DoorDash começa a pagar entregadores por dados para treinar IA e robótica

A DoorDash começou a pagar alguns entregadores não apenas pelas entregas, mas também por tarefas digitais: por exemplo, por fazer upload de vídeos curtos e outro conteúdo para melhorar modelos de IA. Dessa forma, a plataforma está transformando sua rede de trabalho em campo em uma fonte de dados para aprendizado de máquina e robótica.

Como Funciona

De acordo com a Bloomberg, em algumas regiões a DoorDash está oferecendo aos entregadores tarefas remuneradas que não estão diretamente relacionadas à entrega de um pedido ao cliente. Envolve vídeos curtos e outras ações digitais que ajudam a melhorar modelos de IA e robótica. Essa é uma mudança importante: anteriormente, plataformas como a DoorDash monetizavam principalmente a logística, mas agora também estão começando a monetizar o acesso a uma rede distribuída de pessoas que estão constantemente "em campo" e podem coletar dados úteis de ambientes do mundo real.

Essa abordagem se adequa bem à economia de plataformas de trabalho sob demanda. A DoorDash já possui um aplicativo, um sistema de micropagamentos, uma geografia de prestadores e um mecanismo de distribuição de tarefas. Adicionar outra camada de trabalho sobre entrega—tarefas digitais—é mais simples para a empresa do que construir uma rede separada de contratados para coleta de dados.

Para os entregadores, isso parece ser uma maneira adicional de ganhar entre os pedidos, e para a própria plataforma, é uma expansão do negócio em direção à infraestrutura de IA sem uma reestruturação radical de seu serviço principal.

Por Que a DoorDash Precisa de Dados

Modelos de IA e robótica enfrentam limitações não apenas em computação, mas também em qualidade de dados. Eles precisam de exemplos frescos do mundo real: como parecem os ambientes urbanos, como as condições de iluminação mudam, como os objetos se comportam em cenários cotidianos. Vídeos e outras tarefas digitais realizadas por entregadores podem fornecer exatamente esse tipo de material—não dados estéreis de laboratório, mas vivos e variados. Para sistemas que precisam navegar pelo mundo físico, essas informações são particularmente valiosas.

Para a DoorDash, esse esquema oferece várias vantagens:

• a empresa recebe um fluxo de novos dados sem criar uma equipe de trabalho de campo separada;
• a coleta pode ser rapidamente dimensionada através da rede já existente de prestadores;
• aos entregadores podem ser oferecidas microtarefas adicionais entre as entregas;
• a plataforma logística ganha outro caminho de crescimento na direção da IA.

No nível de mercado, esse também é um movimento indicativo. O artigo da Bloomberg afirma diretamente que a DoorDash está seguindo concorrentes que já encontraram novas maneiras de usar trabalhadores de plataforma durante o boom da IA. Isso sugere que a demanda por trabalho humano flexível na indústria de IA não desaparece mesmo diante da automação. Ao contrário: quanto mais ativamente as empresas desenvolvem modelos, mais precisam de pessoas para coletar, verificar e replenhecer conjuntos de dados.

Nova Economia de Trabalho Sob Demanda

A história da DoorDash mostra como o próprio papel do trabalho de plataforma está mudando. Um entregador não está mais apenas transportando um pacote do ponto A para o ponto B. Ele pode se tornar um participante de um pipeline digital que apoia o treinamento de modelos. Em tal esquema, trabalho físico e trabalho com dados gradualmente se mesclam: o mesmo prestador entrega comida hoje e amanhã em paralelo ajuda a melhorar algoritmos de visão computacional ou sistemas robóticos.

Essa virada tem questões práticas. Se tal modelo começar a se escalar, o mercado precisará discutir como pagar por tais tarefas, onde está a linha entre entrega e trabalho adicional digital, quais requisitos são impostos à qualidade do conteúdo e quão transparentes as plataformas são em explicar exatamente para que o material coletado é usado. Para a empresa, é uma maneira econômica de construir seu pipeline de dados, mas para os trabalhadores, é uma forma ainda mais fragmentada e atomizada de trabalho, onde cada passo adicional se torna uma microtarefa separada.

O Que Isso Significa

A DoorDash demonstra que a próxima etapa da economia de IA está sendo construída não apenas em torno de modelos e chips, mas também em torno do acesso a pessoas reais e dados offline. Empresas com grandes redes de prestadores estão ganhando um novo ativo: a capacidade de coletar rapidamente material para treinamento de IA. Para o mercado de trabalho, isso é um sinal de que o trabalho de plataforma está sendo cada vez mais incorporado não apenas na entrega, mas no atendimento à própria indústria de IA.