Datamaxxing suena a una tendencia de bienestar que implicaría una hoja de cálculo, tres suplementos y demasiado tiempo libre. La idea básica es mucho más sensata. La gente está alimentando datos de sus dispositivos wearables a chatbots de IA y pidiéndoles que expliquen qué significan realmente todos esos números. The Wall Street Journal documentó recientemente a varias personas construyendo sistemas en torno a esa idea.
Aquí hay un vacío real que la IA debe llenar. Un estudio de Nature Communications de 2026 encontró que los wearables son buenos para producir resúmenes, pero mucho menos útiles cuando la gente quiere respuestas personalizadas sobre sus propios datos. Un agente de IA desarrollado por los investigadores alcanzó un 84% de precisión en preguntas numéricas objetivas.
Por qué la IA añade lo que a los rastreadores les falta
Tu reloj inteligente puede decirte que tu sueño ha sido peor de lo habitual o que tu puntuación de recuperación ha bajado. Lo que a menudo no puede hacer es explicar esos cambios de una manera que resulte útil.
La IA puede hacer que esos datos sean conversacionales. En lugar de mirar gráficos, puedes preguntar cómo se compara tu sueño reciente con semanas anteriores o si un cambio coincide con tu entrenamiento.
Las empresas de wearables ya están avanzando en esta dirección. Oura dice que el 60% de las personas que analizaron Oura Advisor sintieron que les ayudó a entender métricas que no habían comprendido del todo antes. Google Health Coach adopta un enfoque similar con orientación personalizada sobre la forma física y el sueño.
Datamaxxing es básicamente la versión casera de esa experiencia.
¿Qué tan bueno puede llegar a ser un coach de IA?
Hay algunas pruebas de que estos sistemas pueden ir más allá de explicar un gráfico. Un estudio de Nature Medicine de 2025 evaluó el Modelo de Lenguaje Amplio de Salud Personal de Google en 857 casos de sueño y fitness. Sus respuestas de fitness funcionaron de forma similar a las de expertos humanos, mientras que sus conocimientos personalizados sobre el sueño mejoraron respecto al modelo base de Géminis.
Eso no convierte a un chatbot en un clínico. Sugiere que la IA puede ser realmente útil cuando el trabajo consiste en encontrar patrones entre los datos que ya estás recopilando en lugar de ofrecer consejos médicos.
Dónde el datamaxxing puede fallar
Incluso los sistemas especializados pueden inventar detalles o malinterpretar los datos de los usuarios. Esos errores se vuelven mucho más graves cuando una conversación pasa del entrenamiento físico al consejo médico.
Un informe clínico de 2025 describía a un hombre de 60 años que desarrolló bromismo tras sustituir la sal de mesa por bromuro de sodio durante tres meses. Los autores no tenían sus registros originales de ChatGPT, así que no pudieron verificar exactamente lo que le dijo el chatbot.
Datamaxxing resulta más útil cuando la IA ayuda a interpretar los datos de salud que ya tienes. Una vez que empieza a sugerir diagnósticos o tratamientos, tu experimento con el reloj inteligente se ha desviado hacia un terreno que es mejor manejar un profesional sanitario.
