DoorDash começa a pagar entregadores por dados para treinar IA e robótica
A DoorDash amplia o papel de seus entregadores. Em parte dos mercados, o serviço paga por vídeos curtos e outras tarefas digitais que ajudam a melhorar modelos de IA e robótica. Na prática, a entrega vira um canal de coleta de dados, e a plataforma passa a fornecer anotação e conteúdo de campo. É mais um sinal de que a economia gig está se encaixando rapidamente na cadeia de IA.
Processado por IA de Bloomberg Tech; editado por Hamidun News
A DoorDash começou a pagar parte dos entregadores não só pela entrega, mas também por tarefas digitais, como o envio de vídeos curtos e outros conteúdos para melhorar modelos de IA. Assim, a plataforma transforma sua rede de campo em fonte de dados para aprendizado de máquina e robótica.
Como funciona
Segundo a Bloomberg, em algumas regiões a DoorDash oferece aos entregadores tarefas remuneradas que não têm ligação direta com levar o pedido ao cliente. São vídeos curtos e outras ações digitais que ajudam a melhorar modelos de IA e robótica.
É uma mudança importante. Antes, plataformas como a DoorDash monetizavam principalmente a logística; agora, passam a monetizar também o acesso a uma rede distribuída de pessoas que estão o tempo todo "em campo" e podem coletar dados úteis do ambiente real.
A abordagem combina bem com a economia das plataformas gig. A DoorDash já tem aplicativo, sistema de micropagamentos, base de trabalhadores espalhada por várias localidades e um mecanismo de distribuição de tarefas. Acrescentar à entrega mais uma camada de trabalho, as tarefas digitais, é mais simples para a empresa do que montar uma rede separada de prestadores para coletar dados. Para os entregadores, parece uma forma extra de ganhar dinheiro entre pedidos; para a plataforma, uma expansão rumo à infraestrutura de IA sem reformular radicalmente o serviço principal.
Por que a DoorDash quer dados
Modelos de IA e robótica esbarram não só na capacidade de computação, mas também na qualidade dos dados. Eles precisam de exemplos recentes do mundo real: como é o ambiente urbano, como mudam as condições de filmagem, como os objetos se comportam em cenários cotidianos. Vídeos e outras tarefas digitais feitos pelos entregadores podem fornecer exatamente esse material: não estéril, de laboratório, mas vivo e variado. Para sistemas que precisam se orientar no mundo físico, essa informação é especialmente valiosa.
Para a DoorDash, o esquema traz várias vantagens ao mesmo tempo:
- a empresa recebe um fluxo de dados novos sem criar uma equipe de campo separada;
- a coleta pode ser escalada rapidamente pela rede de trabalhadores existente;
- é possível oferecer aos entregadores microtarefas adicionais entre as entregas;
- a plataforma de logística ganha mais um caminho de crescimento em IA.
O movimento também é revelador para o mercado. A reportagem da Bloomberg afirma diretamente que a DoorDash segue concorrentes que já encontraram novas formas de usar trabalhadores gig no boom da IA. Isso significa que a demanda por trabalho humano flexível na indústria de IA não desaparece, mesmo com a automação. Pelo contrário: quanto mais as empresas desenvolvem modelos, mais precisam de pessoas para coletar, verificar e reabastecer bases de dados.
A nova economia gig
O caso da DoorDash mostra como o próprio papel do trabalho em plataformas está mudando. O entregador não apenas leva um pacote do ponto A ao ponto B. Ele pode se tornar parte de uma esteira digital que sustenta o treinamento de modelos. Nesse arranjo, o trabalho físico e o data work vão se fundindo: o mesmo trabalhador entrega comida hoje e, amanhã, ajuda em paralelo a melhorar algoritmos de visão computacional ou sistemas robóticos.
Essa virada também levanta questões práticas. Se esse modelo começar a escalar, o mercado terá de discutir como remunerar essas tarefas, onde fica a fronteira entre entrega e bico digital, quais exigências de qualidade se aplicam ao conteúdo e quão transparentes as plataformas são ao explicar para que, exatamente, o material coletado é usado. Para a empresa, é uma forma barata de ampliar o data pipeline; para os trabalhadores, é também uma forma de trabalho mais fragmentada e atomizada, em que cada passo adicional vira uma microtarefa separada.
O que isso significa
A DoorDash mostra que a próxima etapa da economia de IA se constrói não só em torno de modelos e chips, mas também do acesso a pessoas reais e a dados do mundo offline. Empresas com grandes redes de trabalhadores ganham um novo ativo: a capacidade de reunir rapidamente material para treinar IA. Para o mercado de trabalho, é um sinal de que o trabalho gig se integra cada vez mais não apenas à entrega, mas ao atendimento da própria indústria de IA.
- 29 de abr. de 2026Micro1 coleta vídeos domésticos pelo mundo para treinar robôs humanoides
- 22 de abr. de 2026DoorDash lança o Tasks: trabalhadores de apps se filmam para treinar IA
- 29 de abr. de 2026Micro1 contrata pessoas no mundo todo para treinar humanoides, enquanto o mercado de IA precisa de novos testes
- 12 de nov. de 2026AWS abre 23 componentes prontos para GenAI: DoorDash e Ricoh reduziram em 90% as horas de desenvolvimento
Perguntas frequentes sobre a notícia
Como funciona?
Segundo a Bloomberg, em algumas regiões a DoorDash oferece aos entregadores tarefas remuneradas que não têm ligação direta com levar o pedido ao cliente. São vídeos curtos e outras ações digitais que ajudam a melhorar modelos de IA e robótica. É uma mudança importante. Antes, plataformas como a DoorDash monetizavam principalmente a logística; agora, passam a monetizar também o acesso a uma rede distribuída de pessoas que estão o tempo todo "em campo" e podem coletar dados úteis do ambiente real.
Por que a DoorDash quer dados?
Modelos de IA e robótica esbarram não só na capacidade de computação, mas também na qualidade dos dados. Eles precisam de exemplos recentes do mundo real: como é o ambiente urbano, como mudam as condições de filmagem, como os objetos se comportam em cenários cotidianos. Vídeos e outras tarefas digitais feitos pelos entregadores podem fornecer exatamente esse material: não estéril, de laboratório, mas vivo e variado. Para sistemas que precisam se orientar no mundo físico, essa informação é especialmente valiosa.
O que se sabe sobre A nova economia gig?
O caso da DoorDash mostra como o próprio papel do trabalho em plataformas está mudando. O entregador não apenas leva um pacote do ponto A ao ponto B. Ele pode se tornar parte de uma esteira digital que sustenta o treinamento de modelos. Nesse arranjo, o trabalho físico e o data work vão se fundindo: o mesmo trabalhador entrega comida hoje e, amanhã, ajuda em paralelo a melhorar algoritmos de visão computacional ou sistemas robóticos. Essa virada também levanta questões práticas.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.