Jak umělá inteligence ovlivňuje cyklistiku. Je to teprve začátek

Že o výsledku cyklistického závodu bude spolurozhodovat umělá inteligence, by ještě před pár lety byla myšlenka hodná režiséra zašmodrchaných filmů Christophera Nolana. Dnes, ať se nám to líbí, nebo ne, je realita poněkud jiná. AI pomáhá profesionálním týmům plánovat trénink, analyzovat únavu, připravovat výživu, vybírat sestavy pro konkrétní závody a taky hledat budoucí hvězdy. Což se aktuálně může potvrdit při dlouhé Vueltě, která patří do Grand Tours.

Cyklistika je pro podobnou revoluci vlastně mimořádně vhodným sportem. Každý trénink i závod po sobě zanechávají obrovské množství dat: výkon, tepovou frekvenci, kadenci, rychlost, převýšení, teplotu, nadmořskou výšku, spánek, regeneraci nebo subjektivní pocit únavy. AI dokáže tuto masu informací zpracovat v rozsahu a hlavně rychlostí, jakou člověk jednoduše nezvládne.

A tak zatímco jezdec šlape, počítač se učí. A když jezdec odpočívá, šlapou zase stroje. „AI je nástroj, skrze který můžete posoudit opravdu obří hromadu dat,“ pronesl Robert de Groot, který se v týmu Visma|Lease a Bike, jednom z nejúspěšnějších v současném pelotonu, zabývá predikcí budoucí výkonnosti cyklistů. Na základě toho si ty nejlepší skautuje, s těmi, kteří už coby junioři dosáhli na strop svých možností, čas neztrácí.

A na obhajobu své víry v AI říká: „Kdyby ocel byla to nejlepší, ještě dnes bychom na ocelových kolech závodili. My už ale používáme karbon. Kdyby auta na benzin byla nejlepší, nikdo by neřídil ta elektrická. Nesmíte se otáčet zády k možnostem, jaké nabízí AI, protože jsou obrovské.“ Zároveň ale upozorňuje na největší problém celé technologie: „Musíte být opatrní na to, co vám umělá inteligence říká a jestli je to pravda.“

Což je možná nejdůležitější věta celého našeho sdělení, na kterou i samy umělé mozky malým písmem na konci příkazového řádku upozorňují: Můžu dělat chyby, důležité informace doporučuji kontrolovat. Kritické myšlení je namístě.

Profesionální cyklistika pracuje s daty už dlouho a čím dál intenzivněji, chytrá elektronika, aplikace pro analýzu tréninku dávno nejsou ničím exotickým. Nová technologie ale posouvá hranici. Nejde už jen o to data zaznamenat a následně zobrazit v grafu, jde o schopnost najít v nich vztahy, které člověk možná nevidí.

Příkladem je další prvodivizní tým Astana. Ještě před nedávnem tým bojoval o samotné přežití ve World Tour – první cyklistické lize. V letech 2022, 2023 a 2024 skončil mezi elitou poslední a pro sezonu 2025 potřeboval dramaticky zlepšit své bodové skóre, na základě kterého se udělují „vstupenky“. Co tři roky totiž Mezinárodní cyklistická unie rozděluje worldtourové licence, těm špatným je odebere, nejlepším z druhé divize umožní posun.

S hrozbou pádu do týmu angažovali datového vědce, jehož úkolem nebylo vytvořit cyklistické roboty. Měl zajistit záchranu. Matematik analyzoval závodní kalendář, schopnosti jednotlivých jezdců a pravděpodobnost, že právě oni dokážou v konkrétním závodě získat potřebné body. Výsledkem bylo rozhodování založené nikoli na pocitu, ale na pravděpodobnosti.

V prvních 18 týdnech sezony 2025 se Astana bodově vyšvihla na třetí místo mezi World Tour týmy. Neznamenalo to, že data začala vyhrávat závody sama, protože AI zatím neumí šlapat na kole namísto závodníků. Tým ale dokázal lépe využívat své omezené zdroje.

Celé to fungovalo jednoduše: když vyvstala pochybnost, tým poskytl datovému specialistovi informace, on situaci zanalyzoval a vrátil se s čísly, která ukázala, co konkrétním jezdcům nejvíce vyhovuje. Konečné rozhodnutí ale stále museli udělat lidé.

A to právě je fakt, na který bychom neměli zapomínat, když hovoříme o AI jako revoluci v cyklistice. Mylná je představa, že někde v týmovém autě sedí počítač a diktuje sportovnímu řediteli, koho poslat do úniku. Technologie může poskytnout informace, ale až člověk s dlouholetou zkušeností je dokáže zasadit do kontextu.

Jedním z nejpůsobivějších příkladů užití AI se stal úvod Tour de France 2026. Tým Visma vyhrál týmovou časovku v Barceloně a Jonas Vingegaard oblékl žlutý dres. Na první pohled šlo o klasický výsledek mimořádně silného týmu.

