Liftline: rastreamento de equipamentos de academia, gestão de filas e manutenção preditiva com IA
Uma primeira visão do Liftline — a futura plataforma de operações com IA da SEYSO para redes de academias e academias independentes. Seu treino, sem interrupções. Status de equipamentos em tempo real, filas inteligentes de alunos, manutenção preditiva e relatos de problemas classificados por PLN em três portais por perfil.
3
Portais por função
Real-time
Status dos equipamentos
NLP
Triagem de problemas
Predictive
Manutenção
A frustração que nenhuma academia realmente resolveu
Entre em qualquer academia comercial movimentada às 18h de uma terça-feira. O rack de agachamento está ocupado. A remada no cabo está ocupada. Não há como saber quanto tempo será a espera por nenhum deles. A terceira máquina de cabos está com uma alça rasgada há duas semanas, mas a equipe não sabe exatamente qual é, porque o relato dizia “aquela coisa de cabo quebrada”. Os alunos ficam frustrados. Alguns saem mais cedo. Uns poucos cancelam a matrícula três meses depois, e a academia nunca liga os pontos.
A essência do Liftline é muito simples: os alunos podem ver quais equipamentos estão livres, entrar em uma fila quando estão ocupados e relatar problemas em segundos. O trabalho interessante é o que acontece com esses dados depois que começam a fluir.
Três portais, uma plataforma
Cada perfil vê o que precisa — nem mais, nem menos. RBAC aplicado na API.
Aplicativo do aluno · pensado para dispositivos móveis
/app/*Mapa de equipamentos ao vivo. Entrada na fila com notificação quando chega sua vez. Relate um problema com uma foto e uma descrição de uma frase — o Claude faz a triagem no backend. Veja seu histórico de espera. Receba alertas inteligentes como “O rack de agachamento que você costuma usar acabou de ficar livre.”
Painel da equipe · tablet / desktop
/staff/*Visão do salão com o status de todos os equipamentos em tempo real. Fila de problemas triados com indicação de gravidade. Rotinas de limpeza e inspeção agendadas automaticamente pela intensidade de uso, em vez de horários fixos. Alertas de frustração quando alguém entrou sem sucesso na fila do mesmo equipamento três vezes nesta semana.
Portal administrativo · desktop
/portal/*Mapas de calor do uso de equipamentos por hora, dia e estação. Detecção de gargalos na planta do salão. Painel de risco de evasão que correlaciona quedas na frequência de visitas com a disponibilidade de equipamentos. Informações para compras: “Você precisa de mais duas máquinas de cabos — aqui estão os dados.”
Como é na prática
Três portais por perfil rodando com dados de exemplo de uma academia — não são mockups do Figma. Abaixo, um tour de dois minutos gravado em homologação, seguido de algumas telas representativas.
~23 MB · MP4 · toque para reproduzir
Tema escuro exibido · tema claro disponível · identidade visual personalizada por academia
Onde a IA realmente justifica seu lugar
Resistimos à vontade de acrescentar IA a cada recurso. Estes são os oito pontos em que o Claude faz um trabalho que nenhuma outra solução faz bem:
- Previsão de tempo de espera. Prever o tamanho da fila por máquina usando padrões históricos de uso e o movimento atual da academia.
- Recomendações de equipamentos alternativos. Quando a remada no cabo está ocupada: “A remada sentada está livre e trabalha os mesmos músculos.”
- Manutenção preditiva. Analisar o fluxo de relatos de problemas para prever falhas antes que aconteçam e priorizar chamados por gravidade e frequência de uso.
- Classificação de relatos de problemas. PLN sobre relatos em texto livre para classificar por tipo de problema, detectar duplicidades e sinalizar itens críticos de segurança para escalonamento imediato.
- Planos de treino adaptativos. Reorganizar dinamicamente, em tempo real, o treino planejado do aluno de acordo com os equipamentos indisponíveis.
- Detecção de gargalos. Dados de sensores e filas revelam padrões de congestionamento na disposição do salão.
- Detecção de sinais de frustração. Filas repetidas sem sucesso para o mesmo equipamento → oferta proativa de uma alternativa fora do horário de pico.
- Identificação de risco de evasão. Quedas na frequência de visitas correlacionadas com eventos de indisponibilidade de equipamentos.
Vamos lançar primeiro a previsão de tempo de espera e a manutenção preditiva — ambas têm impacto direto nas duas métricas que realmente importam às academias: satisfação dos alunos e custo operacional.
Tecnologias
- Frontend: Next.js 14 (App Router) + TypeScript + Tailwind CSS — uma base de código, três experiências por perfil.
- Backend: Node.js + Express + TypeScript com middleware de autenticação, RBAC, registro de auditoria e limitação de requisições.
- Banco de dados: PostgreSQL 16.
- Tempo real: Socket.io — atualizações do status dos equipamentos chegam a todos os clientes conectados em <100 ms.
- Cache: Redis — estado das filas no caminho crítico e previsões de tempo de espera.
- IA: Anthropic Claude API para triagem por PLN, previsões e o planejador adaptativo de treinos.
- E-mail: Nodemailer com MailHog para paridade no desenvolvimento.
Tudo em contêineres via docker-compose para desenvolvimento local; a produção roda na nuvem do cliente (AWS, GCP ou Azure — você escolhe), com banco de dados, Redis e Socket.io dentro da sua VPC.
A arquitetura em um 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 │
└──────────┘ └──────────┘Onde estamos e para onde vamos
O Liftline está em desenvolvimento privado como produto criado pela SEYSO. A estrutura do aplicativo com três portais, o status de equipamentos em tempo real, a gestão de filas e o fluxo de relatos de problemas classificados por PLN funcionam em nosso ambiente de desenvolvimento. Manutenção preditiva e previsão de tempo de espera são os próximos passos.
Estamos conversando ativamente com redes de academias e operadores independentes sobre um pequeno conjunto de implantações piloto iniciais — instaladas no seu espaço em um acordo de codesenvolvimento, sem custo de construção, tendo como contrapartida o uso dos seus dados operacionais para treinar as configurações padrão da plataforma. Se isso interessa, entre em contato abaixo.
Por que este é o momento certo
O setor de fitness se reconstruiu entre 2020 e 2024. As expectativas dos alunos agora são definidas por software — aplicativos de reserva de aulas, equipamentos inteligentes de força e dispositivos vestíveis —, mas a camada operacional central da maioria das academias ainda é uma prancheta. O Liftline é a camada operacional que respeita como os alunos realmente se comportam no salão e oferece aos donos dados para tomar decisões sobre equipe, disposição do espaço e compras sem se basear na emoção.
Quer um piloto do Liftline na sua academia?
Estamos selecionando um pequeno grupo de operadores iniciais para instalar o Liftline antes do lançamento público. Se seu espaço tem reclamações recorrentes de disponibilidade de equipamentos, manutenção pendente crescente ou evasão que você não consegue explicar completamente, há uma boa chance de podermos ajudar.