外送巨頭 DoorDash 近期低調推出一款名為「Tasks」的新應用程式，這項舉動雖然沒有大張旗鼓，卻精準反映出當前科技產業的核心需求：對高品質訓練資料的渴求。與傳統的餐點外送不同，Tasks 提供的是一種「數位勞動」，讓外送夥伴利用送餐空檔，透過拍攝日常動作影片、錄製語音或標註圖像資訊來獲取酬勞。這些被蒐集的資料，最終將轉化為訓練人工智慧（AI）模型的關鍵養分，讓機器人或語音助理能更理解現實世界的行為與多樣化的語言。

這項發展的背景源於 AI 技術的快速演進。當前的生成式 AI 或機器人視覺系統，皆需依賴海量的標記資料來學習。然而，過去這類資料多半由專門的資料庫公司或位於開發中國家的低薪外包商處理。DoorDash 意識到自己手握一項極具競爭力的資產：在全球擁有數百萬名、具備行動力且隨時待命的「Dashers（外送夥伴）」。透過將這些人力轉化為分布式的資料採集員，DoorDash 不僅能更靈活地滿足 AI 開發者的需求，也能在飽和的外送市場中，為其勞動力提供更多元化的收入來源。

從產業影響的角度來看，這代表著「零工經濟」的範疇正在擴張。過去，體力勞動（如外送、清潔）與數位勞動（如填寫問卷、標註資料）被視為兩個獨立的領域。DoorDash 嘗試將兩者整合，讓原本在街頭穿梭的勞動力，同時成為支撐矽谷尖端技術的底層推手。這種模式若成功，未來可能會有更多擁有大規模人力的平台跟進。對於技術開發者而言，這種採集方式能獲取更「接地氣」且多元的真實場景資料，例如不同光影下的街道錄影或帶有地方口音的對話，這對於提升 AI 模型的精準度至關重要。

為什麼這件事值得我們關注？首先，它觸及了隱私與倫理的敏感神經。當外送員在拍攝「日常任務」影片時，如何確保環境中的第三方隱私不被侵犯，以及這些資料的所有權歸屬，都是必須正視的議題。其次，這也反映出 AI 產業正進入「精細化訓練」的階段，開發者不再滿足於從網路抓取的公開資訊，而是願意付費購買特定情境的真實數據。最後，這也給勞動者帶來一個新思考：當我們的日常行為也能被打包成商品販售給科技巨頭時，這種新型態的數位勞務，究竟是勞動價值的延伸，還是對隱私的進一步變現？這項試驗的發展，將成為觀察未來 AI 時代勞動力結構轉變的重要指標。