Экономика микродада: зачем DoorDash превращает курьеров в «учителей» для нейросетей
Мир привык воспринимать курьеров как «ноги» цифровой экономики. Они доставляют бургеры, забирают продукты и перевозят посылки, являясь конечным звеном в логистической цепочке. Однако лидер американского рынка доставки DoorDash решил пересмотреть ценность своего 8-миллионного штата независимых подрядчиков.
В марте 2026 года компания представила проект Tasks — отдельное мобильное приложение, которое платит курьерам не за перемещение объектов из точки А в точку Б, а за сбор данных для тренировки искусственного интеллекта и робототехники. Это тектонический сдвиг: компания по доставке еды фактически превращается в крупнейшего провайдера данных для Big Tech.
В этой статье мы разберем, как работает новая площадка, почему гиганты индустрии (включая Uber) пошли в сторону микрозадач и что это значит для будущего рынка труда.
---
От доставки бургеров к оцифровке физического мира
Суть приложения Tasks проста: курьер (или Dasher, как их называют в компании) может выбрать короткое задание, которое требует видео- или аудиофиксации. DoorDash платит за это живые деньги. Оплата определяется сложностью задания и временем, затраченным на его выполнение.
Примеры задач, которые уже доступны пользователям, на первый взгляд кажутся странными: * Снять на видео процесс мытья пяти тарелок, закрепив камеру на теле (body-cam). * Записать свою речь на иностранном языке. * Сфотографировать вход в отель или ресторан, чтобы помочь другим курьерам быстрее находить точку выдачи. * Закрыть дверь беспилотного автомобиля Waymo после завершения поездки.
«Эти данные помогают ИИ и робототехнике понимать физический мир», — сухо констатирует DoorDash в официальном блоге. Но за этой фразой скрывается решение самой большой проблемы современного машинного обучения: **дефицита качественных данных о реальности.**
---
Почему ИИ нужны ваши грязные тарелки?
Современные нейросети (LLM и диффузионные модели) обучались преимущественно на текстах и картинках из интернета. Но если вы хотите создать робота-повара, робота-уборщика или беспилотный автомобиль, который не врезается в открытую дверь, вам нужны «видео от первого лица» (egocentric vision).
Зачем видео с мытьем посуды? Для ИИ это сложнейший процесс. Робот должен понимать: 1. Как меняется освещение на мокрой поверхности. 2. Какую силу нужно приложить, чтобы удержать скользкую тарелку. 3. Как выглядят руки человека в движении.
DoorDash обладает армией из 8 миллионов человек, рассредоточенных по всей территории США. Это идеальная инфраструктура для сбора специфических, «приземленных» данных в режиме реального времени. Компании больше не нужно нанимать специалистов в студии — достаточно отправить пуш-уведомление человеку, который уже находится на улице или дома.
Корпоративный шпионаж или аутсорс данных? Интересно, что DoorDash собирает данные не только для себя. Bloomberg сообщает, что футаж (видеоматериалы) будет использоваться для оценки и обучения внутренних моделей DoorDash, а также передаваться партнерам из сфер ритейла, страхования и гостеприимства.
Фактически, DoorDash создает маркетплейс данных. Если страховой компании нужно понять, как обычно выглядят повреждения крыши после града в Техасе, ей проще «заказать» 1000 фото у курьеров DoorDash, чем отправлять своих агентов.
---
Конкуренция с Uber и Amazon Mechanical Turk
DoorDash не одинока в этом стремлении. В конце 2025 года Uber анонсировала схожие функции, позволяя водителям зарабатывать на микрозаданиях — например, фотографировать фасады магазинов для улучшения навигации.
Однако DoorDash пошла дальше, выделив Tasks в отдельное приложение. Это прямой вызов таким платформам, как **Amazon Mechanical Turk** или специализированным сервисам разметки данных (Scale AI, Labelbox).
Преимущество DoorDash — в масштабе и мобильности. Пока «турки» (пользователи Amazon Mechanical Turk) сидят за компьютерами и размечают картинки, «дашеры» находятся «в поле». Они могут зайти в конкретный магазин, проверить наличие товара на полке или снять видео работы конкретного механизма в реальных условиях. Итан Битти, генеральный менеджер DoorDash Tasks, называет это «оцифровкой физического мира».
---
География и ограничения: почему не везде?
На момент запуска Tasks доступно в большинстве штатов США, за исключением: * Калифорнии * Нью-Йорка * Сиэтла * Колорадо
Это политическое решение. В этих регионах действуют строгие законы о труде гиг-работников (например, минимальная почасовая оплата для курьеров). Дополнительные сложности с классификацией труда мешают внедрению новых форматов оплаты.
Тем не менее, модель DoorDash выглядит как попытка обойти ограничение «оплаты за пробег». Если курьер ждет заказ в ресторане 15 минут, он не зарабатывает. Теперь же он может потратить это время на выполнение «таска» в приложении, повышая свою эффективность.
---
Этическая сторона вопроса и приватность
Запуск Tasks вызывает закономерные вопросы о конфиденциальности. Когда курьер записывает видео в ресторане или при входе в жилой комплекс, в кадр попадают лица случайных прохожих, номера машин и частная собственность.
DoorDash заявляет, что данные используются для обучения ИИ, но как именно они деанонимизируются — вопрос открытый. Кроме того, сбор биометрических данных (голос, движения рук) требует прозрачных согласий, которые пользователи зачастую подписывают, не читая.
Для самих курьеров это тоже палка о двух концах. С одной стороны — гибкость и дополнительный доход. С другой — они своими руками обучают роботов, которые в перспективе могут их заменить. Те же съемки закрытия дверей Waymo — это прямая помощь автопилоту, который рано или поздно вытеснит человека из логистики.
---
Вывод: мы все — разметчики данных
Запуск DoorDash Tasks — это сигнал для рынка. Эпоха «просто доставки» заканчивается. Наступает эра, когда физическое присутствие человека в пространстве становится товаром.
Для VC-сообщества и технологических предпринимателей это кейс о том, как превратить существующую инфраструктуру (8 млн курьеров) в нечто большее. DoorDash больше не конкурирует только с Uber Eats; теперь компания конкурирует с лабораториями по сбору данных для ИИ.
В будущем мы увидим расширение списка задач: от проверки исправности светофоров до мониторинга очередей в магазинах в реальном времени. Курьеры станут «сенсорами» огромной нейросети, связывающей цифровой код с физической реальностью.
Вопрос лишь в том, станет ли этот формат работы устойчивым источником дохода или превратится в цифровой конвейер, где человеческий труд ценится всё меньше по мере того, как ИИ становится всё «умнее» на наших с вами данных.