DoorDash lanserer Tasks-app som gjør bud til treningsledd for AI og robotikk

DoorDash lanserer en ny app kalt Tasks, der bud kan få betalt for oppdrag som å filme hverdagsaktiviteter og lese inn taleprøver.

DoorDash lanserer en ny app kalt Tasks, der bud kan få betalt for oppdrag som å filme hverdagsaktiviteter og lese inn taleprøver. Dataen skal brukes til å forbedre AI- og robotsystemer, både internt i DoorDash og hos samarbeidspartnere. Grepet viser hvordan gig-plattformer utvider fra logistikk til datainnsamling for maskinlæring.

Ifølge selskapet vises betaling på forhånd og varierer med innsats og kompleksitet i oppdraget. Eksempler er korte videoopptak av konkrete handlinger eller dokumentasjon av fysiske omgivelser. Parallelt får bud i Dasher-appen nye «digitale oppgaver», som å ta bilder av menyer og leveringspunkter for å gjøre leveringsflyten mer presis.

Dette er mer enn en funksjonsnyhet

Dette er mer enn en funksjonsnyhet. DoorDash forsøker i praksis å bygge en distribuert «feltarbeidsstyrke» som kan produsere treningsdata i stor skala. Det gir raskere tilgang til situasjonsdata fra den fysiske verden – en knapp ressurs i utviklingen av robuste AI-modeller og autonome systemer.

Samtidig reiser modellen viktige spørsmål om datakvalitet, personvern og arbeidsvilkår. Når gig-arbeidere blir dataleverandører i tillegg til bud, flyttes grensene mellom transportarbeid, annotering og modelltrening. Plattformene får en ny inntektslogikk, mens arbeidstakerne får en ny type mikrojober med potensielt varierende krav og risiko.

DoorDash opplyser at den separate Tasks-appen lanseres i utvalgte områder i USA (med enkelte unntak), og at selskapet planlegger flere oppgavetyper og land over tid. Samtidig har Uber tidligere signalisert en lignende retning der sjåfører kan ta småoppdrag for AI-relatert datainnsamling.

For teknologibransjen er dette et tydelig signal: kampen om…

For teknologibransjen er dette et tydelig signal: kampen om AI-forsprang handler ikke bare om modeller og datakraft, men også om hvem som bygger de mest effektive kanalene for kontinuerlig innhenting av ny, fysisk verdensdata.

Kilder