Acompanhamento de alunos e fichas de treino na academia com Claude Code

Sexta-feira, dez da noite. Depois de me despedir do último aluno e baixar metade das luzes da recepção, eu ainda estava na frente do computador. Faltavam doze mensagens de acompanhamento para a semana seguinte. O Carlos vem aparecendo menos desde o mês passado. A Júlia se matriculou há duas semanas e ainda não marcou um único treino. Eu abria a ficha de um por um, conferia o treino anterior e digitava um “tudo bem por aí?” sem graça pelo WhatsApp. Quando faço isso toda semana, é normal ter dias em que a parte de mandar recado leva mais tempo do que dar aula.

E tem outra coisa: enquanto fico pensando no texto do follow-up, a concentração some, e acabo mandando uma mensagem que é só o modelo levemente ajustado, sem parar pra pensar no que realmente importa: “por que essa pessoa parou de vir?”. Aí, depois, eu percebo: “no fim, aquele aluno cancelou mesmo”. Acho que quem toca academia já passou por esse arrependimento pelo menos uma vez.

Esse “pântano da papelada de contato” eu joguei boa parte no colo do Claude Code e da IA generativa. Não é automação perfeita, longe disso. Mas, quando deixei a IA fazer o trabalho de base e o humano só decide, o serviço burocrático semanal caiu pela metade na sensação. Hoje vou deixar aqui o método, com os modelos prontos para copiar e colar.

Pontos principais

• O acompanhamento de alunos é menos sobre “tempo escrevendo texto” e mais sobre “tempo decidindo quem recebe o quê”. Deixe a base com a IA e a decisão de enviar com o humano.
• Listar os alunos com sinais de cancelamento, rascunhar as mensagens de follow-up e gerar um esboço de ficha de treino: essas três tarefas combinam com a IA.
• Coloquei um modelo de prompt pronto para usar e um script de verificação para tratar os dados dos alunos com segurança.
• Nada de dados pessoais: o desenho não entrega nome real nem contato à IA. Tudo roda só com ID anônimo.
• Mesmo numa academia pequena, cortar de 3 a 5 horas de burocracia por semana é uma meta realista.

Primeiro, quem lê isto e como o fluxo funciona hoje

Este texto serve, por exemplo, para gente assim: dono de academia de bairro ou estúdio personal com 50 a 300 alunos, ou o próprio treinador na linha de frente. Não tem secretária dedicada, ou tem só uma. A captação até vai bem, mas o aluno que entra some em silêncio dentro de três meses. Você quer agir, mas o dia a dia dando aula já lota a agenda.

Se a gente quebra o follow-up de hoje, ele roda mais ou menos nesta ordem:

1. Abrir o histórico de presença ou o sistema de agendamento e procurar, meio no olho, quem não aparece há um tempo.
2. Lembrar a ficha, o treino anterior e o objetivo daquela pessoa.
3. Pensar e mandar a mensagem pelo WhatsApp ou pelo app da academia.
4. Quando vem resposta, encaixar o próximo treino.
5. Montar a ficha de treino da semana, aluno por aluno.

O problema é que os passos de 1 a 3 são “tudo na mão, do zero, toda vez”. Os retrabalhos mais comuns aqui são dois: “deixar passar quem sumiu” e “montar o treino e depois ter que refazer porque o aluno mudou o objetivo ou está indisposto”. O primeiro mexe direto no faturamento e, mesmo assim, é o que mais fica para depois.

Caso de uso 1: levantar toda semana quem tem sinal de cancelamento

O primeiro movimento é a lista de “quem precisa de acompanhamento”. Aqui é tarefa de alinhar critérios de forma mecânica, então combina com a IA.

Se você consegue exportar um CSV do sistema de agendamento, entregue a data da última visita, a data de matrícula e se há agendamento recente, tudo por ID anônimo, e peça para ordenar por risco. Nome real não vai. Número de matrícula ou um ID com hash já bastam.

Peça para a IA pescar como “precisa de acompanhamento” os alunos que batem este checklist.

• Sem aparecer nos últimos 14 dias (aluno com plano de 2x por semana)
• Matriculado há menos de 30 dias e com 2 treinos ou menos
• Depois do último follow-up, não respondeu nem voltou
• Falta menos de um mês para o prazo da meta dele

A IA vai até aqui. “O que dizer para essa pessoa” e “se é hora de falar com ela” quem decide é o humano. Por exemplo: “semana passada ele contou de uma lesão, então é melhor não tocar no assunto agora”. Esse contexto de quadra não aparece nos dados. É o humano que pesca.

