuda ett stöd som påminner om en mänsklig coach, ofta till en betydligt lägre kostnad.

Individuellt anpassade träningsplaner, hänsyn till tillgänglig tid, kompletterande aktiviteter och anpassning efter underlaget … Fördelarna är många. Men lösningarna har också begränsningar: relationen kan bli opersonlig, återkopplingen standardiserad och anpassningen i realtid otillräcklig.

För att täppa till de luckorna integrerar coachningsappar numera artificiell intelligens. Verktyg som RunMotion Coach ligger i framkant och använder maskininlärning för att skapa dynamiska planer, anpassade efter varje löpares profil. Genom att analysera tusentals pass utifrån individuella data som ålder, mål, träningsfrekvens och underlag förfinar AI:n kontinuerligt sina rekommendationer. Dessutom analyseras varje pass på djupet, från tid och distans till puls, för att ge en kontextualiserad och personlig återkoppling på prestationen.

Adaptiva träningsplaner: en utveckling som fortfarande pågår

Artificiell intelligens är visserligen föremål för många debatter, men bidrar också till att göra träningen mer tillgänglig än någonsin. En motionär utan budget för en coach eller en betalapp kan numera skapa ett kostnadsfritt träningsprogram med hjälp av ett verktyg som ChatGPT. I praktiken är AI:s integrering i löpningen fortfarande begränsad. Löpare använder inte AI direkt”, förklarar Joseph Mestrallet, data scientist. ”De flesta kan varken koda eller hantera algoritmer. I stället använder de plattformar som Strava, Garmin eller RunMotion Coach, som i sin tur integrerar AI för att ge användaren smart återkoppling.”

Tjänsterna använder data som användaren själv genererar såsom sömnkvalitet, puls, stressnivå och upplevd trötthet för att justera träningsplanen i realtid. Ett arbetssätt som redan är väl etablerat bland motionärer, men som når en helt annan nivå hos elitlöpare.”På elitnivå går man mycket längre. Vi samlar in data över flera år: vikt, kroppsfett och även mer komplexa indikatorer, som hur pulsen utvecklas vid olika stimuli. Algoritmen matas med all den informationen för att modellera en unik profil och optimera förberedelserna.” För Joseph Mestrallet är det bara en tidsfråga innan verktygen blir standard även bland söndagslöpare: Om AI fungerar för eliten kan den anpassas till motionären. Jag tror att vi är där om två år.

Prestationsprognoser: hur långt kan analysen nå?

Att springa maraton handlar ofta om att sikta på en mycket exakt sluttid. Det gäller inte minst atleter som vill klara kvalgränser till stora mästerskap. I takt med artificiell intelligens har jakten på precision tagit ett nytt steg. Vissa appar kan uppskatta ganska exakt vilken tid en löpare kan nå på den klassiska distansen. Algoritmen utgår bland annat från VDOT, tröskelfart, puls, träningshistorik och aktuell trötthet.

Plattformar som Strava, Garmin och Coros har redan byggt in den logiken i sina funktioner. Formprognoser, sluttidsprognoser och poäng för ansträngning eller uthållighet … Verktygen matas med tusentals datapunkter för att förfina prognoserna och hjälpa löpare att sikta mot ett realistiskt eller ambitiöst mål.

Algoritmerna blir allt vassare, men prognoserna är inte ofelbara. Väder, stress, sömn, matsmältning och smärta … Det är parametrar som inte ens den mest avancerade AI:n kan förutse helt. När Joseph får frågan om en atlet bör lita till 100 procent på vad AI:n säger är svaret tydligt: ”Data är bra, men människan är det viktiga. AI kan också göra fel! RPE, alltså skattad upplevd ansträngning, är fortfarande avgörande, och AI kommer aldrig att kunna förutse en starkare motvind än väntat eller en missad energipåfyllning. AI kan inte modellera den mänskliga faktorn.

”Data är bra, men människan är det viktiga.

