DoorDash Tasks: cuando su hogar se convierte en campo de entrenamiento para robots

Qué es Tasks y por qué importa

DoorDash, conocida por el reparto de comida, lanzó una aplicación llamada Tasks que no tiene que ver con entregas: su objetivo es recopilar datos de humanos realizando tareas reales para entrenar modelos generativos de IA y sistemas robóticos. La propuesta es simple y directa: usuarios graban videos de sus manos y de objetos en contextos domésticos o públicos, y reciben una compensación determinada por esfuerzo y complejidad.

Para empresas de IA y robótica, estos clips son valiosos. Miles de ejemplos de personas doblando ropa, cargando una lavadora o manipulando utensilios pueden servir para que algoritmos de visión por computadora aprendan a reconocer objetos y movimientos, y para que robots humanoides aprendan a replicar tareas físicas en entornos del mundo real.

Cómo funciona la experiencia del usuario

El flujo para quien participa es bastante literal: se solicita que se coloque un teléfono en el pecho o se use un soporte que mantenga la cámara apuntando a las manos y a los objetos. La app alerta cuando las manos salen del encuadre mediante pitidos, e impone requisitos sobre visibilidad y continuidad de la acción. Al registrarse, la primera tarea suele ser básica, por ejemplo mover tres objetos sobre una mesa, y algunos participantes reciben un soporte para el smartphone como incentivo no monetario.

Tasks divide las actividades en cinco grandes categorías: tareas domésticas, proyectos de manualidades, cocina, navegación y conversaciones en otros idiomas. Cada tarea viene con instrucciones específicas sobre cómo grabar, qué mostrar claramente y límites de tiempo o retribución.

Qué tareas se piden y cuánto se paga

Las tareas dentro de la app varían en complejidad. Entre las domésticas están tender la cama, cargar el lavavajillas y meter ropa en la lavadora. En manualidades se incluyen acciones tan simples como cambiar una bombilla y tan técnicas como verter cemento. En cocina hay numerosas variantes alrededor de preparar huevos, desde freírlos hasta escalfarlos. Las tareas de navegación piden recorrer museos o complejos de apartamentos, y las lingüísticas solicitan conversaciones naturales en idiomas como ruso o mandarín.

DoorDash muestra la paga por adelantado, y en varios ejemplos la tarifa ofrecida es de 15 dólares por hora, con límites de tiempo por tarea, por ejemplo 20 minutos como máximo. Sin embargo, la remuneración efectiva por video puede quedar muy por debajo de esa cifra. En una tarea registrada de cargar una lavadora, la app estimó un ingreso de 0.37 dólares para el clip generado, aun cuando la tarifa horaria indicada era de 15 dólares. En tareas de cocina relacionadas con huevos existe un tope máximo de pago por grabación que puede ser tan bajo como 5 dólares incluso si la grabación se extiende.

Reglas, límites y obligaciones

DoorDash establece reglas claras para los participantes: no grabar a menores ni registrar datos personales, obtener siempre el consentimiento de terceros que aparezcan en video y evitar actividades ilegales. La app también prohíbe la grabación en determinados lugares como hospitales, escuelas, prisiones, aeropuertos y bases militares.

En el lanzamiento en Estados Unidos hay restricciones geográficas: residentes de California, Nueva York, Seattle y Colorado están explícitamente bloqueados de usar Tasks. DoorDash ha señalado que planea ampliar el servicio y la gama de tareas y usuarios en el futuro, aunque no ha detallado el cronograma.

Experiencias típicas: desde lavar ropa hasta explorar un parque

La experiencia reportada por usuarios que probaron la app muestra las peculiaridades del formato. Para la tarea de lavar ropa, por ejemplo, se pide sostener cada prenda frente a la cámara antes de introducirla en la lavadora. Los pitidos que indican pérdida de encuadre se vuelven una molestia, y pequeños gestos naturales como que una prenda tape los dedos pueden invalidar la toma.

En otra tarea, el participante debía grabar el proceso completo de preparar huevos manteniendo visibles manos y huevos en todo momento. Las instrucciones piden mantener constante el estado final de los huevos, y el pago máximo por esa grabación estaba limitado, lo que demuestra que el valor por pieza de video puede ser reducido.

Para tareas de navegación como explorar un parque, la dinámica cambia: se pide documentar puntos de referencia, bifurcaciones del camino y evitar grabar a personas sin permiso. Aunque el pago por hora puede aparecer como atractivo, la estructura por tarea y los topes de tiempo redefinen cuánto realmente percibe quien participa.

Riesgos y preguntas abiertas para América Latina

Aunque la app se lanzó en Estados Unidos, el modelo plantea preguntas relevantes para América Latina, donde las economías de plataforma ya están muy presentes. Entre los aspectos a considerar están:

• Privacidad y protección de datos: las regulaciones en la región varían entre países. La recolección de videos en espacios privados y públicos plantea retos sobre consentimiento, almacenamiento y uso de imágenes, especialmente cuando participan terceros que no autorizaron la grabación.

• Calidad del ingreso: la combinación de pagos por tarea y topes de tiempo puede traducirse en ingresos bajos por hora efectiva. Para trabajadores que dependan de estas actividades, la percepción de flexibilidad debe sopesarse con la realidad del pago por clip.

• Ética y transparencia: usuarios deben conocer con claridad cómo se usarán sus imágenes, quiénes tendrán acceso a los datos y si existe posibilidad de eliminación o reclamos. El despliegue de tecnologías que entrenan robots también implica debates sobre automatización y desplazamiento de trabajos que hoy se realizan manualmente.

• Regulación laboral: plataformas que pagan por microtareas generan discusión sobre derechos laborales, seguridad social y clasificación de quienes participan. En varios países latinoamericanos estos marcos legales todavía están en desarrollo respecto a las economías digitales.

Balance: oportunidades y precauciones

La propuesta de DoorDash Tasks ofrece una vía práctica para reunir datos que podrían acelerar el desarrollo de robots capaces de ayudar en tareas domésticas y en entornos comerciales. Para investigadores y fabricantes, ejemplos del mundo real son insustituibles a la hora de afinar modelos de visión y de manipulación física.

Al mismo tiempo, la experiencia revela limitaciones en la equidad del pago y en la protección de participantes y terceros. Usuarios que consideren unirse deberían leer detenidamente términos y condiciones, verificar las normas de privacidad y evaluar si la compensación es acorde al tiempo y las expectativas. En mercados latinoamericanos, reguladores y empresas deberán anticipar escenarios donde este tipo de recolección de datos cruce fronteras y se enfrente a legislaciones diversas.

Conclusión

Tasks transforma acciones cotidianas en materia prima para la inteligencia artificial y la robótica, al tiempo que reaviva debates sobre remuneración, privacidad y regulación. Más allá de la curiosidad por grabarse sacando la basura o cocinando un huevo, la iniciativa de DoorDash es un recordatorio de que la transición hacia entornos con robots útiles dependerá tanto de datos masivos como de decisiones sociales y legales sobre cómo se obtienen esos datos.

Quienes sigan esta tendencia en América Latina deben atender tanto las oportunidades tecnológicas como las implicaciones para derechos de los trabajadores y de las personas filmadas, y adelantarse en normas que protejan a todos los implicados.