[마이데일리 = 김태오 칼럼니스트] 운동이 건강에 좋다는 사실을 모르는 사람은 많지 않다. 규칙적인 운동은 체력과 신체기능을 높이고 심혈관·대사 건강을 개선하는 데 중요한 역할을 한다. 문제는 운동의 필요성을 아는 것과 실제로 시작하고 꾸준히 이어가는 것은 다른 문제라는 데 있다. 어떤 운동을 해야 하는지, 얼마나 해야 하는지, 지금 하는 운동이 나에게 효과적인지 스스로 판단하기도 쉽지 않다. 최근 인공지능(AI)과 웨어러블 기술은 바로 이 지점에서 새로운 가능성을 보여주고 있다. 스마트워치와 각종 센서가 심박수, 활동량, 운동시간, 수면 등의 데이터를 수집하고, AI가 이를 분석해 개인에게 적합한 운동을 제안하는 시대가 가까워지고 있다.
2026년 Current Sports Medicine Reports에 발표된 Reiner 등의 리뷰는 AI가 운동 프로그램과 코칭에 활용되는 방식을 웨어러블 및 센서 데이터, 예측 모델, 가상 코칭, 대규모 언어모델 등의 관점에서 정리했다. 과거에는 나이와 체력, 운동 경험 등을 평가해 운동 프로그램을 구성했다면, 앞으로는 운동 과정에서 지속적으로 생성되는 데이터까지 활용해 프로그램을 조정하는 방향으로 발전할 가능성이 있다. 운동량이 부족하면 이를 확인하고, 체력이 향상되면 강도를 높이며, 회복이 충분하지 않다면 운동량을 조절하는 식이다.
웨어러블은 이미 이러한 변화의 일부를 일상으로 가져왔다. 일주일에 세 번 운동하기로 한 사람이 실제로 얼마나 운동했는지, 운동 중 심박 반응은 어땠는지, 평소 활동량은 어떻게 변했는지를 확인할 수 있다. 2025년 Digital Health에 발표된 체계적 문헌고찰에서도 스마트워치와 머신러닝을 결합해 신체활동을 인식하고 개인에게 맞는 운동을 추천하려는 연구들이 보고됐다. 아직 장기간의 효과와 다양한 사람에게 적용할 수 있는지는 더 검증해야 하지만, 운동이 ‘정해진 프로그램을 따라 하는 것’에서 자신의 반응을 확인하고 조절하는 방향으로 변화하고 있다는 점은 주목할 만하다.
이러한 변화가 중요한 이유는 운동의 효과가 좋은 프로그램 하나로 결정되지 않기 때문이다. 아무리 과학적으로 설계된 운동이라도 하지 않으면 효과가 없고, 며칠 열심히 하는 것만으로 충분하지도 않다. 필요한 운동을 선택하고, 꾸준히 실천하고, 몸의 변화를 확인한 뒤 다시 조절하는 과정이 반복되어야 운동은 실제 건강과 체력의 변화로 이어질 수 있다. AI와 웨어러블의 강점도 운동을 대신하는 것이 아니라 이 과정을 기록하고 피드백하는 데 있다.
그렇다면 AI가 운동 전문가를 대신해 개인에게 필요한 운동까지 처방할 수 있을까. 현재 연구를 보면 아직 신중하게 볼 필요가 있다. Dergaa 등은 GPT-4에 서로 다른 건강 상태와 운동 목표를 제시하고 운동 프로그램을 생성하게 한 뒤 전문가 평가를 실시했다. AI는 기본적인 운동 프로그램을 빠르게 만들 수 있었지만 개인의 특성과 건강 상태를 세밀하게 반영하는 데에는 한계가 나타났다. 최근 위험군을 대상으로 생성형 AI의 운동처방을 평가한 연구에서도 정보를 구조화해 제공하면 처방의 질이 개선될 가능성이 나타났지만, 복잡한 건강 상태에서는 전문가의 감독과 판단이 여전히 중요했다.
현장에서 회원을 지도하다 보면 그 이유를 쉽게 이해할 수 있다. 같은 나이이고 체력이 비슷한 두 사람에게 같은 운동을 적용해도 반응은 다르다. 한 사람은 계획한 운동을 충분히 수행하지만 다른 사람은 업무와 수면 부족으로 운동 빈도가 떨어질 수 있다. 같은 스쿼트를 해도 누군가는 편안하게 수행하고, 누군가는 특정 움직임에서 불편함을 느낀다. 운동을 시작하는 이유와 포기하는 이유 역시 사람마다 다르다. 이런 정보는 심박수나 활동량 같은 숫자만으로 모두 설명하기 어렵다.
