DoorDash lanza Tasks: trabajadores gig se graban en vídeo para entrenar a la IA

DoorDash, a la que la mayoría conoce como plataforma de reparto de comida, ha lanzado discretamente un nuevo producto llamado Tasks. Es una app donde personas corrientes graban vídeos de su vida diaria a cambio de una pequeña recompensa. Poner la lavadora, freír huevos, pasear por el parque: ahora todo eso se puede monetizar. Un periodista de Wired lo probó en persona y llegó a una conclusión desalentadora: Tasks no es un trabajo extra, sino una ventana a un futuro sombrío de la economía gig.

El esquema es absurdamente simple. El usuario abre la app, ve una lista de tareas y elige una. Una tarea puede decir: «Graba un vídeo de 3 minutos cocinando en tu cocina». Pulsas grabar, haces la tarea y subes el archivo. Cada clip genera una recompensa, normalmente unos centavos o dólares según la complejidad. El dinero se acumula y se retira mediante sistemas de pago estándar.

¿Quién compra estos vídeos? Grandes empresas tecnológicas que necesitan datos de entrenamiento para sistemas de IA. Se trata de visión por computadora, reconocimiento de movimientos y comprensión de escenas domésticas. Para enseñar a una red neuronal cómo una persona fríe un huevo, hay que mostrarle miles de grabaciones de personas reales friendo huevos en distintas condiciones, en distintas cocinas, con distinta iluminación. DoorDash actúa de intermediaria: agrupa a los participantes y vende el resultado a clientes corporativos. En esencia, es Amazon Mechanical Turk, pero para datos visuales en la era de la IA generativa.

El problema es la economía. Mientras que antes los trabajadores gig de DoorDash podían ganar entre 15 y 25 dólares por hora repartiendo comida, antes de descontar los gastos de transporte, Tasks ofrece bastante menos. El periodista, tras pasar varias horas en la app, ganó cantidades que cuesta calificar incluso de ingreso complementario. Además, la barrera de entrada es mínima, pues solo hace falta un smartphone con cámara, lo que inevitablemente genera competencia entre un enorme número de participantes y presiona las tarifas a la baja. Es la trampa clásica de la economía de plataformas: cuanto más fácil es entrar, más barato es el trabajo.

La naturaleza del trabajo también es interesante. A diferencia del reparto o del taxi, Tasks no exige desplazarse; las tareas se hacen en casa. Eso reduce la barrera para quienes no pueden o no quieren trabajar fuera de casa. Pero también significa que los competidores no están limitados por la geografía: un participante de Manila o Lagos puede completar la misma tarea que un usuario de Nueva York por mucho menos dinero. La globalización del mercado de datos de entrenamiento en acción.

Hay también una cuestión de privacidad. Al grabar vídeo en casa, uno entrega sin querer datos sobre el interior de su vivienda, sus hábitos y los familiares que aparezcan por casualidad en el encuadre. Adónde van estas grabaciones, quién las procesa y cuánto tiempo se conservan: según la descripción del periodista, Tasks no lo deja suficientemente claro a los participantes.

El mercado de datos de entrenamiento para IA se valora en miles de millones de dólares y sigue creciendo a medida que los grandes laboratorios compiten por la calidad y la diversidad de los conjuntos de datos. Tasks no inventó este nicho: Scale AI, Remotasks, Appen y CloudFactory llevan tiempo trabajando con participantes gig en el etiquetado de datos. DoorDash simplemente llegó a este mercado con una marca reconocible y millones de usuarios en su base. Muestra hacia dónde va la economía de plataformas: de la entrega física de productos a la entrega del comportamiento humano como materia prima para la IA. Los mismos mecanismos, la misma precariedad, un nuevo tipo de tarea.

Mientras las empresas tecnológicas paguen por datos de entrenamiento, las plataformas encontrarán maneras de recopilarlos: de forma barata, a gran escala y con la participación de personas que necesitan ingresos extra. Tasks no es un futuro lejano. Es el presente, y ya está disponible en la App Store.