Un coach di surf in tasca: carichi il video della tua onda e un'AI addestrata su una metodologia di coaching reale lo guarda come farebbe un allenatore — e ti dice l'errore che conta davvero.
Chi surfa senza un coach non sa cosa sbaglia: la sessione finisce e non resta nulla da analizzare. Le lezioni private costano, e le app esistenti si fermano al meteo e alle maree. KAI nasce per colmare esattamente questo vuoto: feedback tecnico vero, a partire da un semplice video girato dalla spiaggia.
L'utente seleziona il video della propria onda (fino a 100 MB, idealmente 10–60 secondi con la figura intera ben visibile), dichiara il proprio livello e lo spot. Prima della prima analisi, una schermata di consenso spiega esattamente quali dati vengono inviati all'AI — requisito GDPR e Apple.
Il video viene caricato con upload resumable sull'infrastruttura Google e analizzato da Gemini 2.5 Flash come flusso temporale continuo — non come fotogrammi isolati. È stata una migrazione deliberata: la prima versione estraeva 4 frame dal video e li mandava a un modello vision, ma i frame statici perdono la dinamica del gesto. Con il video intero il modello vede la sequenza completa — remata, take-off, linea — a un costo per analisi ridotto di circa il 60-70% (meno di un centesimo).
La risposta è vincolata a uno schema JSON rigido e validata dal server: punteggio 0–100, feedback strutturato, correzioni, statistiche tecniche. Se il modello esce dallo schema, l'analisi viene rifiutata — mai mostrare all'utente un risultato malformato.
Il cuore di KAI non è il modello: è il Protocollo Master, un documento di coaching di circa 80 KB (1.400 righe) scritto con metodologia da allenatore reale e iniettato come system prompt a ogni analisi. Alcune delle regole fondamentali:
La knowledge base copre le tecniche fondamentali con struttura fissa errore comune → conseguenza → correzione (pop-up, bottom turn, cutback, stance, remata, duck dive...), una guida manovre in 30 capitoli, sezioni di biomeccanica (distribuzione del peso 60/40, altezza del baricentro) e obiettivi numerici precisi: pop-up sotto 0,9 secondi, rail engagement 45–60°.
Per le onde con tubo, il protocollo definisce una rubrica ponderata ispirata ai criteri di giudizio WSL:
| Criterio | Peso | Come viene rilevato |
|---|---|---|
| Completamento del barrel | 30% | Spit visibile, surfista che riemerge dopo l'occlusione |
| Profondità nel tubo | 25% | Percentuale di occlusione della silhouette |
| Controllo e fluidità | 20% | Stabilità della postura, assenza di oscillazioni |
| Difficoltà dell'onda | 15% | Altezza relativa, velocità di chiusura del lip |
| Stile e tecnica | 10% | Stance, direzione di braccia e sguardo |
Il livello del surfista segue il Sistema Banzai a 7 gradini — da B1 (schiuma, 0-6 mesi) a B3, poi I1-I3 (pocket, bottom+top turn, cutback/floater) fino ad Advanced — e ogni analisi viene tarata su quel gradino.
Il risultato è la schermata "Kai Review": il video riguardabile, il commento del coach, quattro anelli di punteggio (Surf Flow, Take-Off, Rail Control, Recovery) derivati dalle statistiche tecniche, la sezione "cosa hai fatto bene", l'errore principale evidenziato, fino a tre correzioni numerate, un drill specifico da praticare (es. "15 pop-up a secco al giorno") e il focus per la prossima sessione.
L'utente può valutare l'analisi da 1 a 5 stelle: ogni valutazione con nota viene salvata insieme all'analisi originale e rientra nel ciclo di training del prompt — le annotazioni migliori del coach umano vengono periodicamente sincronizzate nel Protocollo Master. Il sistema migliora con l'uso.
Lo storico alimenta dashboard, grafici di progressione e achievement (Prima Analisi, Costanza, Pop-up Master, Pro Level). I piani: una analisi gratuita di prova, piano Base con analisi mensili e libreria drill, Premium con analisi illimitate.
App React Native/Expo per iOS e Android; backend Node.js + Express su Railway con MongoDB per utenti, storico e feedback; il video viene eliminato dal server subito dopo l'analisi. Sito di lancio in React 19 + TanStack con waitlist su funzioni serverless. Brand identity completa progettata in-house: logo, palette abisso/ciano, mockup, film di lancio.
Stato: build iOS 1.0.0 inviata ad App Store con privacy label e account revisore; Android in closed testing su Play Console; sito live con waitlist attiva.