アレクセイ・クロフ、チーフ・プロダクト・オフィサー兼Zing Coachの共同創設者 – インタビュー・シリーズ

あなたはZeniaの共同創設からZing Coachの立ち上げまで、魅力的な旅をしています。AIを活用したフィットネス・プラットフォームを作成することに最初にインスパイアされたことと、過去の仕事がZingのビジョンにどのように影響したかについて、教えてください。

私はキャリアの全てで、AI製品と仕事をしてきました。従来のMLから始まり、ディープ・ラーニング、そしてLLMまで、そして今ではLLMです。Zenia以前の会社では、さまざまなビジネスにAIソリューションを統合するのを助けながら、実際の問題を解決し、独自の製品を作るためのニッチを見つけていました。当時、デバイス上でリアルタイムに重いアルゴリズムを実行できるディープ・ラーニング・ソリューションのブームがありました。私たちは、モバイル・デバイス上でのモーション・トラッキングのための独自のテクノロジーを開発し、初めはバーチャル・コスチュームについて考えていましたが、後にそれがフィットネスにとって非常に役立つことがわかりました。

フィットネスでは、多くの製品がありますが、エクスペリエンスは1980年代以来ほとんど変化していません。まだ、ライブラリからのビデオをただ追うだけです。私たちは、ハイパー・パーソナライズドな、インタラクティブなコーチングで市場を変革する大きな潜在性を見出しました。私たちはZeniaでヨガから始め、Zingによる買収後も、そこでのオリジナル・ビジョンを構築し続けました。

Zing Coachは最近、1,000万ユーザーを超えるまでに成長し、1,000万ドルのシリーズAをクローズしました。どのような技術的な、または戦略的なマイルストーンが、こうした規模に達するのに役立ちましたか。どのようにして機能を優先して成長を推進しましたか。

私たちは最初から、AIフィットネス・コーチが真正にパーソナライズドで、プロアクティブであるべきだと信じていました。したがって、ワークアウト・ジェネレーションを柔軟にするために、最初からそのようなアーキテクチャを設計しました。LLMが広く利用できるようになると、私たちのソリューションは自然にそれと組み合わせて、より多くのユーザー・ケースに拡大しました。

2番目の大きなマイルストーンは、私たちのコミュニケーション・レイヤーでした。現在、私たちのコーチはただアドバイスを提供するだけでなく、他のシステムと統合して、ユーザーのジャーニーをフィードバックに基づいて適応させ、実際のコーチのように動作します。これは感情だけではなく、プロアクティブ性、ユーザーの状況を理解し、いつ、そしてなぜユーザーに連絡を取り、そしてユーザーがプッシュまたは洞察を必要としているかを判断することについてもです。

ユーザーのワークアウトをリアルタイムでパーソナライズするために、マシン・ラーニングはどのように使用されていますか。モデルとデータ入力がZingのアダプティブ・コーチング・システムを動かしている方法について、詳しく教えてください。

私たちは4つの瞬間でパーソナライズを行います。まず、ユーザーの目標、トレーニング・ヒストリー、怪我、ボディ・メトリクス、VO₂マックス、休息心拍数、好みに基づいてプランを構築します。翌日、回復シグナルとして睡眠と筋肉痛を確認し、エクササイズ、負荷、レップ、休憩を調整します。ワークアウト中、心拍数、レップ数、テンポ、セット間の心拍回復を追跡して、次のセットをリアルタイムで調整します。後に、推定筋力、心拍ドリフト、回復時間、ユーザーの好みやスキップ、ノートを使用して、プランを改善し続けます。

私たちのモーション・アナリシスは、フォームとレップの品質のためにデバイス上でリアルタイムで実行されます。ターゲットを設定するために予測モデルを使用し、長期的な計画、コーチング・キューズ、プロアクティブなモチベーションにGPTを使用し、ボディ・コンポジションと筋肉の成長を追跡するためにコンピューター・ビジョンを使用し、それらすべてをプランにフィードバックします。

ZingLabを通じてボディ・スキャンと柔軟性テストを構築しました。どのようにしてこれらの物理的な入力がトレーニング・アルゴリズムに統合され、エンサンブル・ラーニングや強化学習を使用して結果を微調整していますか。

私たちはそれらを2つの方法で使用しています。進歩を追跡するために、そしてワークアウト・プランのパラメーターを更新するためにです。フィットネス・テストはユーザーのフィットネス・レベルを調整し、ボディ・スキャナーはボディ・コンポジション・データでプランを改良します。すぐに筋肉分析を立ち上げる予定です。これらすべては、強化学習・システムを構築して、推奨事項が実際の結果にどのようにつながるかを分析するために重要です。