Caso de uso 2: preparar o rascunho de follow-up aluno a aluno

Com a lista pronta, vem o texto. É aqui que a IA brilha. Mas o que você vai enviar não sai em envio automático. A IA faz o rascunho, e o humano ajusta em três segundos. Esse foi o ponto de equilíbrio certo.

Quando você pede rascunhos com tom diferente por tipo de aluno, a leitura fica bem mais rápida.

Tipo de aluno	Situação	Direção do texto
Recém-matriculado, baixa frequência	2 semanas sem aparecer	Reduzir a insegurança. Propor uma meta pequena para a volta
Acomodado no meio	Caiu para 2 treinos no mês	Revisar resultados. Explicar a fase de platô
Quase na meta	Falta um passo	Desenhar junto o próximo objetivo depois de bater a meta
Contato depois de sumir	Mais de um mês parado	Não cobrar. Baixar a barreira para recomeçar

Quando você inclui essa separação por tipo no prompt, a IA escreve os textos diferenciados de uma vez.

Caso de uso 3: montar um esboço de ficha de treino

A terceira é montar treino. Quando você entrega objetivo, situação atual, equipamentos disponíveis e a carga do treino anterior, a IA devolve um esboço por semana.

O que eu quero reforçar aqui é que o que a IA entrega é um “esboço”. Restrição de amplitude de movimento, doença prévia, indisposição no dia, vício de execução: essas partes ligadas direto à segurança o treinador sempre sobrescreve. À IA cabe a combinação dos exercícios, a referência de número de séries e a primeira versão da progressão em relação ao treino anterior. Quem decide se “pode deixar essa pessoa pegar essa carga” é o humano.

Deixe bem riscada a parte que o humano sempre julga.

• Liberar ou não os exercícios que mexem com histórico de lesão ou região dolorida
• Permitir ou não carga alta e alta intensidade
• Trocar o treino olhando a condição do aluno no dia
• Orientação individual de alimentação e suplementos (na área perto da medicina, ainda mais cautela)

Modelo de prompt pronto para copiar e colar

Este é o modelo que eu uso de verdade. Os dados do aluno ficam só com ID anônimo: nome real e contato não entram.

Você é um assistente de acompanhamento de uma academia de pequeno porte.
Leia os dados dos alunos abaixo (apenas ID anônimo, histórico de visitas e meta) e:
1) Ordene os alunos que precisam de acompanhamento, do maior risco para o menor.
2) Para cada aluno, crie 1 rascunho de mensagem de WhatsApp que não cobre e que inclua uma meta pequena para o próximo passo.
   - Até 120 caracteres, no máximo 1 emoji, tom cordial.
   - Indique qual tipo: recém-matriculado / acomodado no meio / voltando depois de sumir.
3) Acrescente, em 1 linha, um ponto de atenção que o treinador deve checar.

A saída deve ser em formato de tabela. Não exiba nome real, telefone nem endereço.
Dados:
{cole aqui o CSV anonimizado}

O de treino é este.

Você é o assistente de um personal trainer.
Leia o objetivo, a situação atual, os equipamentos disponíveis e o treino anterior do aluno e
monte um esboço dos 3 treinos desta semana.
- Nome do exercício, número de séries de referência e proposta de progressão em relação à última.
- Para cada dia, marque em 1 linha o ponto de segurança que o treinador deve checar.
- Exercícios que envolvem histórico de lesão devem sempre ser marcados como "verificar".
Saída em tabela. Escreva partindo do princípio de que a decisão final é do treinador.
Dados do aluno:
{cole aqui os dados anonimizados}

Script de verificação para proteger dados pessoais

Antes de entregar os dados do aluno à IA, verifique por máquina se não há nome real, telefone ou e-mail misturados. A conferência só com o olho humano sempre deixa passar, então coloque um porteiro aqui. É um script pequeno de verificação que roda em Node.js.

import { readFile } from "node:fs/promises";

// Porteiro que checa por máquina se há dados pessoais misturados no CSV a entregar
const text = await readFile(process.argv[2] || "alunos.csv", "utf8");

const rules = [
  { name: "Telefone", re: /\(?\d{2}\)?\s?9?\d{4}-?\d{4}/g },
  { name: "E-mail", re: /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g },
  { name: "Coluna de nome", re: /(nome|nome completo|name)\s*[:,]/gi },
];

let hit = 0;
for (const rule of rules) {
  const found = text.match(rule.re);
  if (found) {
    hit += found.length;
    console.log(`ERRO: ${found.length} valor(es) parecido(s) com ${rule.name}`);
  }
}

if (hit === 0) {
  console.log("OK: nada que pareça dado pessoal. Pode entregar só com ID anônimo.");
  process.exit(0);
} else {
  console.log("--- Apague as colunas indicadas antes de entregar à IA ---");
  process.exit(1);
}

Rodar é só isto.

node check-pii.mjs alunos.csv

Se aparecer ERRO, apague aquela coluna antes de entregar. Adote a regra de “não entregar à IA enquanto não der OK” e o acidente de colar nome real sem querer simplesmente some. Se você pedir ao Claude Code “passe este script em todos os CSV da pasta”, ele aplica automaticamente a cada exportação. O começo básico está no guia de primeiros passos do Claude Code, e o jeito de ensinar regras específicas do projeto está nas boas práticas de CLAUDE.md.

