DoorDash testa DoorDash Tasks, paga por dados de IA e robôs

Introdução

DoorDash Tasks chegou com uma promessa simples, pagar Dashers para coletar dados que treinam IA e robôs, e abrir uma nova frente de ganhos fora das entregas. A iniciativa inclui desde fotos de pratos e fachadas de hotéis até vídeos de tarefas domésticas e gravações de voz, tudo exibindo pagamento antecipado e com escopo definido. Segundo a empresa, a ideia é transformar milhões de interações cotidianas em informação útil para modelos que entendem o mundo físico.

O anúncio de 19 de março de 2026 detalha que o DoorDash Tasks opera em mercados selecionados dos Estados Unidos, excluindo Califórnia, Nova York, Seattle e Colorado. A empresa afirma já ter ultrapassado 2 milhões de tarefas concluídas desde 2024, um sinal de tração considerável para um programa ainda jovem, porém estrategicamente importante para o ecossistema de comércio local e autonomia.

O que será abordado aqui, funcionamento do DoorDash Tasks, os tipos de tarefas e como o pagamento aparece, os efeitos no treinamento de IA e robótica, as oportunidades e os cuidados para Dashers, e as implicações éticas e competitivas no mercado.

O que é o DoorDash Tasks e por que existe agora

DoorDash Tasks nasce de um problema recorrente, empresas precisam de informações do mundo físico com rapidez e escala. Saber se um item está na prateleira, se a rota de acesso mudou, ou se o ponto de entrega é facilmente localizável. A DoorDash argumenta que passou anos resolvendo desafios semelhantes no seu marketplace, como encontrar a porta certa ou checar horários de operação, e que agora abre essa capacidade para terceiros com a rede de mais de 8 milhões de Dashers.

O formato é direto, tarefas curtas que podem ser feitas entre entregas ou em horários livres. Exemplos, tirar fotos de pratos para cardápios, registrar a entrada de um hotel para marcar um drop-off e, quando necessário, auxiliar veículos autônomos a retomarem a operação. Ao mesmo tempo, a empresa iniciou o piloto de um aplicativo independente onde Dashers filmam tarefas do dia a dia ou gravam conversas para treinar sistemas de IA e robótica. O pagamento é exibido antes da execução e varia com esforço e complexidade.

Esse movimento se encaixa em uma tendência maior, a expansão da DoorDash para modos autônomos e ferramentas de precisão operacional. Em 2025, a companhia destacou soluções como SmartScale, tecnologia que valida o peso do pedido e a compatibilidade com novos modais, incluindo drones e robôs, e manteve iniciativas com parceiros de robótica de calçada, sinalizando uma transição gradual para uma malha de logística híbrida.

Como o Dashers vê o app, tarefas e pagamento

No aplicativo de tarefas, o Dashers encontra oportunidades com instruções detalhadas, tempo estimado e valor. No piloto do app independente, existem atividades como gravar uma conversa espontânea em espanhol, filmar o ato de lavar louça à mão, carregar uma lava-louças, dobrar roupas ou cozinhar numa frigideira. A ideia é capturar dados de movimento, manipulação de objetos, linguagem e contexto doméstico que ajudam modelos a entender o ambiente físico de forma mais precisa.

Para microtarefas ligadas a restaurantes e hotéis, a lógica é semelhante, coletar fotos reais de pratos em ângulos padronizados, ou registrar com clareza a entrada do local para orientar futuras entregas. Em tarefas de varejo, há coleta de imagens de prateleiras para ajudar no controle de planograma e disponibilidade. Esses dados abastecem sistemas de IA internos e também soluções de parceiros em setores como varejo, seguros, hospitalidade e tecnologia, sempre com pagamento exibido antecipadamente.

Importante, a empresa informa que o programa está ativo em mercados selecionados nos Estados Unidos e que ainda não cobre Califórnia, Nova York, Seattle e Colorado, o que indica uma abordagem regulatória cautelosa e um foco inicial em regiões com menos fricção para coleta de dados em casas e comércios.