Jenže pořadí v cíli bylo pouze posledním krokem procesu, který začal mnohem dříve. Visma před startem simulovala různé varianty průběhu týmové časovky. Modely opakovaně ukazovaly stejnou věc: nejlehčí jezdci musí být co nejvíce šetřeni do závěrečného kopce, zatímco na rovinatých úsecích mohou větší a silnější závodníci odvést většinu práce.

Výsledek? Jonas Vingegaard, Davide Piganzoli a Sepp Kuss nemuseli plýtvat silami tam, kde jejich kilogramy a fyziologie nebyly nejefektivnější. „Prohnali jsme počítačem spoustu modelů. Pomohlo nám to určit nejlepší strategii rozložení tempa s jezdci, které máme,“ vysvětlil Mathieu Heijboer, jeden z bossů Vismy. AI nevyhrála, ale pomohla týmu rozhodnout, jak závodit ještě předtím, než závod vůbec začal. A v tom je její síla.

Největší konkurent Holanďanů, týmu UAE Tadeje Pogačara, má taky své metody. Profesor Jeroen Swart, který dohlíží na tréninkový proces celé stáje, postupně integroval obrovské množství dat svých jezdců. Před dvěma lety ještě musel člověk AI položit konkrétní otázku: zajímá mě tento vztah, řekni mi, co v něm vidíš.

Nová generace nástrojů je jiná. Data lze jednoduše „uploadovat“ do systému a nechat ho hledat souvislosti. Report, jehož vytvoření pro jediného závodníka by Swartovi dříve zabralo několik dní soustředěné práce, dnes dokáže systém připravit čtyřicetkrát za hodinu. AI může začít hledat odpověď ještě předtím, než přesně víme, na co se chceme zeptat.

Jednou z oblastí, kde AI začíná měnit tradiční přístupy, je trénink. I hobby cyklistovi dnes kdejaká platforma seskládá tréninkový plán a při alespoň základní znalosti tréninkové metodiky z něj bude možné vycházet.

Profíci jdou o něco dál. Platforma Vekta, kterou využívají mimo jiné týmy Lidl-Trek, Decathlon nebo australské Jayco, pracuje s výkonovými daty jinak než systémy založené primárně na klasických výkonových metrikách.

Místo toho využívá například kritický výkon a veličinu, kterou lze přeložit jako rezervu energie, již má jezdec ještě k dispozici. To umožňuje přesněji popsat, co konkrétní interval nebo závodní situace s jezdcem udělaly. Protože dva závody mohou mít stejný průměrný výkon, a přesto mohou být z fyziologického hlediska úplně jiné. AI může „vyčíst“ proč.

Ještě dál může technologie zajít v samotné taktice. A proto ještě jednou Visma. Ta uzavřela partnerství s francouzskou společností Mistral AI s cílem analyzovat závody objektivně, protože lidská analýza má jeden zásadní problém: mozek.

Sportovní ředitel vidí závod z auta, jezdec z kola a každý vnímá něco jiného. AI umí nezaujatě spojit obraz závodu s daty, například zjistit, kolik energie stál konkrétní útok a jestli skutečně přinesl výhodu.

Na první pohled může vypadat útok 80 kilometrů před cílem, jaký opakovaně provádí Pogačar, fantasticky. Jenže co když za ten útok zaplatíte tolik energie, že v rozhodující chvíli přijdete o možnost bojovat o vítězství? Což se tedy zrovna Pogačarovi nestává…

U ostatních ale může AI nabídnout odpověď. A tím se mění i význam slova taktika. Ta dosud byla do značné míry postavená na zkušenosti, instinktu nebo správném načasování. Podle nových pravidel může být hrou pravděpodobností. Představme si závod s bočním větrem. AI zná profil všech jezdců, počasí, profil trati a vývoj závodu. Dokáže vyhodnotit, jaké následky bude mít rozdělení pelotonu, kolik energie jednotlivé skupiny spotřebují a jaká je pravděpodobnost, že se závod po útoku opravdu rozhodne.

Sportovní ředitel pak může vysílačkou vyslat takovouto instrukci: „Pokud zaútočíš nyní a pojedeš následujících deset kilometrů na X wattů, pravděpodobnost, že vytvoříme vítěznou skupinu, je 68 procent.“ A to už je úplně jiná cyklistika.

Richard Plugge, šéf Vismy, připouští, že právě sem může vývoj směřovat, a proto na pokrok tolik věří. AI zatím slouží jako podklad pro rozhodování, jednou se ale klidně může stát samotným rozhodovacím nástrojem. „Jsem zvyklý, že se mi lidé vysmívají,“ říká Vingegaardův manažer. „Počkejme ale, kdo se bude a kdo nebude smát za dva roky.“