필자가 현장에서 중요하게 보는 것도 바로 이 지점이다. 좋은 운동처방은 가장 복잡한 프로그램을 만드는 것이 아니다. 그 사람에게 필요한 운동이어야 하고, 실제로 수행할 수 있어야 하며, 꾸준히 지속할 수 있어야 한다. 그리고 일정 기간 후 체력과 기능, 건강에서 의미 있는 변화가 나타나는지 확인해야 한다. 결국 운동의 우수성은 프로그램이 얼마나 화려한가가 아니라 그것이 사람의 행동과 몸을 실제로 변화시키는가에서 확인된다.
AI와 데이터는 이 과정을 더욱 정교하게 만드는 도구가 될 수 있다. 운동 전문가가 경험과 관찰에만 의존하는 것이 아니라 운동 빈도와 활동량, 운동 중 반응과 변화 등을 데이터와 함께 살펴볼 수 있기 때문이다. 반대로 AI가 제시한 프로그램을 그대로 적용하는 것이 아니라 전문가가 실제 움직임과 체력, 생활환경, 운동 경험을 함께 해석한다면 개인 맞춤 운동은 더 현실적인 처방으로 발전할 수 있다. 데이터가 몸의 변화를 보여주고, AI가 패턴을 분석하며, 전문가는 그 의미를 사람의 삶 속에서 해석하는 방식이다.
운동의 본질은 AI 시대에도 달라지지 않는다. 몸은 직접 움직여야 변한다. 아무리 정교한 알고리즘이 운동을 추천해도 사람이 실천하지 않으면 체력은 향상되지 않고, 데이터를 많이 수집한다고 근육이 강해지는 것도 아니다. 반대로 자신에게 필요한 운동을 꾸준히 수행하고 그 결과에 따라 프로그램을 조절한다면 운동은 건강과 체력을 변화시키는 강력한 수단이 될 수 있다.
필자는 AI 시대의 운동 전문가에게 요구되는 역할도 여기에서 달라질 것이라고 본다. 단순히 운동 동작을 알려주거나 프로그램을 작성하는 것을 넘어 데이터를 읽고, AI가 제시한 정보를 검토하며, 그것을 한 사람이 실제로 지속할 수 있는 운동으로 바꾸는 능력이 더욱 중요해질 것이다. AI가 내 운동을 처방하는 시대는 올 수 있다. 그러나 운동의 필요성을 판단하고, 지속 가능한 방법을 찾으며, 실제 효과로 연결하는 과정까지 기술만으로 완성되기는 어렵다. AI와 데이터, 운동 전문가의 판단, 그리고 무엇보다 직접 움직이는 사람의 실천이 함께할 때 개인 맞춤 운동의 가치는 비로소 완성될 것이다.
김태오 글로우핏 대표
※ 본 칼럼은 필자 개인의 의견입니다.
참고문헌
Choi, M., Park, J., Lee, M., Beom, J., Jung, S. Y., & Lee, K. (2026). AI-generated exercise prescriptions for at-risk populations: safety and feasibility of a large language model assessed by expert evaluation. Journal of Clinical Medicine, 15(6), 2457.
Dergaa, I., Saad, H. B., El Omri, A., Glenn, J., Clark, C., Washif, J., ... & Chamari, K. (2024). Using artificial intelligence for exercise prescription in personalised health promotion: A critical evaluation of OpenAI’s GPT-4 model. Biology of Sport, 41(2), 221-241.
Jubair, H., & Mehenaz, M. (2025). Utilizing machine learning algorithms for personalized workout recommendations and monitoring: A systematic review on smartwatch-assisted exercise prescription. Digital health, 11, 20552076251355365.
Reiner, S. L., Pearson, R. C., Reed, R. A., Olenick, A. A., & Pojednic, R. M. (2026). Artificial intelligence in exercise programming and coaching: opportunities and limitations. Current Sports Medicine Reports, 25(8), 245-252.
심재희 기자 kkamanom@mydaily.co.kr
- ⓒ마이데일리(www.mydaily.co.kr).
무단전재&재배포 금지 -