도어대시, 배달원들이 AI 학습 데이터를 수집하고 수익을 얻는 'Tasks' 앱 출시

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

도어대시가 배달원들이 AI 및 로봇 시스템 개선을 위한 데이터 수집 과제를 수행하고 수익을 올릴 수 있는 독립형 'Tasks' 앱을 출시했다. 배달원들은 설거지하는 모습 촬영, 외국어 녹음, 매장 입구 사진 촬영 등의 과제를 수행하며, 수집된 데이터는 도어대시와 파트너사의 AI 모델 학습에 사용된다. 현재 미국 일부 지역에서 서비스가 시작되었으며, 향후 더 많은 과제 유형과 국가로 확대될 예정이다.

배경

데이터 라벨링의 기본 개념, 컴퓨터 비전 및 로봇 학습 데이터의 중요성

대상 독자

AI 데이터 수집 및 긱 경제 비즈니스 모델에 관심 있는 개발자 및 기획자

의미 / 영향

이 서비스는 AI 학습 데이터 수집의 범위를 디지털 세계에서 물리적 세계로 확장하는 중요한 사례이다. 도어대시의 거대한 인적 네트워크를 활용함으로써 고품질의 실생활 데이터를 저비용으로 대량 확보할 수 있게 되어 로봇 및 자율주행 기술 발전을 가속화할 것으로 보인다.

섹션별 상세

도어대시는 AI 학습용 데이터 수집을 위한 독립형 'Tasks' 앱과 기존 Dasher 앱 내 작업 기능을 도입했다. 배달원들은 배달 업무 외에도 일상적인 활동을 기록하여 추가 수익을 창출할 수 있다.

도어대시 Tasks 앱의 사용자 인터페이스 스크린샷이다. — Screenshot과제 수락 화면, 매장 내 선반 스캔 지침, 그리고 실제 카메라를 이용해 상품 진열대를 촬영하는 과정을 보여준다. 사용자가 어떤 방식으로 데이터를 수집하고 수익을 확인하는지 구체적인 워크플로우를 시각화한다.

수집된 영상과 오디오 데이터는 도어대시 자체 AI 모델뿐만 아니라 유통, 보험, 서비스업 분야 파트너사들의 모델 평가 및 학습에 활용된다. 이는 AI가 물리적 세계를 더 잘 이해하도록 돕는 데 목적이 있다.

구체적인 과제 예시로는 바디캠을 착용하고 설거지하는 과정 촬영, 웨이모 자율주행차 문 닫기, 식당 메뉴판 사진 촬영 등이 포함된다. 각 과제의 보상은 작업의 난이도와 노력에 따라 사전에 결정된다.

도어대시는 800만 명 이상의 배달원 네트워크를 활용해 물리적 세계를 디지털화하고 비즈니스 통찰력을 제공하는 것을 목표로 한다. 현재 캘리포니아, 뉴욕 등을 제외한 미국 일부 지역에서 이용 가능하다.

실무 Takeaway

물리적 환경에서의 AI 학습 데이터 확보를 위해 대규모 긱 워커 네트워크를 데이터 라벨러로 활용하는 전략이 구체화되고 있다.
단순 배달 업무를 넘어 일상적인 행동 데이터(설거지, 이동 경로 등)를 수집하여 로봇 공학 및 컴퓨터 비전 모델의 정확도를 높일 수 있다.
도어대시와 웨이모의 협업 사례처럼 자율주행 시스템의 예외 상황 처리를 위한 인간의 개입을 유료 과제로 전환하여 운영 효율을 개선한다.