Joseph Mestrallet, data scientist

Artificiell intelligens har sina begränsningar: det maskinen (ännu) inte klarar

Trots sina spektakulära framsteg är artificiell intelligens fortfarande ett verktyg med brister, långt ifrån att kunna ersätta människan i alla delar av idrottsförberedelserna. Flera hinder står fortfarande i vägen för ett brett genomslag. Det första som kommer att tänka på är att den inte tar hänsyn till det emotionella och mentala sammanhanget. AI kan (ännu) inte bedöma vissa faktorer med tillräcklig precision, till exempel mental trötthet, stress eller svängningar i motivationen. Samtidigt spelar de faktorerna en avgörande roll i en lång förberedelse som den inför ett maraton. AI bygger på de data den får in. Om sensorn visar fel eller pulsklockan mäter dåligt kan algoritmen alltså ge missvisande råd.

Data kan också ligga bakom vissa överdrifter, menar Joseph Mestrallet: ”Det finns många motionärer som gör vad som helst på grund av data. Vissa lägger ibland för stor vikt vid den. Det blir lite av en jakt på att alltid göra mer, med löpare som riskerar skador … Vi får inte glömma att löpning ska förbli en lustfylld aktivitet och att data, liksom artificiell intelligens, är verktyg som ska hjälpa oss att optimera förberedelserna, inte utsätta oss för skaderisk.

Slutligen är personaliseringen fortfarande bristfällig. Trots allt mer avancerade verktyg kan AI inte ta hänsyn till emotionella, personliga eller psykologiska faktorer. En överdriven personalisering kan dessutom låsa fast löparen i ett behov av ständig kontroll, raka motsatsen till löpningens glädje och spontanitet.

Mot ett maraton som styrs till 100 procent av data?

Hur kommer AI att användas i löparens förberedelser om tio år? Kan vi föreställa oss en löpare som helt styrs av AI under tävlingsdagen? Tänk om löparen i morgon inte längre bestämde någonting själv? Varken farten, kosten eller ens när det är dags att dricka eller öka tempot. På tävlingsdagen skulle en högpresterande AI i teorin kunna styra varje del av loppet: fartstrategi på metern när, energipåfyllning uträknad på sekunden och finjusteringar utifrån väder, pulsdata i realtid eller hur klungan utvecklas. Löparen skulle bara behöva följa instruktionerna från en hörlur som är kopplad till klockan. Ett maraton på autopilot. Men riskerar inte upplevelsen att förlora sin mening? Att springa handlar också om instinkt, känsla och glädje. Om att springa med huvudet, men också med benen. Än så länge kan AI inte läsa en löpares tankar. Och kanske är det just där idrottens skönhet fortfarande finns.

Debatten öppnar också en annan front: teknologisk dopning. Är användningen av en mycket avancerad AI, som kan optimera träning, kost och återhämtning bättre än en mänsklig coach, ett sätt att snedvrida tävlingen? Svaret beror, som så ofta, på hur man definierar dopning. Enligt World Anti-Doping Agency, WADA, är en dopningsprodukt eller metod något som:

  • Förbättrar prestationen avsevärt

  • Potentiellt är farligt för hälsan

  • Strider mot idrottens etik.

AI är inte giftigt. Men den ger en prestationsförbättring, ibland betydande, och väcker frågan om lika tillgång. Alla löpare har inte råd eller kunskap att använda de avancerade verktygen. För vissa skulle det kunna räcka för att tala om ”etisk dopning”. För andra är det, så länge det inte är förbjudet, bara en hävstång för utveckling.


Artificiell intelligens har tydligt förändrat hur vi tränar, återhämtar oss och ibland till och med springer. Den gör också träningen mer tillgänglig och individualiserad. Men AI kommer knappast någonsin att ersätta känslan av tunga ben, de starka känslorna på startlinjen eller stoltheten när man går i mål.

Fler artiklar