DoorDash uruchamia nową aplikację 'Tasks', która płaci kurierom za nagrania video do trenowania AI

DoorDash właśnie otworzył nowy front w wojnie o dane treningowe dla sztucznej inteligencji. Platforma logistyczna, która obsługuje miliony zamówień rocznie w Stanach Zjednoczonych, uruchomiła dedykowaną aplikację "Tasks", która płaci kurierom za wykonywanie pozornie prostych zadań — filmowanie codziennych czynności, nagrywanie wypowiedzi w obcych językach czy dokumentowanie interakcji z otoczeniem. To nie jest zwykła dodatkowa gig-ekonomia. To systematyczne zbieranie danych, które zasilą modele AI i roboty autonomiczne, które być może za kilka lat będą konkurować z tymi samymi kurierami o pracę.

Inicjatywa DoorDasha ujawnia głębokie przemiany w branży dostawczej i szerzej — w całej ekonomii cyfrowej. Gdy OpenAI, Google i Anthropic walczą o dostęp do wysokiej jakości danych treningowych, firmy logistyczne zdały sobie sprawę, że mają coś cennego: pracowników, którzy poruszają się w fizycznym świecie, obserwują go i mogą go dokumentować. Zamiast inwestować w drogie zespoły do zbierania danych, DoorDash zaproponował transakcję: my płacimy wam za nagrania, wy zarabiasz dodatkowe pieniądze. Wszyscy zadowoleni. Tyle że rzeczywistość jest bardziej skomplikowana — i bardziej mroczna.

To jest przełomowy moment, który pokazuje, jak korporacje wykorzystują pracowników gig-ekonomii do finansowania własnej transformacji. I jak ci pracownicy nieświadomie mogą przygotowywać grunt pod własną automatyzację.

Jak działa Tasks — od teorii do praktyki

Aplikacja Tasks jest architektonicznie prosta, ale koncepcyjnie zaawansowana. Kurierzy mogą przeglądać dostępne zadania, które wymagają nagrania wideo lub audio. Każde zadanie ma wyraźnie podaną stawkę wynagrodzenia — DoorDash obiecuje przejrzystość cen od samego początku. Zadania mogą obejmować filmowanie, jak rozpakowuje się paczkę, jak przechodzi się przez drzwi, jak mówi się określoną frazę w mandaryńskim czy arabskim. Wszystko to materiał treningowy dla modeli wizji komputerowej i systemów rozpoznawania mowy.

Kluczowe jest to, że wynagrodzenie jest "oparte na wysiłku i złożoności zadania", jak pisze DoorDash. To oznacza, że nagranie piętnastosekundowego wideo może przynieść inny dochód niż nagranie pięciominutowej rozmowy. Platforma ma też mechanizmy kontroli jakości — pracownicy DoorDasha będą weryfikować przesłane materiały, aby upewnić się, że spełniają wymogi. To przypomina model Mechanical Turk od Amazona, ale zamiast klikania w pola wyboru, mamy tu zaangażowanie całego ciała i głosu.

Dla kuriera pracującego dla DoorDasha, szczególnie tego, który czeka między zamówieniami, Tasks to potencjalnie dodatkowe źródło dochodu. Zamiast bezczynności, może zarobić parę dolarów na nagraniu. Ale dla DoorDasha to jest coś zupełnie innego — to jest skalowalna infrastruktura do zbierania miliardów punktów danych o tym, jak ludzie się poruszają, mówią i interaktują z otoczeniem. Dane, które są nieocenione dla firm pracujących nad robotyką autonomiczną i zaawansowanymi systemami AI.

Dlaczego DoorDash potrzebuje tych danych właśnie teraz

DoorDash nie kryje się ze swoimi ambicjami w robotyce. Firma inwestuje w autonomiczne roboty dostawcze i drony, które mogłyby zastąpić ludzi w ostatniej mili dostawy. Ale zanim robot będzie mógł samodzielnie wnieść paczkę na trzecie piętro, musi nauczyć się rozpoznawać setki scenariuszy z rzeczywistego świata. Musi wiedzieć, jak wygląda otwierana drzwi, jak człowiek schodzi ze schodów, co się dzieje, gdy pada deszcz, gdy przechodzą ludzie, gdy czuje się psa.

