Liftline: seguimiento de equipos de gimnasio, gestión de colas y mantenimiento predictivo con IA

La frustración que ningún gimnasio ha resuelto de verdad

Entra en cualquier gimnasio comercial concurrido un martes a las 6 de la tarde. El rack de sentadillas está ocupado. La máquina de remo en polea está ocupada. No hay forma de saber cuánto hay que esperar para usar ninguno. La tercera máquina de poleas lleva dos semanas con un agarre roto, pero el personal no sabe exactamente cuál es porque el informe decía “la cosa de los cables que está rota”. Los socios se frustran. Algunos se van antes. Unos pocos cancelan su membresía tres meses después y el gimnasio nunca relaciona los hechos.

La esencia de Liftline es muy sencilla: los socios pueden ver qué equipos están libres, apuntarse a una cola cuando están ocupados e informar de problemas en segundos. Lo interesante es lo que sucede con esos datos una vez que empiezan a fluir.

Tres portales, una plataforma

Cada nivel ve lo que necesita: ni más ni menos. RBAC aplicado en la API.

Así se ve realmente

Tres portales según el rol funcionando con datos de ejemplo de un gimnasio, no maquetas de Figma. A continuación, un recorrido de dos minutos grabado en el entorno de preproducción, seguido de un par de pantallas representativas.

~23 MB · MP4 · toca para reproducir

Portal de administración · /portal/dashboard

Panel del personal · /app/floor

Centro de control de IA · /portal/ai

Se muestra el tema oscuro · tema claro disponible · marca personalizable por gimnasio

Dónde la IA realmente justifica su lugar

Resistimos la tentación de añadir IA a cada función. Estos son los ocho ámbitos donde Claude hace un trabajo que ninguna otra solución hace bien:

1. Predicción del tiempo de espera. Predecir la longitud de la cola de cada máquina mediante patrones históricos de uso y la afluencia actual del gimnasio.
2. Recomendaciones de equipos alternativos. Cuando el remo en polea está ocupado: “El remo sentado está libre y trabaja los mismos músculos.”
3. Mantenimiento predictivo. Analizar el flujo de informes de incidencias para predecir fallos antes de que ocurran y priorizar los tickets por gravedad y frecuencia de uso.
4. Clasificación de informes de incidencias. PLN sobre informes de texto libre para clasificar por tipo de problema, detectar duplicados y señalar elementos críticos de seguridad para su escalamiento inmediato.
5. Planes de entrenamiento adaptativos. Reorganizar dinámicamente y en tiempo real la sesión planificada de un socio según los equipos no disponibles.
6. Detección de cuellos de botella. Los datos de sensores y colas revelan patrones de congestión en la distribución de la sala.
7. Detección de señales de frustración. Esperas repetidas sin éxito para el mismo equipo → oferta proactiva de una alternativa fuera de horas punta.
8. Identificación del riesgo de abandono. Caídas en la frecuencia de visitas correlacionadas con episodios de falta de disponibilidad de equipos.

Lanzaremos primero la predicción de tiempos de espera y el mantenimiento predictivo: ambos tienen un impacto directo en las dos métricas que realmente importan a los gimnasios, la satisfacción de los socios y el costo operativo.

Tecnologías

• Frontend: Next.js 14 (App Router) + TypeScript + Tailwind CSS: una base de código, tres experiencias según el rol.
• Backend: Node.js + Express + TypeScript con middleware de autenticación, RBAC, registro de auditoría y limitación de solicitudes.
• Base de datos: PostgreSQL 16.
• Tiempo real: Socket.io: las actualizaciones del estado de los equipos llegan a todos los clientes conectados en <100 ms.
• Caché: Redis: estado de las colas en la ruta crítica y predicciones de tiempos de espera.
• IA: Anthropic Claude API para clasificación mediante PLN, predicciones y el planificador adaptativo de entrenamientos.
• Correo electrónico: Nodemailer con MailHog para mantener la equivalencia en desarrollo.

Todo se ejecuta en contenedores mediante docker-compose para desarrollo local; la producción funciona en la nube del cliente (AWS, GCP o Azure, tú eliges), con la base de datos, Redis y Socket.io dentro de su VPC.

La arquitectura, en un diagrama

┌─────────────────────────────────────────────────────┐
│                  Next.js Frontend                    │
│  ┌──────────┐  ┌──────────────┐  ┌───────────────┐   │
│  │ Member   │  │    Staff     │  │  Admin Portal │   │
│  │ App /app │  │ Dash /staff  │  │    /portal    │   │
│  └────┬─────┘  └──────┬───────┘  └───────┬───────┘   │
└───────┼────────────────┼──────────────────┼──────────┘
        ▼                ▼                  ▼
┌─────────────────────────────────────────────────────┐
│              Express API + Socket.io                 │
│  ┌────────┐ ┌────────┐ ┌────────┐ ┌──────────────┐   │
│  │  Auth  │ │  RBAC  │ │ Audit  │ │ Rate Limiter │   │
│  └────────┘ └────────┘ └────────┘ └──────────────┘   │
│  ┌──────────────────────────────────────────────┐    │
│  │           AI Service · Claude API             │    │
│  └──────────────────────────────────────────────┘    │
└──────────┬───────────────────────────┬───────────────┘
           ▼                           ▼
     ┌──────────┐               ┌──────────┐
     │PostgreSQL│               │  Redis   │
     │    16    │               │  cache   │
     └──────────┘               └──────────┘

Dónde estamos y hacia dónde vamos

Liftline está en desarrollo privado como producto creado por SEYSO. La estructura de la aplicación con tres portales, el estado de equipos en tiempo real, la gestión de colas y el flujo de informes de incidencias clasificados mediante PLN funcionan en nuestro entorno de desarrollo. El mantenimiento predictivo y la predicción de tiempos de espera son los siguientes pasos.

Estamos hablando activamente con cadenas de gimnasios y operadores independientes sobre un pequeño grupo de implementaciones piloto iniciales —instaladas en tu centro mediante un acuerdo de diseño conjunto, sin costo de desarrollo, a cambio de utilizar tus datos operativos para entrenar la configuración predeterminada de la plataforma. Si te interesa, contáctanos a continuación.

Por qué este es el momento adecuado

La industria del fitness se reconstruyó entre 2020 y 2024. Ahora el software determina las expectativas de los socios —aplicaciones de reserva de clases, dispositivos inteligentes de fuerza y dispositivos ponibles—, pero la capa operativa central de la mayoría de los gimnasios sigue siendo una carpeta con papeles. Liftline es la capa operativa que respeta cómo se comportan realmente los socios en la sala y ofrece a los propietarios datos para tomar decisiones sobre personal, distribución y compras sin dejarse llevar por las emociones.