DoorDash empieza a pagar a sus repartidores por datos para entrenar IA y robótica

DoorDash ha empezado a pagar a una parte de sus repartidores no solo por entregar pedidos, sino también por tareas digitales, como subir vídeos cortos y otros contenidos que ayuden a mejorar modelos de IA. Así, la plataforma convierte su red sobre el terreno en una fuente de datos para el aprendizaje automático y la robótica.

Cómo funciona

Según Bloomberg, en algunas regiones DoorDash ofrece a los repartidores tareas remuneradas que no tienen relación directa con llevar un pedido al cliente. Se trata de vídeos cortos y otras acciones digitales que ayudan a mejorar modelos de IA y robótica.

Es un cambio importante. Antes, plataformas como DoorDash monetizaban sobre todo la logística; ahora empiezan a monetizar también el acceso a una red distribuida de personas que están constantemente «sobre el terreno» y pueden recopilar datos útiles del entorno real.

El enfoque encaja bien con la economía de las plataformas gig. DoorDash ya tiene una aplicación, un sistema de micropagos, una base de trabajadores repartida por muchas ubicaciones y un mecanismo de asignación de tareas. Añadir sobre el reparto otra capa de trabajo, en forma de encargos digitales, le resulta más sencillo que montar una red aparte de contratistas para recopilar datos. Para los repartidores, parece una forma extra de ganar dinero entre pedidos; para la plataforma, una expansión hacia la infraestructura de IA sin reconstruir de forma radical su servicio principal.

Por qué DoorDash quiere los datos

Los modelos de IA y robótica dependen no solo de la capacidad de cómputo, sino también de la calidad de los datos. Necesitan ejemplos recientes del mundo real: cómo es el entorno urbano, cómo cambian las condiciones de grabación, cómo se comportan los objetos en situaciones cotidianas. Los vídeos y otras tareas digitales de los repartidores pueden aportar justo ese material: no esterilizado ni de laboratorio, sino vivo y variado. Para los sistemas que deben desenvolverse en el mundo físico, esa información es especialmente valiosa.

Para DoorDash, este esquema ofrece varias ventajas a la vez:

• la compañía obtiene un flujo de datos nuevos sin crear un equipo de campo aparte;
• la recopilación puede escalarse rápido a través de la red de trabajadores existente;
• se puede ofrecer a los repartidores microtareas adicionales entre entregas;
• la plataforma logística obtiene otra vía de crecimiento en el terreno de la IA.

El movimiento también es revelador a nivel de mercado. El reportaje de Bloomberg afirma de forma explícita que DoorDash sigue a competidores que ya han encontrado nuevas maneras de aprovechar a los trabajadores gig en el auge de la IA. Eso significa que la demanda de trabajo humano flexible en la industria de la IA no desaparece, ni siquiera en un contexto de automatización. Al contrario: cuanto más impulsan las empresas sus modelos, más necesitan personas que recopilen, verifiquen y amplíen los conjuntos de datos.

Una nueva economía gig

El caso de DoorDash muestra cómo cambia el propio papel del trabajo en plataformas. El repartidor ya no se limita a llevar un paquete del punto A al punto B. Puede convertirse en parte de una cadena digital que respalda el entrenamiento de modelos. En este esquema, el trabajo físico y el trabajo de datos se fusionan poco a poco: la misma persona reparte comida hoy y, mañana, ayuda en paralelo a mejorar algoritmos de visión artificial o sistemas robóticos.

Este giro también plantea cuestiones prácticas. Si el modelo empieza a escalar, el mercado tendrá que debatir cómo pagar estas tareas, dónde está la frontera entre el reparto y el trabajo digital complementario, qué requisitos de calidad se exigen al contenido y con qué transparencia explican las plataformas para qué se usan exactamente los materiales recopilados. Para la empresa es una forma barata de ampliar su canal de datos; para los trabajadores, además, es una forma de trabajo más fragmentada y atomizada, en la que cada paso adicional se convierte en una microtarea independiente.

Qué significa

DoorDash demuestra que la siguiente etapa de la economía de la IA se construye no solo en torno a modelos y chips, sino también en torno al acceso a personas reales y a datos del mundo offline. Las compañías con grandes redes de trabajadores obtienen un nuevo activo: la capacidad de reunir rápidamente material para entrenar IA. Para el mercado laboral, es una señal de que el trabajo gig se integra cada vez más no solo en el reparto, sino en el servicio a la propia industria de la IA.