AIの推奨事項がロボットのようなものではなく、人間らしい、モチベーションを高める、サポート的なものであるようにするために、どのようなステップを踏みましたか。コーチング・ボイスは、言語モデルによってどの程度駆り立てられていますか。スクリプト化されたルールによってどの程度駆り立てられていますか。

私たちはコーチがどのようにコミュニケーションをとるべきかについてのガイドラインを持っています。また、ガードレールもあります。事前に定義されたスクリプトはありません。機能することを確認するために、複数の層のテストを行います。ガイドラインの遵守を自動的にチェックし、人間の評価者が「人間らしい」感覚とケース・解決率を評価し、A/Bテストで製品のメトリクスとユーザーのフィードバックを測定します。コーチのプロファイルは、オーディエンスへの調査に基づいて開発され、効果的でリアルなものとなります。

Zingはエンゲージメントとリテンションに重点を置いており、大手競合他社よりも25%以上のリテンション・レートを達成しています。エンゲージメントとリテンションを推進するために、どのようなマシン・ラーニングや製品設計のテクニックが最も効果的であると考えられますか。

私たちは多くの実験と機能を実行し、ユーザー・ジャーニーに良い影響を与えるものを実行しています。主なドライバーは、プロアクティブ性、パーソナライゼーション、そしてアクティビティ・ストリークや筋力・スコアのようなゲーム化されたメトリクスです。これらは先ほど説明したAIシステムによって推進されています。

アプリ内でゲーム化のアプローチについて教えてください。バッジ、達成目標、ランキングボードなどの機能は、ユーザーの行動に基づいてカスタマイズされていますか。パーソナライゼーションが長期的なコミットメントを高めることを証明していますか。

エンゲージメントを高めるツールを見つけることは私たちにとって重要です。フィットネスでは、進歩はすぐに目に見えるものではなく、結果は時間がかかることがあります。したがって、フィットネス・テストやフレックス・テスト、そして筋力・スコアのような小さな改善を測定し、表示する方法を見つけることに取り組んでいます。アクティビティ・ストリークはユーザーが一貫性を保つのに役立ち、多くのユーザーは1年以上アクティビティ・レベルを維持しています。

Zing Vision、リアルタイム・フォーム・コレクション機能を構築する際に、どのような技術的な課題に直面しましたか。システムは、モバイル・デバイスでの悪い照明や通常とは異なる角度などのエッジ・ケースにどのように適応しますか。

主な課題は、モデルをトレーニングするためのデータセットを収集することでした。多くの時間をデータの収集とラベル付けに費やし、さらに、さまざまな条件に対してロバスト性を高めるための強力なオーグメンテーション・システムを構築しました。私たちが7年前に開発を始めたとき、ローカルでこれを実行するためのソリューションはありませんでした。したがって、私たちは独自のアーキテクチャを開発しました。現在でも、より優れたプロセッサが利用できるようになっているにもかかわらず、このアーキテクチャは私たちをエネルギー効率的に保っています。

ピラティスやヨガなどのモダリティに拡大するにあたって、現在のAIシステムは新しいタイプの動きパターンにどのように適応していますか。これらは同じモデル上に構築されていますか、または新しいモデルを再トレーニングしていますか。

私たちのシステムはモジュラーなので、新しいワークアウト・タイプへのアプローチは同様です。現在、活動計画システムをアップグレードして、さまざまなワークアウト・タイプをよりよくサポートすることに取り組んでいます。

世界中に拡大し、Zingパートナー・プログラムを通じてフィットネス・スタジオと提携するにあたって、地域や文化によるフィットネス・嗜好に応じて、コンテンツやトレーニング・プランをどのようにカスタマイズしていますか。

私たちのシステムは、文化的な嗜好に基づいてエクササイズを優先順位付けることができます。LLMとエージェント・アプローチの組み合わせにより、ユーザーのプロファイルに基づいてワークアウトと栄養のパラメーターを設定できます。

将来、フィットネスにおけるAIの役割はどのように進化すると思いますか。特に、ユーザーがルーチンを開始するだけでなく、長期的にそれに従続するのを助けるという点で、どのような新しい機能を最も興奮して構築していますか。

私たちは、実際のコーチと一緒に仕事をするとき、ユーザーは強いエンゲージメント・レートを持っていることを認識しています。しかし、現在、テクノロジーは、利用の容易さ、ユーザーに対する深い理解、そして大量のデータをトレーニングし、より効果的なパターンを使用する能力により、人間のコーチを上回ることができるレベルに達しています。

素晴らしいインタビュー、ありがとうございます。アプリを試したい読者は、Zing Coachを訪問してください。