Bezorggigant DoorDash breidt zijn bedrijfsmodel verder uit dan alleen eten en boodschappen. Het bedrijf heeft ‘Tasks’ gelanceerd, een nieuwe app die zijn chauffeurs betaalt – omgedoopt tot ‘Taskers’ – om eenvoudige, alledaagse acties uit te voeren met als doel het trainen van modellen voor kunstmatige intelligentie (AI). Deze stap, die volgt op een soortgelijk initiatief van Uber, roept vragen op over de toekomst van gig-werk, gegevensprivacy en de potentiële verplaatsing van werknemers door de AI die ze helpen bouwen.
De aard van het werk
De Tasks-app wijst kleine, vaak alledaagse activiteiten toe die visuele en conversatiegegevens opleveren voor AI-training. Deze omvatten het filmen van dagelijkse routines (zoals de afwas of het opmaken van een bed), het opnemen van zichzelf in een andere taal en zelfs het scannen van winkelschappen. DoorDash beweert dat deze gegevens AI-systemen helpen ‘de fysieke wereld te begrijpen’, een cruciale stap in de ontwikkeling van meer geavanceerde machine learning-mogelijkheden.
De betalingen variëren op basis van de waargenomen inspanning en complexiteit van de taak: $ 16 voor het scannen van planken, $ 20 voor een geënsceneerd ‘spontaan’ Spaans gesprek en meer voor taken waarbij wordt gekookt. De dubbelzinnigheid in de loontarieven voegt een nieuwe laag van onzekerheid toe voor gig-werknemers, die toch al te maken hebben met onvoorspelbare inkomstenstromen.
Waarom dit ertoe doet: AI’s dorst naar data
Moderne AI-algoritmen zijn afhankelijk van enorme datasets om te leren en te verbeteren. Bedrijven maken nu rechtstreeks gebruik van de gig-economie om deze gegevens goedkoop en efficiënt te verkrijgen. De taken die DoorDash toewijst zijn precies het soort real-world beeldmateriaal en audio dat AI-modellen nodig hebben om hun begrip van menselijke acties, omgevingen en zelfs culturele nuances te verfijnen.
Deze trend benadrukt de groeiende vraag naar ‘ground reality’-gegevens – de nauwkeurige, gelabelde informatie waarvan machine learning afhankelijk is. Naarmate AI zich uitbreidt naar robotica, retailautomatisering en andere industrieën, zal de behoefte aan dit soort trainingsgegevens alleen maar toenemen.
Privacyproblemen en het automatiseringsvraagstuk
DoorDash beweert dat het ‘robuuste privacywaarborgen’ handhaaft, maar geeft geen details. Het feit dat Taskers ‘politieke inhoud’ en ‘identificeerbare informatie’ moet vermijden, suggereert dat het bedrijf zich bewust is van potentiële ethische en juridische risico’s.
Er rijst een fundamentelere vraag: wat gebeurt er als deze AI-modellen volledig zijn getraind? Zullen ze worden gebruikt om banen te automatiseren die momenteel door mensen worden vervuld, inclusief die van de werknemers die de trainingsgegevens leveren? Het stilzwijgen van de industrie over deze kwestie is verontrustend, omdat het duidt op een opzettelijke kloof tussen de huidige uitbuiting van gig-werknemers en de toekomstige automatisering van hun taken.
Beperkte beschikbaarheid, brede implicaties
De Tasks-app wordt momenteel uitgerold in geselecteerde delen van de VS, waarbij DoorDash voor training samenwerkt met bedrijven in de detailhandel, verzekeringen, horeca en technologie. Hoewel de uitrol nu beperkt is, heeft het model een duidelijk schaalpotentieel. Het bedrijf verandert zijn chauffeursnetwerk effectief in een pijplijn voor gegevensverzameling, waarbij menselijke activiteiten worden gemonetariseerd ten behoeve van de ontwikkeling van AI.
Dit experiment gaat niet alleen over DoorDash; het is een teken van een bredere verschuiving. De kluseconomie, die al bekend staat om zijn precaire arbeidsomstandigheden, wordt nu bewapend om de onverzadigbare honger van AI-systemen te voeden.
