DoorDash lanzó esta semana una aplicación independiente llamada Tasks que permite a sus couriers ganar dinero adicional grabando videos y completando tareas diseñadas para entrenar modelos de inteligencia artificial. No es un rumor ni un piloto en pruebas: es un producto real, disponible ya, con pagos por tarea y casos de uso que van desde grabar cómo se lavan platos hasta capturar la entrada de un hotel.
Es también una señal clara de adónde va el negocio de los datos para IA: hacia la fuerza laboral distribuida que las propias plataformas ya tienen.
¿Qué hace Tasks exactamente?
La app Tasks funciona como una capa separada sobre el ecosistema Dasher. Los couriers pueden ver tareas disponibles —con el pago mostrado de forma anticipada— y elegir cuáles completar fuera de sus entregas regulares. Los videos y datos capturados se usan para entrenar modelos de IA tanto internos de DoorDash como los de socios en sectores de retail, seguros, hospitalidad y tecnología, según reportó Bloomberg.
Aprende IA con nosotros
Únete gratis a mi comunidad en Skool, donde compartimos noticias, tutoriales y recursos para seguir aprendiendo juntos.
👥 Únete gratis 🚀Un ejemplo concreto que circuló en los medios: grabar las manos lavando al menos cinco platos con una cámara corporal, sosteniendo cada plato limpio en cuadro durante unos segundos. El objetivo es enseñarle a un sistema de IA cómo se ve esa tarea en el mundo real —texturas, ángulos, movimientos, iluminación variable. El tipo de dato que ningún dataset sintético puede generar bien.
DoorDash también integra en la misma app tareas ya existentes en su ecosistema: como fotografiar los platos de un menú de restaurante o documentar la entrada de un edificio para mejorar la navegación de los repartidores. Y, significativamente, incluye la colaboración con Waymo: couriers ya están siendo pagados para cerrar las puertas de los vehículos autónomos de Waymo tras una entrega. Eso también es una tarea.
No son los primeros, pero sí los más grandes en esto
Uber anunció algo similar en octubre de 2025: permitir que sus conductores completen microtareas como subir fotos para entrenar modelos. DoorDash llega con una app dedicada y un ecosistema de socios empresariales, lo que la convierte en un movimiento más estructurado.
La lógica es directa: estas empresas ya tienen decenas de miles de personas con teléfonos, moviéndose por el mundo físico a toda hora. Son los recolectores de datos perfectos para el tipo de información que los modelos de IA más necesitan en 2026: interacciones con el mundo real, no texto en internet.
Es también una diversificación estratégica inteligente para los propios couriers, que históricamente dependen de la densidad de pedidos en su zona. Tasks les da ingreso en momentos de baja demanda.
El verdadero asunto: quién entrena la IA que automatiza tu trabajo
Lo más interesante del modelo DoorDash Tasks no es técnico —es el contrato implícito. Los couriers graban datos que entrenan sistemas de IA que, eventualmente, podrían automatizar partes de la logística que ellos hoy realizan. Es la misma dinámica que hemos visto en profesionales de cuello blanco: el trabajador desplazado que entrena al reemplazante.
Eso no hace el modelo malo per se —es dinero real para trabajadores reales. Pero la transparencia sobre para qué se usan exactamente esos datos, quién los accede y durante cuánto tiempo es la variable crítica que ninguna plataforma ha respondido bien todavía.
Para el sector tech, la lectura más inmediata es diferente: el crowdsourcing de datos físicos para IA ya es un negocio. DoorDash lo sistematizó. Y empresas con redes de usuarios distribuidos —desde apps de delivery hasta marketplaces de servicios— tienen un activo que muchas aún no están monetizando: la capacidad de sus comunidades para generar los datos que los modelos de next-gen necesitan.
La pregunta para cualquier founder con una red de personas moviéndose en el mundo físico es: ¿qué datos estás dejando de capturar?