Systemy wizji komputerowej, które napędzają autonomiczne roboty, są głodne danych. OpenAI i inne laboratorium AI zbierają terabajty wideo z internetu, ale dane ze świata logistyki — rzeczywiste dostawy w rzeczywistych warunkach — są znacznie bardziej cenne. Kurierzy DoorDasha pracują w tysiącach różnych miast, klimatów, architektur budynków. Każde nagranie, które przesłają, to punkt danych, który pomaga modelowi lepiej zrozumieć świat fizyczny.

Warto też zauważyć kontekst konkurencji. Amazon, który również inwestuje w robotykę dostawczą, ma ogromną przewagę: miliony pracowników w magazynach i centrach logistycznych, których może nakłonić do zbierania danych. DoorDash, jako czysta firma dostawcza, musi być bardziej kreatywna. Tasks jest odpowiedzią — zamiast zatrudniać osoby do zbierania danych, DoorDash mobilizuje swoją istniejącą siłę roboczą.

Gig-ekonomia jako źródło danych dla AI

Tasks to nie jest izolowany eksperyment. To jest część szerszego trendu, w którym firmy gig-ekonomii odkrywają, że ich pracownicy są nie tylko źródłem pracy, ale również źródłem danych. Uber ma dostęp do miliardów punktów GPS z jazd. Instacart wie, jak ludzie poruszają się po sklepach. Lyft zbiera dane o warunkach drogowych. Teraz DoorDash dodaje warstwę — bezpośrednie nagrania wideo i audio, które mogą być użyte do trenowania modeli.

To zmienia naturę relacji między pracownikiem a platformą. Tradycyjnie, pracownik dostawczej gig-ekonomii sprzedaje swoją pracę — czas i wysiłek fizyczny. Teraz sprzedaje również dane biometryczne i nagrania swojego głosu. Te dane mogą być przechowywane, analizowane, sprzedawane lub używane w celach, które pracownik nie w pełni rozumie.

Dla polskich kurierów, którzy pracują dla platform dostawczych, to jest szczególnie istotne. Polska jest jednym z krajów, gdzie gig-ekonomia szybko rośnie. Jeśli DoorDash lub inne platformy będą oferować podobne programy w Polsce, kurierzy będą stać przed wyborem: zarobić dodatkowe pieniądze na nagraniach, czy chronić swoją prywatność i dane biometryczne. To nie jest prosty wybór dla kogoś, kto zarabia 30-40 złotych na godzinę.

Przejrzystość cen kontra brak przejrzystości danych

DoorDash podkreśla, że wynagrodzenie jest "pokazywane z góry" — kurierzy wiedzą dokładnie, ile zarobią za każde zadanie, zanim się na nie zgodzą. To jest rzeczywiście lepsze niż wiele platform gig-ekonomii, gdzie wynagrodzenie jest tajemnicze lub zmienia się dynamicznie. Ale ta przejrzystość ceny maskuje fundamentalny brak przejrzystości w kwestii danych.

Kurierzy nie wiedzą, w jaki sposób ich nagrania będą wykorzystywane. Czy będą używane tylko do trenowania robotów dostawczych DoorDasha? Czy będą sprzedawane trzecim stronom? Czy będą przechowywane na zawsze? Jak długo? Czy mogą żądać usunięcia swoich danych? Polityka prywatności DoorDasha na temat Tasks jest dostępna, ale jest napisana w taki sposób, że większość pracowników nie będzie jej czytać — a nawet jeśli będzie, będzie trudno zrozumieć implikacje.

Porównajmy to z tym, co dzieje się w Europie. Unijne przepisy GDPR wymagają wyraźnej zgody na przetwarzanie danych biometrycznych. Pracownik musi wiedzieć, co się z jego danymi stanie. W Stanach Zjednoczonych, gdzie DoorDash uruchamia Tasks, takie wymogi nie istnieją. To jest jedna z największych różnic między regulacjami europejskimi a amerykańskimi — Europa traktuje dane biometryczne jako szczególnie wrażliwe, podczas gdy USA pozostawia to biznesowi.

