Arvo

Arvo è un coach AI per chi si allena in palestra con metodologie strutturate: segue la progressione serie per serie, adatta carichi e recuperi al contesto e impara dalle abitudini di chi la usa. Parla il linguaggio del bodybuilding scientifico — Kuba, Mentzer, FST-7, Y3T, volumi MEV/MAV/MRV, periodizzazione — e decide in tempo reale, non a fine allenamento.

L'ho costruita nel laboratorio Aetha AI, dove sperimento prodotti AI full stack. Il sito è arvo.guru, che la presenta come «AI Workout Coach for Gym Lifters»: è lì che l'app si prova.

Arvo non è un database con un timer: è un'architettura multi-agente in cui agenti specializzati dividono pianificazione, esecuzione, validazione e apprendimento, e decidono su un contesto a sette livelli — profilo, metodologia, periodizzazione, fase calorica, fatica del ciclo, insight attivi e memorie apprese. L'analisi tecnica completa è in Arvo: il personal trainer AI su architettura multi-agente.

Dietro il prodotto ci sono le scelte operative che racconto nel diario qui sotto: cambi di modello, lettura dei costi, sistemi che tacciono e rilasci senza aggiornamenti over-the-air.

Quattro storie vere dal cantiere di Arvo:

• Migrare il modello con un A/B appaiato e il rollback scritto prima: l'assistente di supporto passa a un modello nuovo con 200 casi congelati e trigger di rollback scritti prima dello switch.
• Prezzo per chiamata e quota non sono la stessa cosa: dopo il cambio, leggere il conto — prezzo giù, quota su, nesso causale escluso.
• NPS mai inviati per tre mesi e mezzo: gli errori finivano dove nessuno guardava.
• Merge non vuol dire installato: spedire un'app senza aggiornamenti OTA, dove il merge apre il rilascio invece di chiuderlo.