여기에 데이터가 더해진다. 오늘날 많은 사람들은 자신의 상태를 숫자로 확인하는 데 익숙하다. 걸음 수, 심박수, 수면 시간, 주간 활동량 같은 수치가 일상적으로 소비되는 정보가 되었고, 이를 바탕으로 자신의 컨디션을 판단하는 분위기가 형성됐다. 운동 참여자 역시 오늘 무리한 것 같다는 감각에만 의존하지 않고 기록을 근거로 자기 상태를 이해하고 싶어 한다. 이런 환경에서 코칭도 객관적인 수치와 변화를 같이 살피는 방식으로 바뀌어 가게 된다. 데이터 자체를 어떻게 쓰느냐의 문제는 뒤에서 따로 다루겠지만, 적어도 사람들이 자기 몸을 데이터로 이해하려는 태도를 지니게 되었다는 사실만으로도 코칭이 나아가야 할 방향은 달라졌다.
---『01_스포츠 코칭의 변화』 중에서

이 네 갈래의 기술은 결합하여 작용한다. 카메라가 자세를 읽으면 센서가 생체 신호를 측정한다. 머신러닝이 그 값들의 패턴을 해석하고 음성과 챗봇이 결과를 이용자에게 전달한다. 네 축이 함께 움직여야 AI 스포츠 코칭이 가능해진다. 한 기술이 뛰어나도 다른 축이 약하면 코칭 전체가 어색해진다. 자세 분석이 정확해도 음성 피드백이 느리면 이용자는 이미 다음 동작으로 넘어간 뒤다. 센서 정밀도가 높아도 머신러닝이 그 값을 해석하지 못하면 숫자만 쌓일 뿐이다. AI 스포츠 코칭이 하나의 흐름으로 이어지는 까닭은 여기에 있다. 개별 기술의 성능이 아무리 뛰어나도 네 축이 서로 맞물려야 비로소 AI가 사람의 움직임에 반응하는 파트너로 자리 잡을 수 있다.
---『03_AI와 스포츠 기술』 중에서

이런 흐름은 여러 방면에서 이용자에게 도움이 된다. 운동을 통한 건강관리와 건강관리를 통한 생활 습관의 변화, 생활 습관이 질병 예방으로 이어지는 구조는 사람들이 자신의 건강을 더 능동적으로 다루도록 만든다. 그러나 두 영역이 가까워질수록 분명히 짚어야 할 질문이 있다. 어디까지가 운동 지도이고 어디서부터가 의료 행위에 가까운가. 혈압 관리를 돕는다는 운동 프로그램이 실제로 어느 선까지 안내해도 되는가. AI 코치가 심박 데이터를 보고 특정 질환의 가능성을 언급해도 되는가. 이 질문들은 실제 서비스가 만들어지고 운영되는 현장에서 부딪치는 문제로 언급되고 있다.
---『06_건강관리와 의료의 경계』 중에서

가장 먼저 짚을 위험은 부정확한 분석과 잘못된 권고의 가능성이다. AI는 틀릴 수 있다. 자세 인식 기술은 조명이나 카메라 각도, 이용자의 복장에 따라 오류를 낸다. 센서는 피부 상태나 착용 위치에 따라 측정값이 흔들린다. 머신러닝 모델은 학습에 쓰인 데이터의 성격을 그대로 따라가기 때문에, 특정 연령대나 특정 체형의 이용자에게는 잘 맞지 않는 결과를 내놓기도 한다. 문제는 AI가 틀린 판단을 사람 코치와 똑같이 단정적인 톤으로 전달한다는 점이다. 자세가 안정적이라는 안내가 실제로는 측정 오류에서 비롯된 결론일 수 있고 오늘은 무리하지 말라는 권고가 단지 특정 데이터의 결손으로 나온 결과일 수 있다. 이용자는 이런 배경을 알기 어렵다. 출력되는 안내를 그 자체로 받아들이고, 그에 따라 운동 방향을 조정한다. 잘못된 권고가 가벼운 오류로 그칠 수도 있다. 그러나 이용자의 몸이 이미 무리한 상태일 때 잘못된 ‘괜찮다’ 신호는 부상으로 이어질 수 있다. AI의 판단이 가진 불완전함과 그 판단을 받아들이는 이용자의 신뢰 사이에는 일정한 간극이 있다.