![Mock de tela do DoorDash Tasks em destaque]

Por dentro do treinamento de IA e robótica com dados do mundo real

Modelos que precisam atuar no mundo físico exigem dados que representem variações reais, iluminação imperfeita, ângulos não ideais, superfícies molhadas, louça engordurada, etiquetas tortas, além de contextos de linguagem coloquial. O DoorDash Tasks procura exatamente isso, diversidade e granularidade que dificilmente se obtém apenas com dados sintéticos ou de laboratórios. Em março de 2026, a Bloomberg descreveu o programa como uma forma explícita de transformar Dashers em coletores de dados que alimentam modelos de IA e robótica, com exemplos claros de tarefas domésticas e gravações de voz.

Esse acervo alimenta pipelines de visão computacional e modelos multimodais, úteis para bots de prateleira, navegação de robôs, checagem de layout de lojas e identificação de pontos de entrega. Em paralelo, a DoorDash vem comunicando soluções que pavimentam o caminho para modais autônomos, como pesagem inteligente de pedidos e parcerias com fornecedores de robôs. O ponto central é reduzir falhas, aumentar a precisão e acelerar tempos de ciclo.

Do lado prático, coletar fotos de pratos produz datasets que melhoram a curadoria de cardápios e a conversão no app, que dependem de imagens reais e consistentes. Já vídeos de tarefas como dobrar roupas ou lavar louça geram sequências úteis para treinar robôs domésticos e modelos de manipulação física. E gravações de voz ampliam a robustez de ASR e NLU em cenários barulhentos ou informais, algo indispensável para agentes que operam em campo.

Onde o Tasks já funciona e como as empresas usam

Segundo a DoorDash, Tasks e o novo app estão disponíveis em mercados selecionados dos EUA e devem se expandir para mais tipos de tarefas e países ao longo do tempo. A empresa cita parcerias já ativas com varejo, seguros, hotelaria e tecnologia. Isso significa que, além de melhorar a própria logística, a companhia está posicionando sua rede como infraestrutura de coleta de dados para múltiplas indústrias.

Por exemplo, o fluxo de fotos de entrada de hotéis facilita a vida de quem entrega e de quem recebe, reduzindo devoluções e aumentando NPS. Em varejo, um inventário visual mais frequente melhora a acurácia de estoque e a execução de planogramas. E em mobilidade autônoma, o registro de obstáculos ou apoio a um veículo preso pode acelerar a retomada de serviço, reduzindo indisponibilidades e eventos de suporte caros. Esses são efeitos que, somados, impactam margem e satisfação do cliente final.

![Telas do app com cards de tarefas]

Oportunidades para Dashers, ganhos entre entregas e como se proteger

DoorDash Tasks cria uma camada de receita intersticial. Nos períodos de baixa demanda por pedidos, executar duas ou três microtarefas pode elevar a média por hora e reduzir a ociosidade. O pagamento é exibido antes, o que dá ao Dasher mais previsibilidade para decidir quando vale a pena. Para maximizar ganhos, vale concentrar tarefas próximas entre si, priorizar aquelas com instruções claras e tempo estimado menor, e manter consistência na qualidade das submissões, já que reprovações desperdiçam tempo e reduzem a taxa de acerto.

Há também limites, nem toda cidade elegível terá tarefas com frequência estável, e o valor por tarefa pode oscilar conforme a demanda do cliente corporativo, a escassez de dados e a complexidade do que se pede, por exemplo, uma sequência de vídeo bem iluminada com enquadramento específico. Em determinados mercados, o Tasks não está disponível por questões regulatórias ou políticas locais, como relatado no anúncio oficial.

Em termos de segurança e privacidade, boas práticas importam, evitar capturar rostos identificáveis de terceiros sem consentimento, ocultar dados pessoais em papéis sobre a bancada, e revisar o enquadramento para não expor placas, documentos ou fotos de família. É recomendado checar as políticas de privacidade da plataforma e as instruções da tarefa, já que o uso dos dados costuma incluir treinamento e avaliação de modelos por parceiros. O comunicado do programa destaca explicitamente a utilização dos dados para IA e robótica em setores variados.

Impactos para o mercado, IA prática e a corrida pelos dados

No curto prazo, DoorDash Tasks é uma resposta pragmática a um gargalo da indústria, datasets ricos e atualizados que representem a bagunça do mundo real. A Bloomberg destaca que tarefas de voz e vídeo doméstico estão no escopo, algo valioso para o atual ciclo de robótica humanoide e agentes de campo. Quanto melhor a diversidade de dados, mais robustos tendem a ser os modelos multimodais e os controladores de baixa frequência que esses robôs utilizam.

