El gigante de entregas DoorDash está expandiendo su modelo de negocio más allá de los alimentos y abarrotes. La compañía ha lanzado “Tasks”, una nueva aplicación que paga a sus conductores, rebautizados como “Taskers”, para que realicen acciones cotidianas simples con el fin de entrenar modelos de inteligencia artificial (IA). Esta medida, tras una iniciativa similar de Uber, plantea interrogantes sobre el futuro del trabajo informal, la privacidad de los datos y el posible desplazamiento de trabajadores por la propia IA que están ayudando a construir.
La naturaleza del trabajo
La aplicación Tareas asigna actividades pequeñas, a menudo mundanas, que proporcionan datos visuales y conversacionales para el entrenamiento de IA. Estos incluyen filmar rutinas diarias (como lavar los platos o tender la cama), grabarse hablando en otro idioma e incluso escanear los estantes de las tiendas. DoorDash afirma que estos datos ayudan a los sistemas de inteligencia artificial a “comprender el mundo físico”, un paso fundamental en el desarrollo de capacidades de aprendizaje automático más sofisticadas.
Los pagos varían según el esfuerzo percibido y la complejidad de la tarea: $16 por escanear estantes, $20 por una conversación “espontánea” en español y más por tareas que involucran cocinar. La ambigüedad en las tasas salariales añade otra capa de incertidumbre para los trabajadores por cuenta ajena, que ya enfrentan flujos de ingresos impredecibles.
Por qué esto es importante: la sed de datos de la IA
Los algoritmos de IA modernos se basan en vastos conjuntos de datos para aprender y mejorar. Las empresas ahora están aprovechando directamente la economía de los trabajos por encargo para adquirir estos datos de forma económica y eficiente. Las tareas que asigna DoorDash son precisamente el tipo de imágenes y audio del mundo real que los modelos de IA necesitan para perfeccionar su comprensión de las acciones humanas, los entornos e incluso los matices culturales.
Esta tendencia pone de relieve la creciente demanda de datos “verdaderos”, es decir, la información precisa y etiquetada de la que depende el aprendizaje automático. A medida que la IA se expanda hacia la robótica, la automatización del comercio minorista y otras industrias, la necesidad de este tipo de datos de capacitación no hará más que aumentar.
Preocupaciones por la privacidad y la cuestión de la automatización
DoorDash afirma que mantiene “sólidas salvaguardias de privacidad”, pero no ofrece detalles. El hecho de que los Taskers deban evitar el “contenido político” y la “información identificable” sugiere que la empresa es consciente de los posibles riesgos éticos y legales.
Surge una pregunta más fundamental: ¿qué sucede cuando estos modelos de IA están completamente entrenados? ¿Se utilizarán para automatizar trabajos que actualmente realizan seres humanos, incluidos los de los mismos trabajadores que proporcionan los datos de capacitación? El silencio de la industria sobre este asunto es preocupante, ya que sugiere una desconexión deliberada entre la explotación actual de los trabajadores por encargo y la futura automatización de sus funciones.
Disponibilidad limitada, amplias implicaciones
La aplicación Tasks se implementa actualmente en áreas seleccionadas de EE. UU., y DoorDash se asocia con empresas de comercio minorista, seguros, hotelería y tecnología para capacitación. Si bien el lanzamiento es limitado ahora, el modelo tiene un claro potencial de escalamiento. La empresa está convirtiendo efectivamente su red de conductores en un canal de recopilación de datos, monetizando la actividad humana en beneficio del desarrollo de la IA.
Este experimento no se trata sólo de DoorDash; es una señal de un cambio más amplio. La economía colaborativa, ya conocida por sus condiciones laborales precarias, ahora se está utilizando como arma para alimentar el hambre insaciable de los sistemas de inteligencia artificial.
