Portugués 
Inglés 
Español 
7 min de lectura 
0 comentarios 
DoorDash Tasks paga a repartidores para filmar tareas domésticas, como lavar platos y doblar ropa, y usa los videos para entrenar IA, robots humanoides y sistemas de automatización.
Según TechCrunch, DoorDash anunció el 19 de marzo de 2026 el lanzamiento de DoorDash Tasks, una aplicación autónoma que permite a los 8 millones de repartidores estadounidenses de la plataforma ganar dinero filmando tareas cotidianas, como doblar ropa, lavar platos a mano y hacer la cama. El pago se muestra antes de cada tarea y varía según la complejidad.
Tareas más difíciles, como podar y replantar plantas, pagan más que actividades simples. El Washington Post informó que los trabajadores pueden ganar hasta US$ 25 por hora con las tareas disponibles, creando una nueva forma de trabajo bajo demanda ligada a la recopilación de datos para inteligencia artificial.
Los datos recopilados se utilizarán para entrenar modelos de IA y robótica de la propia DoorDash y de socios en los sectores de comercio minorista, seguros, hotelería y tecnología. Entre los potenciales interesados están fabricantes de robots humanoides como Tesla, Figure AI y Agility Robotics.
-
Descubrimiento brasileño utiliza bacteria que ataca al chinche por las patas y puede enfrentar plaga vinculada a R$ 12 mil millones en pérdidas en la soja.
-
Estaleiro chino entrega en Nantong el mayor portacontenedores a metanol del mundo con 399,9 metros, 24.168 contenedores y 225 mil toneladas.
-
Japanese engineers dig 32,675 meters of tunnel under Hokkaido mountains to extend the Shinkansen 211 km to Sapporo
-
Enquanto EUA e China disputam terras raras, Kazajistán revela en Karagandy la tercera mayor reserva del mundo con 20 millones de toneladas.
DoorDash Tasks transforma tareas domésticas en datos para inteligencia artificial y robótica
Una de las tareas documentadas por Bloomberg pide que el trabajador use una cámara apuntada a las manos mientras friega al menos cinco platos. Cada plato limpio debe ser sostenido frente a la lente por unos segundos antes de que el trabajador continúe la grabación.
La aplicación fue lanzada en todos los Estados Unidos, excepto California, Nueva York, Seattle y Colorado, regiones con reglas más estrictas sobre privacidad de datos y derechos de trabajadores de plataformas. Esta exclusión es uno de los detalles más reveladores del lanzamiento.
DoorDash está transformando a repartidores en recolectores de datos del mundo físico, usando tareas domésticas reales para alimentar sistemas de IA que necesitan aprender cómo los humanos manipulan objetos, limpian superficies, doblan telas y organizan ambientes.
Los robots necesitan ver a los humanos lavando platos porque no existe internet para datos físicos
El problema central que DoorDash Tasks intenta resolver no es de hardware, sino de datos. Los chatbots como ChatGPT han aprendido con billones de palabras disponibles en internet, pero los robots que necesitan manipular objetos físicos no tienen un equivalente tan amplio y accesible.
“No hay internet para datos de robótica”, dijo Ken Goldberg, roboticista de la UC Berkeley, al Washington Post. Un robot que dobla una camisa necesita aprender fuerza, ángulo, textura, reacción del tejido y corrección de errores en situaciones reales.
Las simulaciones computacionales aún no reproducen con suficiente precisión la variabilidad de cocinas, ropa, platos, plantas y objetos domésticos. Por eso, los videos grabados por trabajadores en casas reales pueden valer más que datos limpios, caros y controlados de laboratorio.
Los videos de trabajadores son más baratos que la teleoperación robótica especializada
El investigador Simar Kareer, de Georgia Tech, explicó que los datos de teleoperación robótica suelen tener mayor calidad porque incluyen comandos reales de movimiento del robot. El problema es que este tipo de recolección requiere equipos caros, operadores entrenados y mucho tiempo.
Filmar a humanos realizando tareas domésticas es más barato, más rápido y más escalable. Pagar a trabajadores para registrar movimientos con celulares, cámaras en la cabeza o soportes corporales crea un volumen de datos que los laboratorios de robótica difícilmente podrían producir por sí solos.
Según estimaciones citadas por el Washington Post, una hora de video de un humano haciendo tareas puede costar menos de US$ 5, mientras que los datos de teleoperación robótica pueden superar los US$ 100 por hora. Esta diferencia de costo explica por qué las empresas de IA están recurriendo a trabajadores temporales.
