ガーミンの全データをAIに渡してコーチングさせる｜無料でできた手順

AIに練習を相談するとき、心拍やペースを言葉で説明するのに限界を感じたことはありませんか。私はガーミンの心拍・パワー・睡眠・VO2maxを、AIにそのまま読ませる仕組みを無料で自作しました。きっかけは、Stravaが有料会員向けに出したAI連携です。この記事では、ランニングのデータをAIに直接見せて相談する流れを、つまずきも含めて正直に紹介します。

「文字で相談」から「生データを見せて相談」へ — AIランニングコーチの新しい段階

ChatGPTやClaudeにランニングの相談をしたことがある方は多いと思います。「先週は1000mを3本やって、最後がきつかった」と文字で書いて、メニューの感想をもらう。これでも十分役に立ちます。

ただ、ここには大きな壁があります。私たちが言葉で伝えられる情報は、実際のデータのごく一部だということです。最後の1本の心拍が何拍だったか、パワーは前の本より落ちていたか、その日の睡眠は足りていたか。こうした数字を全部文章で説明するのは現実的ではありません。

ランニング向けのAI活用が次の段階に入りつつあります。それは、AIが心拍・ペース・パワー・睡眠といった生データを直接読んで答える形です。言葉で要約する手間が消え、AIが見ている情報量が一気に増えます。

Stravaが見せたAI連携の未来と、その壁

2026年6月、StravaがAIと連携する仕組み（MCPコネクタ）を発表しました。Claudeなどの生成AIに、自分の運動データを読み取り専用で見せて相談できる、というものです。秒単位の心拍やペース、パワーまでAIが分析できます。これはまさに、私が「次の段階」と呼んだ形そのものでした。

ところが、この連携はStravaの有料会員専用です。月額のサブスクリプションに入らないと使えません。私はStravaを無料の範囲で使っているので、ここで止まってしまいました。

そこで考えたのが、ふだん使っているガーミンです。ガーミンのデータは、無料のガーミンConnectにすべて記録されています。心拍も、パワーも、睡眠も、VO2maxも。これをAIに読ませることができれば、有料会員にならなくても同じことができるはずです。

ここから、私の「ガーミン×AI」の自作が始まりました。

無料のガーミンで同じことをやる — 自作の仕組みでAIにデータを渡す

やりたいことを整理すると、とてもはっきりしています。AIに、ガーミンのデータを見せたい。それだけです。

そのために必要な部品は3つです。

1つ目は、データの置き場所。これは無料のガーミンConnectがそのまま使えます。新しく契約するものは何もありません。

2つ目は、ガーミンのデータを読み取ってAIに渡す「パイプライン」です。この役割をするのがMCP（モデル・コンテキスト・プロトコル）と呼ばれる仕組みで、AIが外部のデータを読みに行くための共通の通り道です。私はこのMCPを、ガーミン専用の読み取り専用ツールとして自作しました。

3つ目は、相談相手であるAI本体。私はClaude Codeを使っています。これが「頭脳」にあたります。

ここで強調したいのが、「MCP」と「頭脳」は別物だということです。MCPはあくまでデータを取ってくるためのパイプラインで、賢く考えるのは頭脳であるAIの仕事です。だから私は、MCPを独立したアプリにはしませんでした。コーチングの中身はAIに任せ、パイプラインだけを自作する形です。

MCPそのものは、思ったよりずっと簡単に作れました。Claude Code（開発を手伝ってくれるAI）に相談しながら進めて、ガーミンのデータを読み取るMCPは約1時間で動きました。

技術的には、非公式のライブラリ（python-garminconnect）とPython 3.11を組み合わせ、読み取り専用のツールを9個用意しました。最近の練習一覧、各練習の詳細、心拍やパワーの時系列、睡眠、トレーニング負荷の状態などを、それぞれ読み取れるようにしてあります。難しい用語が並びますが、要は「ガーミンの各データをAIが読めるようにした」というだけです。

