DoorDash تبدأ بدفع أجور للسائقين مقابل بيانات لتدريب الذكاء الاصطناعي والروبوتات

بدأت DoorDash بدفع أجور لبعض سائقيها لا مقابل التوصيل فحسب، بل مقابل مهام رقمية أيضًا، مثل تحميل مقاطع فيديو قصيرة ومحتوى آخر لتحسين نماذج الذكاء الاصطناعي. وبذلك تحوّل المنصة شبكتها الميدانية إلى مصدر بيانات للتعلم الآلي والروبوتات.

كيف يعمل ذلك

وفق ما نقلته Bloomberg، تعرض DoorDash في بعض المناطق على السائقين مهامَّ مدفوعة لا ترتبط مباشرة بتسليم الطلب إلى العميل. وتشمل هذه المهام مقاطع فيديو قصيرة وإجراءات رقمية أخرى تساعد في تحسين نماذج الذكاء الاصطناعي والروبوتات.

وهذا تحوّل مهم: فمنصات مثل DoorDash كانت تحقق أرباحها في المقام الأول من الخدمات اللوجستية، أما الآن فبدأت تحقق أرباحًا أيضًا من الوصول إلى شبكة موزعة من الأشخاص الذين يتواجدون «في الميدان» باستمرار، ويمكنهم جمع بيانات مفيدة من البيئة الواقعية.

ويتوافق هذا النهج مع اقتصاد منصات العمل الحر. فلدى DoorDash بالفعل تطبيق ونظام مدفوعات صغيرة وانتشار جغرافي للمنفّذين وآلية لتوزيع المهام. وإضافة طبقة عمل جديدة فوق التوصيل — أي المهام الرقمية — أسهل على الشركة من بناء شبكة منفصلة من المتعاقدين لجمع البيانات. وبالنسبة للسائقين، يبدو ذلك وسيلة إضافية للكسب بين الطلبات، أما بالنسبة للمنصة فهو توسّع في أعمالها نحو البنية التحتية للذكاء الاصطناعي دون إعادة هيكلة جذرية لخدمتها الأساسية.

لماذا تحتاج DoorDash إلى البيانات

لا تعتمد نماذج الذكاء الاصطناعي والروبوتات على القدرة الحاسوبية وحدها، بل على جودة البيانات أيضًا. فهي تحتاج إلى أمثلة حديثة من العالم الحقيقي: كيف تبدو البيئة الحضرية، وكيف تتغير ظروف التصوير، وكيف تتصرف الأجسام في السيناريوهات اليومية. ويمكن للفيديوهات والمهام الرقمية الأخرى التي ينفذها السائقون أن توفر هذا النوع من المواد تحديدًا، فهي ليست مواد مخبرية معقمة بل مواد حية ومتنوعة. وبالنسبة للأنظمة التي يجب أن تتنقل في العالم المادي، تحظى هذه المعلومات بقيمة خاصة.

وتحقق هذه الصيغة لـ DoorDash عدة فوائد في آن واحد:

• تحصل الشركة على تدفق من البيانات الجديدة دون إنشاء فريق ميداني مستقل؛
• يمكن توسيع نطاق الجمع بسرعة عبر شبكة المنفّذين القائمة؛
• يمكن عرض مهام صغيرة إضافية على السائقين بين عمليات التوصيل؛
• تحصل المنصة اللوجستية على مسار نمو آخر في اتجاه الذكاء الاصطناعي.

وعلى مستوى السوق، تُعد هذه الخطوة دالّة أيضًا. فقد ذكرت Bloomberg صراحةً أن DoorDash تتبع منافسين وجدوا بالفعل طرقًا جديدة لاستخدام العاملين في اقتصاد العمل الحر في طفرة الذكاء الاصطناعي. وهذا يعني أن الطلب على العمل البشري المرن في صناعة الذكاء الاصطناعي لا يختفي حتى في ظل الأتمتة. بل على العكس، كلما نشطت الشركات في تطوير النماذج، زادت حاجتها إلى أشخاص لجمع مجموعات البيانات والتحقق منها وتجديدها.

اقتصاد العمل الحر الجديد

تُظهر قصة DoorDash كيف يتغير دور العمل عبر المنصات نفسه. فلم يعد السائق مجرد ناقل لطرد من النقطة A إلى النقطة B، بل يمكن أن يصبح مشاركًا في خط إنتاج رقمي يدعم تدريب النماذج. وفي هذه الصيغة، يندمج العمل البدني وعمل البيانات (data work) تدريجيًا: فالمنفّذ نفسه يوصّل الطعام اليوم، وقد يساعد غدًا بالتوازي في تحسين خوارزميات الرؤية الحاسوبية أو الأنظمة الروبوتية.

وتطرح هذه النقلة أسئلة عملية أيضًا. فإذا بدأ هذا النموذج بالتوسع، سيتعين على السوق أن يناقش كيفية تسعير هذه المهام، وأين يقع الحد الفاصل بين التوصيل والعمل الرقمي الإضافي، وما المتطلبات المفروضة على جودة المحتوى، ومدى شفافية المنصات في توضيح الغرض الذي تُستخدم من أجله المواد المجمّعة. فهو بالنسبة للشركة وسيلة منخفضة التكلفة لتوسيع خط أنابيب البيانات (data pipeline)، أما بالنسبة للمنفّذين فهو أيضًا شكل أكثر تجزؤًا وتذرّرًا من العمل، حيث تتحول كل خطوة إضافية إلى مهمة صغيرة مستقلة.

ماذا يعني ذلك

تُظهر DoorDash أن المرحلة التالية من اقتصاد الذكاء الاصطناعي لا تُبنى حول النماذج والرقائق فحسب، بل حول الوصول إلى أشخاص حقيقيين وإلى بيانات من العالم غير الرقمي (offline) أيضًا. وتكتسب الشركات التي تملك شبكات كبيرة من المنفّذين أصلًا جديدًا: القدرة على جمع مواد تدريب الذكاء الاصطناعي بسرعة. وبالنسبة لسوق العمل، هذه إشارة إلى أن العمل الحر يندمج بصورة أوضح لا في التوصيل فحسب، بل في خدمة صناعة الذكاء الاصطناعي نفسها.