DoorDash utiliza 8 millones de Dashers como red de sensores del mundo físico
La lógica de DoorDash Tasks va más allá de vender datos de robótica. La empresa ha pasado más de una década construyendo una infraestructura capaz de activar trabajadores en lugares específicos, confirmar tareas y procesar pagos a gran escala.
Ethan Beatty, gerente general de DoorDash Tasks, afirmó que hay más de 8 millones de Dashers capaces de llegar a casi cualquier lugar de los Estados Unidos e interesados en ganar de forma flexible además de las entregas. Para él, esta es una capacidad poderosa para digitalizar el mundo físico.
Esta red humana es difícil de replicar. Ninguna empresa tradicional de datos puede montar rápidamente una base de millones de personas distribuidas por el país, disponibles para filmar tareas, verificar eventos locales o actuar como apoyo físico para sistemas automatizados.
Privacidad de los datos domésticos sigue siendo la mayor duda de DoorDash Tasks
El lanzamiento no respondió públicamente a preguntas centrales sobre consentimiento, retención y uso de los datos. No está claro por cuánto tiempo se almacenarán las grabaciones, qué derechos tendrán los trabajadores sobre imágenes de sus propias casas y quién exactamente recibirá los videos.
Reportajes de The Next Web y IBTimes señalaron estas omisiones como relevantes. En un programa que incentiva a los trabajadores a llevar cámaras a cocinas, habitaciones, lavanderías y áreas privadas, la ausencia de detalles no es un punto menor.
La cuestión no es solo laboral, sino también doméstica y familiar. Videos hechos dentro de residencias pueden capturar objetos personales, voces, rostros, rutinas e información sensible que va más allá de la tarea contratada.
Cuánto vale un humano lavando platos para entrenar robots
El valor de mercado de estos datos ayuda a explicar la carrera. Datos humanos en video son baratos, abundantes y capturan variaciones reales de ambiente, iluminación, objetos, postura, ritmo e improvisación.
Para la robótica, esto es decisivo. Un robot doméstico no necesita solo saber que un plato está sucio; necesita entender cómo una mano sostiene el plato, qué fuerza aplica, cómo cambia el movimiento cuando hay espuma, grasa o agua escurriendo.
La apuesta de DoorDash Tasks es matemática: pagar hasta US$ 25 por hora para que humanos filmen tareas puede generar datos suficientes para sustituir parte de los datos robóticos mucho más caros, especialmente cuando se combinan con conjuntos más pequeños de teleoperación especializada.
DoorDash Tasks expone la paradoja de los trabajadores entrenando la automatización que puede sustituirlos
La ironía estructural de DoorDash Tasks es que trabajadores vulnerables a la automatización están siendo reclutados para construir parte de esa automatización. Un repartidor puede ganar dinero extra filmando tareas domésticas y, al mismo tiempo, alimentar modelos que en el futuro pueden reducir la demanda de trabajo humano.
El proceso involucra dos frentes: entrenar robots domésticos para realizar actividades como lavar platos, doblar ropa y hacer camas, y apoyar sistemas automatizados de entrega, comercio minorista, hotelería y movilidad.
El profesor Antonio Casilli, del Institut Polytechnique de Paris, resumió el riesgo al decir que el peligro no es solo que los robots tomen empleos humanos, sino que los humanos tengan que trabajar para los robots. Por ahora, la tarea paga hasta 25 dólares por hora. La cuestión es por cuánto tiempo durará este equilibrio.
El nuevo trabajo digital salió de la pantalla y entró en la cocina de los trabajadores
DoorDash Tasks muestra un cambio importante en el mercado de datos para inteligencia artificial. La primera fase de la IA consumió textos, imágenes y videos disponibles en internet; la próxima exige movimientos humanos en ambientes físicos reales.
Lavar platos, doblar ropa, cerrar la puerta de un robotaxi y hacer la cama parecen actividades banales, pero se han convertido en materia prima para modelos de IA y robots humanoides. El cuerpo humano, filmado en tareas comunes, se ha convertido en una fuente valiosa de entrenamiento para máquinas.
La pregunta ahora no es solo cuánto pagan estas tareas, sino quién controla los datos, quién se beneficia de los modelos entrenados y qué trabajadores serán beneficiados o sustituidos cuando la automatización aprenda exactamente aquello que se les pagó para enseñar.
¡Sé la primera persona en reaccionar!