何が変わるのか — 心拍・パワー・睡眠・VO2maxをAIが直接読むコーチングの精度

ガーミン×AIの本当の価値は、ここからです。AIが生データを直接読めるようになると、ランニングの相談の精度がまるで変わります。

文字で「最後の1本がきつかった」と伝えるのと、AIが「最終本の最大心拍は195拍、パワーは前の本より19W上がっていた」と数字で把握するのとでは、返ってくるアドバイスの質が違います。前者は私の主観ですが、後者は事実です。

私の場合、AIが読めるようになった主なデータはこうです。

しかもこれは、集計後の平均値だけではありません。1本のランの中で心拍・パワー・ピッチ・標高が秒ごとにどう動いたかを、AIは時系列でそのまま追えます。だから、平均では見えない「終盤の失速」や「上りでの心拍の跳ね上がり」まで読み取れます。

たとえばパワー。私の15kmのランでは、平均152W・総仕事量1231kJといった数字が出ます。これをAIが読めば、「今日は出力が落ちているので無理をしない」といった判断材料になります。VO2maxが58という前提を踏まえれば、設定すべきインターバルのペースも具体的に提案できます。

また、睡眠が足りていない日や、体に負荷がたまっている日に、AIが「今日は強度を落としましょう」と止めてくれる。これは、自分の感覚だけでは見落としがちなところです。データに基づくランニングAI分析が、休む判断まで支えてくれます。

実際のやり取り例 — AIに練習メニューを相談してみた

実際にどう動いたかを、私のトラックシーズンの練習で紹介します。今の私は中距離（800m）に取り組んでいて、世界マスターズ陸上（2026年8月24日）でのタイム更新が目標です。

5月31日、1000mレペティションを3本実施しました。タイムは3:20 → 3:17 → 3:16。AIにこのデータを読ませると、各本のペースと心拍の推移から「設定どおり上げられている、次はもう一段負荷を足せる」と評価が返ってきました。

それを受けて6月4日、800mレペティションを3本実施しました。結果は2:33（3:11/km） → 2:30（3:08/km） → 2:29（3:06/km）。本数を追うごとに加速できていて、パワーも400Wから419Wへ上がっていました。AIは「狙いどおり負荷を上げて加速できている」と読み取り、ここまでは順調という評価でした。

ところが同じ日、睡眠は4時間しか取れず、トレーニングステータスは「STRAINED（負荷過多）」を示していました。AIはこれを検知し、翌日を予定どおり追い込むのではなく、回復ジョグに振り替えることを提案しました。私はそれに従いました。

ここがランニングメニューをAIに相談する醍醐味です。タイムが良かったという表の事実だけでなく、睡眠不足という裏の事実まで含めて、AIが次の一手を調整してくれる。これを文字だけのやり取りで再現するのは、まず無理です。

まとめ｜AIにランニングデータを見せて相談する時代の始め方

ランニングAIは、文字で相談する段階から、生データを直接見せて相談する段階へ進みつつあります。心拍・パワー・睡眠・VO2maxをAIが読めば、相談の精度は大きく変わります。

私が作ったのは、ガーミンのデータをAIに渡す「パイプライン」です。これ自体は無料のガーミンConnectとAIがあれば、相談しながら短時間で組めました。ただ、本当の価値はパイプラインではありません。生データを見たうえで、どう評価し、どう次の練習を組むか。その中身、つまり科学と実践知に支えられたコーチングの質こそが差になります。

正直に書いておくと、限界もあります。今回作ったのは自分のアカウント用の読み取り専用ツールで、非公式のライブラリを使っています。他人のガーミンに正規にアクセスするには、ガーミン公式API（パートナー審査）という壁があり、誰にでもすぐ提供できるものではありません。それでも、自分のデータをAIに見せて練習を相談するという体験は、今この瞬間から始められます。

AIで練習プラン作成

いきなり仕組みを自作しなくても、AIに練習を相談する流れ自体は試せます。私はまず、自分の走力に合った練習プランをAIに組ませることから始めるのをおすすめします。

📘 AIの力を、あなたの走りに

テクノロジーを味方につければ、トレーニングの質は大きく変わります。AkiRunが開発した無料ツールで、データドリブンなPB更新を始めましょう。

📘 あなたの「PB更新ロードマップ」