生成AIで高めるランニング技術【第2回】 多角的・複合的にデータ解析するには｜時空ラボ
生成AIがマラソンの練習メニューを組んでくれることを思いがけず知り（第1回）、私はこのツールをもっとランニングのトレーニングに活用できないか考えていました。
その背景には、昨年（2024年）の雪辱を晴らすべく、今年開催される日本最西端与那国島一周マラソン大会では、10kmを1時間以内に軽々と走破したい……そんな強い動機があったわけですが、どうすればこの目標を達成できるのでしょうか……?
そこで思いついたのが、プロジェクト化です。
◎ランニングの取り組みをプロジェクト化
私は生成AIサービスの中でもAnthropicが提供するClaudeを好んで使っていたので、実をいうとランニングの取り組みをプロジェクトにすることは、前々から頭の中にあったりしました。
ランニングに関するあらゆるナレッジ（走った結果、生成AIとのやり取り、それによって得られたノウハウ）をプロジェクトに蓄積していけば、より私に合った練習メニューを考えてもらったり、練習後のデータを見てもらったりして、目標達成のためのPDCAを回せるようになるはずです。
やはりプロジェクト機能はClaudeの大きな特長ですしね（いまはChatGPTにも同様の機能があるみたいですが）。
さっそく、ここまでのClaudeとのやり取りをナレッジ化するため、以下のようなプロンプトを入力しました。
そして今度はプロジェクトを作成します。
プロジェクト名は、「2025年 与那国島マラソン『10kmを58分台』プロジェクト」です（シンプル）。
先ほど出力したナレッジを本プロジェクトに登録したところで、生成AIとの取り組みも本格的なスタートを迎えました。
今後は、このプロジェクトにデータをいっぱい読み込ませて、私に最適化された戦略を一緒に練っていくのです。
これは、わくわくしますね!
◎ランニング結果のデータは……複雑
第1回でも書いたように、私はGarminのスマートウォッチ「Forerunner 265 Music」を使っており、走ったあとはその結果をデータとしてさまざまな角度から見ることができます。
走行距離、タイム、平均ペース、ルートはもちろんのこと、高度、ペース、心拍、パフォーマンスコンディション、歩幅、ピッチ、パワー：ワット、上下動比、接地時間……といった数多くの、役立ちそうな数字が可視化されるわけです。
ただし表面的にこれらのデータを眺めることはできても、何らかのインサイトを引き出すとなると……私が持ち合わせている技能レベルではとうてい手に負えません。
もしも、この豊富なデータを生成AIに読み込ませ、多角的・複合的に分析してもらえたら、一体どんなフィードバックが得られるんでしょうね。
◎生成AIにランニング結果を読み込ませるには
生成AIにランニングデータを読み込ませる際は、まずGPX形式でファイル出力すると、より詳細な解析が可能になります。
ただしデータのサイズが大きくなるため（10km走ると1.3MB以上になる）、チャット欄にアップロードするよりもプロジェクトのナレッジとして読み込ませる方が良いようです。
ちなみに、データサイズが小さいCSVファイルを使ったり、クラウドサービス上にアップロードしたGPXファイルを読み込ませようとしたりと、よりスマートな方法がないか試行錯誤したのですが、思ったようにはいきませんでした。
では、具体的な手順を解説しておきましょう。
ランニングデータは、「Garmin Connect」のウェブサイトから自分のアカウントでログインし、該当のランニング結果を表示すればダウンロードできます。
なお、ランニングデータの「メモ」はかなり重要で、これは詳細に記録した方がいいですよ。
客観的なデータと主観的なメモの組み合わせが、解析の際に生きてくるのです。
疑問に思ったことなども書いておくと、生成AIが解析結果と共に答えてくれたりします（スルーされることもありますが）。
また、GPXデータは「日付_走った距離_練習内容.gpx」といったフォーマットに基づいて、ファイル名を付けると良いようです（生成AIが教えてくれました）。
20250921_3+4+3+1km_加圧トレーニング後のビルドアップ走.gpx
ファイル名の例で「3+4+3+1km」とあるのは、3km（ウォーミングアップ）、4km（1段階目のビルドアップ）、3km（2段階目のビルドアップ）、1km（クールダウン）と、距離によって走り方を変えたことを明示しています。
◎ランニング結果のデータを生成AIで解析
このGPXデータをナレッジに登録すれば、あとはプロンプトを入力するだけですね。
私はいつも以下のように入力しています。
プロジェクトのナレッジに「20250921_3+4+3+1km_加圧トレーニング後のビルドアップ走.gpx」ファイルをアップロードしました。
データを丁寧に読み込んで、推測ではなく実際の数値に基づいて分析してください。もちろん「20250921_3+4+3+1km_加圧トレーニング後のビルドアップ走.gpx」の箇所（ファイル名）は、適宜変更してくださいね。
実はもっと詳細に解析できそうなプロンプトも作れるのですが、出力に時間がかかったり、解析が中断されたりすることもあって、個人的には上記くらいがちょうどいいかなと思っています。
もっと詳細なデータ分析を試してみたい方は、生成AIに依頼してプロンプト例を出力してもらうと良いでしょう。
以下は生成AIによるフィードバックの中の、ほんの一部です。
この解析結果は詳細で読み応えがあり、ときには気付きも与えてくれます。
また、データが蓄積されてくるにつれて、これまでのランニング結果を踏まえたフィードバックも行ってくれるようになるのです。
疑問点などがあれば、生成AIに質問すればいいですしね。
ぜひ、試してみてください。
次の第3回では、こうしたデータ解析を基に、レース戦略を組み立てていこうと思います。
まさにデータドリブンな取り組みといえますね!
ここまでお読みいただき、ありがとうございました。
生成AIを活用した自己分析の記事もあるので、よろしければ覗いてみてください。