O que mudou do antes para o depois

Em número fica mais claro, então deixo aqui minha estimativa de bolso. Numa academia com cerca de 120 alunos, este era o tempo gasto no follow-up semanal.

Tarefa	Antes	Depois
Levantar quem precisa de acompanhamento	~60 min	~10 min
Escrever os follow-ups (12 alunos)	~90 min	~25 min
Esboçar treinos (10 alunos)	~120 min	~40 min
Total (por semana)	~4,5 horas	~1,25 hora

São pouco mais de 3 horas a menos por semana. Em valor de hora, dá algumas centenas de reais por mês, mas o que pesa mais é a sensação de ter recuperado o “tempo de pensar na aula”. Para afinar a precisão dos prompts, vale olhar a engenharia de prompt avançada. Quem ainda não tem traquejo com IA entra mais fácil começando pela introdução ao Claude Code para quem não é programador.

Como referência de ROI: se a ferramenta custar uns 50 reais por mês, basta o follow-up reforçado evitar o cancelamento de 1 aluno no mês para já valer a pena com folga. Sobre números do mercado, vale cruzar dados públicos como os do IBGE com os seus próprios números reais: o que é certeiro é medir pela realidade da sua academia.

Perguntas frequentes

P. Posso enviar o texto que a IA escreveu, do jeito que saiu? Melhor não. Use como rascunho e leia sempre antes de enviar. Acrescentar o nome do aluno e uma palavra sobre algo recente já tira o ar de robô. Não automatizar o envio em si é o truque para não quebrar a confiança.

P. Posso colocar o nome e o contato do aluno na IA? Não coloque. Dá para rodar só com ID anônimo, histórico de visitas e meta. Se adotar a regra de checar com o script de verificação antes de entregar, o acidente fica quase impossível.

P. Funciona mesmo para quem não tem traquejo com computador? O Claude Code aceita instruções por conversa. Basta conseguir exportar o CSV e colar o prompt. O passo a passo do primeiro movimento está no artigo de introdução.

P. Fico preocupado com a segurança do treino. Encare a saída da IA como esboço, e ponto. Carga e exercícios que mexem com histórico de lesão sempre são sobrescritos pelo treinador. Se você decide o limite no começo, a IA serve com segurança como ajudante do trabalho de base.

P. Por qual tarefa é melhor começar? Recomendo começar por levantar quem precisa de acompanhamento. Se errar, ninguém é incomodado, e o efeito aparece logo. Quando pegar o jeito, expanda para os follow-ups e, por último, para os treinos: assim não força a barra.

O que aconteceu quando eu testei de verdade

O que eu fui conferir foi qual aguenta no dia a dia: “deixar tudo com a IA” ou “deixar só o trabalho de base”. A conclusão é que aguentou o segundo.

No começo eu fui ganancioso e montei até o envio automático. Mas, quando mandei a um aluno “como você está se sentindo desde a semana passada?”, ele tinha vindo na véspera e relatado estar ótimo. A importação dos dados estava um dia atrasada. Depois de enviar, fiquei branco. Desde então voltei para o formato em que o humano sempre aperta o botão de enviar.

Já o script de verificação e o levantamento foram um acerto em cheio. Depois que inseri o teste de vazamento de nome real, aquele susto de quase colar a lista de alunos inteira, que já tinha acontecido algumas vezes, foi a zero. O levantamento de quem precisa de acompanhamento também passou a deixar menos gente escapar do que na época em que eu procurava no olho, e o primeiro follow-up dos alunos de até um mês de matrícula passou a chegar a tempo. Se a sua empresa quer colocar isso em operação de verdade, dá para fechar junto um desenho sob medida para a sua academia na formação e consultoria. Se você prefere primeiro testar sozinho, deixei materiais e um PDF gratuito aqui. A IA não é mágica, mas, só por manter essa divisão, deixar o trabalho de base com ela e o humano focar na decisão, as sextas-feiras às dez da noite passaram a terminar bem mais cedo.