Andrew Leckeyが開発するAdaptiv｜筋トレの実績から次回の重量・回数を自動調整

概要

Andrew Leckeyは、筋力トレーニング向けの適応型アプリ「Adaptiv」を開発している人物だ。本人のIndie Hackers投稿では、このプロダクトを一人で作っていると説明しており、チーム運営ではなく個人主導で進めている様子がうかがえる。

同じ投稿では、Adaptivの中核は“最初に一度メニューを作って終わり”の設計ではなく、利用者が各回のワークアウトで残した実績を踏まえ、次回以降のプログラムを都度見直す点にある。2026年7月のIndie Hackersでの書き込みでは、実際のパフォーマンスに応じて毎回内容を補正するAIストレングスコーチとして位置づけていた。

さらにIndie Hackers上の本人コメントでは、ユーザーが記録したRPE（主観的運動強度）を手がかりに、将来のセッションにおける重量、回数、セット数を動的に調整すると述べている。AIを単なる文章生成の飾りとして置くのではなく、トレーニング負荷の更新ロジックに組み込んでいるのが特徴だ。

一方で、現時点では立ち上げ初期の色合いが濃い。本人はIndie Hackersで、Product Huntでの公開後、最初の利用者獲得とニーズ検証を進めている段階だと書いている。

ビジネスモデル

Adaptivの形としては、継続利用を前提にしたアプリ型のSaaSに近い。提供価値は、一般的な筋トレアプリのように固定プランを提示することではなく、実際の出来・疲労・進捗に合わせて処方を毎回更新することにある。

本人のIndie Hackers投稿では、強くなった場合、予定通り進められなかった場合、想定以上に早く伸びた場合などに合わせて内容を組み替える仕組みを目指しているという。コメント欄では、適応エンジン自体がプロダクトの中心であり、経験者には負荷調整の判断を自動化する価値があり、忙しい層には「考えずに通えばよい」体験として届く可能性がある、という整理を示していた。

つまり売り物は単なるワークアウト生成ではない。プログレッシブオーバーロードやピリオダイゼーションのような既存のトレーニング原則を、記録データに応じて継続的に運用する“自動コーチ機能”が収益の核になりうる。

また、AIの役割についても本人の説明は比較的具体的だ。Indie HackersではAIそのものを作る難しさより、むしろトレーニングロジックの設計のほうが大変だったと振り返っている。これは、AIが表層の機能ではなく、判断ルールと組み合わせて初めて価値になる領域だと示している。

稼働状況については、本人がProduct Hunt公開後に最初のユーザー獲得へ進んでいると述べており、少なくとも構想段階だけで止まっているわけではない。ただし、有料会員数や課金転換率までは確認できなかった。

収益規模

公開されている収益データは確認できなかった。MRR、月商、課金ユーザー数、料金プランの詳細について、今回確認できたIndie Hackers上の発信には明示がない。

その一方で、プロダクトが稼働していることを示す材料としては、2026年7月時点で本人がProduct Huntでの公開に触れ、最初のユーザーを集めながら学習中だと書いている点がある。売上の開示はないものの、少なくとも動くサービスとして外に出し、利用反応を取り始めている段階と見てよいだろう。

学べるポイント

1つ目は、AIプロダクトでも差別化の中心はモデル名ではなく更新頻度に置けることだ。Adaptivが狙っているのは、最初の提案精度だけで勝つことではなく、運動後のログを次回メニューへどう反映するかという運用ループである。

2つ目は、専門家が頭の中でやっている判断をソフトウェアに落とし込もうとしている点だ。重量を上げるのか、回数を足すのか、逆に負荷を下げるのかは、経験者やコーチなら都度決めている。本人はその工程を自動化し、しかも理由まで示すことが信頼につながると見ている。ここはAI導入の典型的な学びで、結論だけでなく“なぜそう変えたか”の説明可能性が重要になる。

3つ目は、開発より販売のほうが難しいという率直な認識だ。本人はIndie Hackersで、最大の壁はマーケティングだと明かしている。適応ロジックがどれだけ筋が良くても、筋肥大志向の層と効率志向の層では刺さる言葉が異なるため、最初の100人をどう取るかが別の問題として残る。

日本での再現可能性

日本市場でも、この発想自体は十分再現余地がある。ただし、そのまま輸入しても伸びるとは限らない。理由は、Adaptivが解こうとしている価値が「筋トレメニューを作ること」ではなく、「記録をもとに次回の負荷設定を自動で更新すること」にあるからだ。

日本ではパーソナルジム、24時間ジム、自宅トレーニングアプリが混在しているが、継続の障害はしばしば“正しいメニューが分からない”ことより、“その日の状態に合わせた調整が面倒”なことにある。Andrew LeckeyがIndie Hackersで触れたように、実際のパフォーマンスやRPEを受けて重量・回数・セット数を変える仕組みは、この面倒さを削れる。一方で、日本の一般層にRPE入力が自然に受け入れられるかは別問題だ。競技志向の層には通じても、ライト層には入力負荷が高い可能性がある。

再現するなら、国内では機能の優秀さより入力設計の翻訳が重要になるだろう。例えばRPEをそのまま教えるのではなく、「余力が何回分残ったか」「今日は重かったか軽かったか」といった言い回しに落とし、記録の摩擦を下げる必要がある。Andrew Leckeyの発信から見える強みは、トレーニング理論をまじめに扱っている点だが、日本で広げるには、その厳密さを失わずにUIを大衆向けへ崩せるかが分岐点になる。

もう1つ示唆的なのは、彼自身が課題として挙げたメッセージ設計だ。Indie Hackersでは、筋力向上を重視する人にも、忙しくて判断を省きたい人にも同じ適応エンジンが価値を持つという考えを示していた。これは日本でも同様で、競技者向けの“高精度な負荷調整”として売るのか、会社員向けの“考えなくていい筋トレ管理”として売るのかで、広告文もLPも大きく変わる。機能は同じでも、誰の不安を解消するサービスなのかを先に定めないと広がりにくい。

つまり、日本で真似する場合の論点はAI搭載そのものではない。記録を続けたくなるUI、専門知識を噛み砕く説明、そしてターゲットごとに言葉を切り替える販売設計まで一体で作れるかどうかにある。Adaptivの事例は、適応アルゴリズムだけでは事業にならず、記録体験と訴求設計まで含めて初めて成立することを教えてくれる。

出典

• https://www.indiehackers.com/post/claude-code-kept-surfacing-problems-mid-task-i-had-nowhere-to-put-them-04e6b0495e
• https://www.indiehackers.com/post/i-built-an-ai-training-coach-that-adapts-after-every-workout-lvaKQWI1xn9APSnH6dEA