Lo que acabas de leer es real. Y probablemente sea la ironía más grande en la historia de la inteligencia artificial.
DoorDash, la empresa que revolucionó la entrega de comida con millones de repartidores humanos, acaba de lanzar un programa llamado Tasks. ¿El objetivo? Que esos mismos repartidores graben videos de sí mismos haciendo tareas domésticas — lavar platos, doblar ropa, limpiar — para entrenar a los robots que eventualmente los reemplazarán.
Léelo de nuevo si es necesario.
Cómo Funciona: Te Pagan Por Entrenar a Tu Reemplazo
El programa es brutalmente simple:
- Los repartidores reciben “tareas digitales” en su app
- Se ponen una cámara corporal apuntando a sus manos
- Graban actividades como lavar platos, doblar ropa, organizar estantes
- Deben mantener cada objeto limpio “quieto en cámara” antes de continuar
- El video se usa para entrenar robots humanoides en “manipulación de contacto”
Según Bloomberg, las instrucciones son específicas: “Restregar y enjuagar al menos cinco platos, sosteniendo cada uno firme en el encuadre antes de pasar al siguiente.”
No Es Solo DoorDash: Uber Ya Está En Esto
Uber lanzó un programa similar en octubre. Su división Uber AI Solutions opera en 30 países y ofrece servicios de “anotación, traducción y entrenamiento de modelos” a clientes corporativos. Incluso adquirieron Segments.ai, una startup de anotación de datos lidar para robótica y sistemas autónomos.
Ambas empresas siguen el modelo de Scale AI: usar redes distribuidas de trabajadores remotos para crear datasets o validar outputs de IA. Pero lo que las plataformas gig agregan es escala, alcance geográfico y acceso al mundo físico en su forma más variable e incontrolada.
Por Qué Esto Es Un Momento Histórico
Los sistemas de IA física — robots humanoides, vehículos autónomos, automatización de almacenes — no pueden entrenarse solo con simulaciones limpias.
Universal Robots y Scale AI lo dejaron claro esta semana al anunciar un sistema de aprendizaje por imitación que captura datos sincronizados de robots y cámaras en entornos de producción real. Anders Beck, VP de productos de IA robótica en Universal Robots, lo dijo directo:
“La mayoría de los datos de entrenamiento recolectados en robots de investigación no son aptos para despliegue en el mundo real. La brecha entre el laboratorio y la fábrica sigue siendo uno de los problemas centrales no resueltos en IA física.”
Traducción: Necesitan datos del mundo real, de entornos caóticos e impredecibles. Y la manera más barata de obtenerlos es pagándole a millones de trabajadores gig para que graben su vida cotidiana.
El Alcance Es Masivo
DoorDash no se limita a videos caseros. A través de su app normal de repartidores, despliega trabajadores para:
- Escanear estantes de supermercados para verificación de inventario
- Fotografiar entradas de hoteles para etiquetar puntos de entrega
- Capturar imágenes de comida para menús digitales de restaurantes
- Cerrar puertas de robotaxis Waymo (sí, eso también cuenta como “Task”)
Un vocero de DoorDash confirmó a Bloomberg que usan este material para evaluar modelos de IA propios y de socios en retail, seguros, hospitalidad y tecnología.
La Implicación Incómoda
Aquí está la parte que nadie quiere decir en voz alta:
Los datos del mundo real, recolectados a escala de trabajadores humanos distribuidos, se están convirtiendo en un activo competitivo valioso.
Las plataformas con grandes bases de contratistas, presencia establecida en entornos comerciales físicos e infraestructura logística para coordinar flujos de trabajo basados en tareas están posicionadas para acumular datasets de entrenamiento propietarios que los desarrolladores de IA y las empresas de robótica no pueden replicar fácilmente.
En otras palabras: DoorDash y Uber tienen algo que ni Google ni OpenAI pueden comprar fácilmente — millones de cámaras humanas capturando el mundo real, las 24 horas del día, los 7 días de la semana.
¿Qué Significa Esto Para Ti?
Si eres repartidor de DoorDash o Uber, ahora tienes un segundo trabajo: entrenar robots. Puedes verlo como ingreso extra… o como entrenar activamente a tu reemplazo.
Si eres consumidor, piensa en esto: cada vez que un repartidor graba cómo lavar platos en TU cocina, está contribuyendo al dataset que eventualmente le dará a un robot la capacidad de hacer lo mismo.
Y si eres emprendedor o ejecutivo: esto es el nuevo oro. Los datos del mundo físico son el cuello de botella de la IA robótica. Quien los tenga, dominará la próxima década.
La gig economy ya no solo mueve paquetes. Ahora es la capa de entrenamiento de la IA.
Y eso, amigos, es el momento más meta de la historia de la tecnología.
