Il gigante delle consegne DoorDash sta espandendo il suo modello di business oltre il cibo e i generi alimentari. L’azienda ha lanciato “Tasks”, una nuova app che paga i suoi conducenti – rinominati “Taskers” – per eseguire azioni semplici e quotidiane allo scopo di addestrare modelli di intelligenza artificiale (AI). Questa mossa, che fa seguito a un’iniziativa simile di Uber, solleva interrogativi sul futuro del lavoro temporaneo, sulla privacy dei dati e sul potenziale spostamento dei lavoratori da parte della stessa IA che stanno contribuendo a costruire.
La natura del lavoro
L’app Tasks assegna attività piccole, spesso banali, che forniscono dati visivi e di conversazione per la formazione sull’intelligenza artificiale. Questi includono filmare routine quotidiane (come lavare i piatti o rifare il letto), registrarsi mentre si parla in un’altra lingua e persino scansionare gli scaffali dei negozi. DoorDash sostiene che questi dati aiutano i sistemi di intelligenza artificiale a “comprendere il mondo fisico”, un passo fondamentale nello sviluppo di capacità di apprendimento automatico più sofisticate.
I pagamenti variano in base allo sforzo percepito e alla complessità dell’attività: $ 16 per la scansione degli scaffali, $ 20 per una conversazione spagnola “spontanea” organizzata e altro per attività che coinvolgono la cucina. L’ambiguità delle tariffe salariali aggiunge un ulteriore livello di incertezza per i lavoratori gig, che già devono affrontare flussi di reddito imprevedibili.
Perché è importante: la sete di dati dell’intelligenza artificiale
I moderni algoritmi di intelligenza artificiale si basano su vasti set di dati per apprendere e migliorare. Le aziende stanno ora sfruttando direttamente la gig economy per acquisire questi dati in modo economico ed efficiente. I compiti assegnati da DoorDash sono esattamente il tipo di filmati e audio del mondo reale di cui i modelli di intelligenza artificiale hanno bisogno per affinare la loro comprensione delle azioni umane, degli ambienti e persino delle sfumature culturali.
Questa tendenza evidenzia la crescente domanda di dati “ground Truth” – le informazioni precise ed etichettate da cui dipende l’apprendimento automatico. Con l’espansione dell’intelligenza artificiale nella robotica, nell’automazione della vendita al dettaglio e in altri settori, la necessità di questo tipo di dati di formazione non potrà che aumentare.
Preoccupazioni sulla privacy e questione dell’automazione
DoorDash afferma di mantenere “solide garanzie sulla privacy”, ma non offre dettagli. Il fatto che Taskers debba evitare “contenuti politici” e “informazioni identificabili” suggerisce che l’azienda è consapevole dei potenziali rischi etici e legali.
Si profila una domanda più fondamentale: cosa succede quando questi modelli di intelligenza artificiale sono completamente addestrati? Verranno utilizzati per automatizzare i lavori attualmente svolti dagli esseri umani, compresi quelli degli stessi lavoratori che forniscono i dati di formazione? Il silenzio dell’industria su questo argomento è preoccupante, in quanto suggerisce una deliberata disconnessione tra l’attuale sfruttamento dei lavoratori gigli e la futura automazione dei loro ruoli.
Disponibilità limitata, ampie implicazioni
L’app Tasks è attualmente implementata in aree selezionate degli Stati Uniti, con DoorDash che collabora con aziende di vendita al dettaglio, assicurazioni, ospitalità e tecnologia per la formazione. Anche se il lancio è limitato al momento, il modello ha un chiaro potenziale di scalabilità. L’azienda sta effettivamente trasformando la propria rete di conducenti in una pipeline di raccolta dati, monetizzando l’attività umana a vantaggio dello sviluppo dell’intelligenza artificiale.
Questo esperimento non riguarda solo DoorDash; è un segno di un cambiamento più ampio. La gig economy, già nota per le sue condizioni di lavoro precarie, viene ora utilizzata come arma per soddisfare la fame insaziabile di sistemi di intelligenza artificiale.