No médio prazo, a própria DoorDash vem sinalizando uma transição para operações com mais autonomia, do suporte a drones e robôs à otimização de campanhas e roteirização. O passo de transformar a rede de Dashers em coleta distribuída de dados reforça essa direção, e potencialmente cria uma linha de negócio B2B complementar ao marketplace. Essa vertical de dados e insights físicos pode se tornar um ativo competitivo diante de varejistas e provedores de logística que ainda dependem de auditorias esporádicas em campo.

Do ponto de vista social, estudos sobre o trabalho em plataformas lembram que mecanismos de avaliação e remuneração impactam bem-estar e comportamento do trabalhador. Programas como o Tasks, se bem desenhados, podem reduzir a ansiedade de janelas ociosas e dar mais controle sobre a renda por meio de tarefas rápidas. Por outro lado, é fundamental garantir transparência de critérios, revisão justa e canais de recurso quando uma submissão é rejeitada, para não reproduzir dinâmicas de assimetria que já existem nas entregas.

Questões éticas, governança e expectativas realistas

Transformar entregadores em fornecedores de dados para IA e robôs levanta perguntas legítimas, qual o limite do que se pode gravar em ambientes privados, como garantir consentimento e anonimização adequados, quem controla o destino do conteúdo ao longo do ciclo de vida do modelo, e como mitigar riscos de vazamento. Relatórios sobre plataformas digitais reforçam a necessidade de práticas transparentes, comunicação clara sobre uso de dados e políticas que reduzam desativação indevida ou erros de verificação. Para o Tasks, governança explícita e auditorias independentes tendem a aumentar a confiança.

Outro ponto sensível é a narrativa de substituição, coletar dados que treinam robôs pode ser percebido como preparar a própria competição. A experiência recente do mercado mostra que a autonomia cresce em bolsões e depende de infraestrutura, custo total e aceitação do público. Em 2025, o noticiário mostrou avanços em robôs de entrega, mas também desafios operacionais. A leitura prática, oportunidades no curto prazo para quem coleta dados com qualidade, enquanto a robótica escala de forma gradual e complementar.

Como aplicar isso na prática, seja empresa, seja Dasher

Para empresas, o playbook é claro, definir problemas de campo que dados resolvem rápido e barato. Exemplos, fotos de prateleira para reduzir ruptura, mapeamentos de entrada para diminuir falhas de entrega, e registros de voz para calibrar chatbots em cenários ruidosos. O DoorDash Tasks oferece um canal de coleta distribuída com SLA implícito via lances de preço por complexidade. A chave é especificação precisa, critérios de aceitação objetivos e parâmetros de qualidade reproduzíveis.

Para Dashers, a aplicação prática envolve rotina, planejar janelas entre picos de entrega, priorizar tarefas de alto valor por minuto, montar um kit básico de gravação com suporte para celular, boa iluminação e limpeza do cenário, e organizar templates mentais para repetir tarefas com consistência. Também vale acompanhar a evolução geográfica do programa, já que a empresa declara intenção de expandir tipos de tarefas e países.

Conclusão

DoorDash Tasks consolida uma tendência inevitável, dados do mundo real são o combustível da IA aplicada e a coleta distribuída entrega escala, diversidade e velocidade que laboratórios sozinhos não atingem. O piloto do app independente, com vídeos de tarefas domésticas e gravações de voz, deixa claro o foco em treinar modelos que percebem, entendem e atuam no ambiente físico. Para Dashers, há uma oportunidade concreta de monetizar minutos ociosos, com pagamento antecipado e escopo definido.

O sucesso do programa vai depender de três fatores, volume e variedade de tarefas úteis para empresas, políticas claras de privacidade e revisão, e um desenho de incentivos que respeite o tempo e a dignidade do trabalhador. Se esses pilares se mantiverem, o DoorDash Tasks tende a se firmar como mais que um experimento, pode ser a camada de dados que acelera a próxima fase da IA e da robótica no varejo e na logística.