De entregar hamburguesas a guiar cerebros de silicio en la acera.
El nuevo oficio de la gig economy
Hoy es 19 de marzo de 2026 y el paisaje de las aplicaciones de reparto ha cambiado drásticamente. Lo que antes era una simple transacción de ‘comida por dinero’ se ha transformado en algo mucho más profundo. DoorDash ha dado un paso oficial con el despliegue global de su aplicación Tasks, una plataforma que paga a sus repartidores (o ‘dashers’) no por llevar paquetes, sino por actuar como los ojos y oídos de la inteligencia artificial.
Imagina que estás caminando por la calle y, en lugar de recoger una pizza, la aplicación te pide que le saques diez fotos a un menú de un restaurante coreano recién inaugurado. O mejor aún, te pide que grabes un vídeo de 30 segundos doblando una camiseta en un rincón específico. Esto no es un hobby extraño; es el combustible que los modelos de visión artificial y robótica necesitan para entender el mundo real.
Para entender por qué esto importa, piensa en la IA como un estudiante superdotado pero que vive en una habitación sin ventanas. Para aprender a moverse por el mundo, necesita que alguien le traiga fotos, vídeos y datos de lo que pasa ‘fuera’. Ese ‘alguien’ son ahora los miles de trabajadores que ya están en la calle con un smartphone en la mano.
¿En qué consiste realmente entrenar a una IA en la calle?
Las tareas que DoorDash está asignando a través de Tasks son variadas y, a veces, sorprendentemente cotidianas. No se trata de escribir código complejo, sino de realizar acciones físicas que los humanos hacemos por instinto pero que a un robot le cuestan horrores. Según hemos podido comprobar recientemente, las actividades se dividen en tres grandes bloques:
- Recopilación de datos visuales: Fotografiar menús, fachadas de tiendas o incluso obstáculos en la acera que podrían confundir a un robot de reparto.
- Entrenamiento de motricidad fina: Grabar tareas domésticas como doblar ropa o limpiar superficies, lo que ayuda a entrenar robots de servicio doméstico.
- Asistencia técnica en campo: Ayudar a vehículos autónomos bloqueados. Si un pequeño robot de reparto se queda atrapado en un bache, un repartidor cercano puede recibir una alerta para ir a ‘liberarlo’.
Esta iniciativa no nace de la nada. Sigue la estela de lo que Uber empezó a tantear hace un tiempo, pero DoorDash lo ha integrado de forma mucho más orgánica en su flujo de trabajo. Para el repartidor, esto supone una vía de ingresos alternativa cuando la demanda de pedidos de comida baja, como en esas horas muertas de media tarde.
Esto es como si, en lugar de solo conducir un taxi, el conductor también estuviera mapeando la ciudad para que el coche del futuro sepa dónde hay un bache nuevo.
¿Por qué esto te afecta a ti?
Probablemente pienses: ‘Yo no soy repartidor, ¿a mí qué me importa?’. Pero la realidad es que el éxito de este modelo acelera la llegada de la automatización a tu puerta. Cuanto mejor entrenados estén estos sistemas gracias al trabajo humano, más rápido veremos robots limpiando nuestras casas o entregándonos el paquete de Amazon sin intervención humana.
Esto me hace pensar en lo que los sociólogos llaman ‘trabajo fantasma’. Muchas veces creemos que la IA es pura magia digital, pero detrás hay miles de humanos haciendo micro-tareas para que el algoritmo funcione. La diferencia aquí es que DoorDash lo está sacando a la luz y convirtiéndolo en un producto comercial para otras empresas que necesitan esos datos.
El dilema del repartidor: ¿entrenando a su reemplazo?
Hay una pregunta incómoda que flota en el aire: ¿están los repartidores cavando su propia tumba laboral? Al enseñar a la IA a navegar por las calles o a manejar objetos, están perfeccionando la tecnología que, en teoría, podría hacer que su trabajo sea innecesario en el futuro.
Sin embargo, la visión de la empresa es distinta. Argumentan que siempre habrá una necesidad de supervisión humana y que estas tareas son ‘habilidades complementarias’. Es un debate complejo. ¿Es mejor tener una fuente de ingresos extra hoy, aunque signifique automatizar el mañana, o ignorar el avance tecnológico y quedarse fuera del mercado?
Cómo funciona el proceso de Tasks
- El usuario abre la app y ve un mapa con ‘puntos de interés’ en lugar de restaurantes con pedidos pendientes.
- Al llegar al lugar, la app da instrucciones precisas: ‘Toma 5 fotos del ángulo derecho de esta rampa’.
- El usuario sube el material y el sistema de IA lo procesa en tiempo real.
- Una vez validado el dato (que suele tardar unos minutos), el pago se acredita en la cuenta del Dasher.
Riesgos y transparencia
No todo es color de rosa. Uno de los mayores riesgos es la privacidad. Si miles de personas están grabando vídeos y tomando fotos de la vía pública para entrenar modelos privados, ¿dónde queda el derecho a la intimidad de los transeúntes? DoorDash asegura que utiliza algoritmos para difuminar caras y matrículas, pero la recopilación masiva de datos siempre es un terreno pantanoso.
Además, está el tema del pago. Al ser tareas tan cortas, el precio por ‘task’ puede ser muy bajo, obligando al trabajador a hacer cientos de ellas para obtener un beneficio significativo. Es la gamificación del trabajo llevada al extremo.
Fuentes
Conclusión accionable
- Para el trabajador: Tasks es una herramienta de diversificación. No dependas solo de los pedidos de comida; usa las horas valle para sumar con micro-tareas.
- Para el ciudadano: Sé consciente de que el entorno urbano está siendo ‘escaneado’ constantemente para alimentar modelos de IA.
- Para el inversor: La verdadera mina de oro de estas apps ya no es el reparto, sino la capacidad de recolectar datos del mundo físico a escala masiva.