Automatyzacja jako endgame

Tutaj pojawia się niebezpieczna ironia, która powinna zaniepokoić każdego kuryera, który rozważa udział w Tasks. Dane, które zbierają, będą bezpośrednio wykorzystywane do szkolenia systemów, które mogą ich zastąpić. DoorDash nie ukrywa tego — firma otwarcie mówi o swoich planach dotyczących robotów autonomicznych. Każde nagranie kuryera, który pokazuje, jak przechodzi przez drzwi, jak podchodzi do domu, jak radzi sobie z przeszkodami, to lekcja dla robota.

To jest klasyczna dylematu gig-ekonomii: pracownik jest najczęściej w złej sytuacji finansowej i musi zarabiać każdy grosz. Oferując dodatkowe pieniądze za nagrania, DoorDash wykorzystuje tę desperację. Pracownik myśli: "Zarobię 50 dolarów dzisiaj na nagraniach." Ale w rzeczywistości, za te 50 dolarów, przyczynia się do systemu, który za pięć lat może go wyrzucić z pracy.

To nie jest teoria spiskowa. Firmy logistyczne od lat mówią o automatyzacji ostatniej mili dostawy. Amazon testuje roboty dostawcze Scout. Starship Technologies ma drony dostawcze. Nuro ma autonomiczne pojazdy dostawcze. Wszystkie te firmy potrzebują danych treningowych. Tasks to elegancki sposób, aby je zdobyć — zamiast zatrudniać zespół do zbierania danych, DoorDash płaci pracownikom, którzy i tak pracują dla firmy.

Porównanie z innymi modelami zbierania danych

Aby zrozumieć, jak nowatorski (i problematyczny) jest Tasks, warto porównać go z innymi sposobami, w jakie firmy zbierają dane treningowe. OpenAI korzysta z danych dostępnych publicznie w internecie — artykułów, książek, stron internetowych. Google zbiera dane z wyszukiwań użytkowników. Meta zbiera dane z mediów społecznych. Wszystkie te firmy otrzymują dane w ramach zwykłego korzystania z ich usług — użytkownik nie jest bezpośrednio płacony za każdy punkt danych.

Z drugiej strony, Mechanical Turk od Amazona płaci pracownikom za wykonywanie małych zadań — opisywanie zdjęć, odpowiadanie na pytania, ocenianie treści. Ale te zadania są abstrakcyjne i nie angażują biometryki pracownika. Tasks jest hybrydą — łączy płacenie za pracę (jak Mechanical Turk) z zbieraniem danych biometrycznych (jak media społeczne).

Istnieją też aplikacje, takie jak Foap czy Shutterstock Contributor, które płacą fotografom za ich zdjęcia. Ale tam fotografowie wiedzą, że sprzedają zdjęcia — to jest jasne. W Tasks, kurierzy mogą nie do końca rozumieć, że sprzedają dane treningowe dla AI, które będzie ich zastępować.

Implikacje dla przyszłości pracy

Tasks to sygnał o tym, gdzie zmierza przyszłość pracy. Firmy będą coraz bardziej oczekiwać od pracowników, aby nie tylko wykonywali pracę, ale również dostarczali dane do szkolenia systemów, które mogą ich zastąpić. To może stać się normą w gig-ekonomii — zamiast tylko dostawy, pracownik będzie również "dostarczać dane".

Dla pracowników to oznacza konieczność zrozumienia, co się dzieje z ich danymi. Dla regulatorów to oznacza konieczność stworzenia ram prawnych, które chronią pracowników przed eksploatacją danych. Dla firm, takich jak DoorDash, to oznacza, że mogą szkolić swoje systemy AI i roboty za ułamek kosztów tradycyjnych metod zbierania danych.

Pytanie brzmi: czy pracownicy gig-ekonomii będą mieć wybór? Czy Tasks będzie opcjonalny, czy stanie się wymogiem, aby pozostać na platformie? Czy wynagrodzenie za nagrania będzie sprawiedliwe w stosunku do wartości danych? Te pytania nie będą miały odpowiedzi, dopóki nie będą postawione — i dopóki pracownicy, zwłaszcza w krajach takich jak Polska, nie będą mieć siły, aby je postawić.