배달 기사님, 이제 AI 트레이너로 변신? DoorDash, 'Tasks' 앱 출시로 새로운 수익 모델 제시!

우리는 지금 인공지능(AI)과 로봇 기술이 생활 곳곳에 깊숙이 스며드는 시대를 살고 있습니다. 이러한 첨단 기술들이 더욱 똑똑하고 유용하게 발전하기 위해서는 무엇보다도 방대한 양의 고품질 데이터가 필수적입니다. AI 모델이 현실 세계를 정확하게 이해하고 복잡한 상황에 유연하게 대처하기 위해서는, 실제 사람들이 일상에서 경험하는 다양한 시각 및 청각 정보가 끊임없이 학습되어야 합니다. 그동안 기업들은 AI 학습 데이터를 수집하기 위해 다양한 방법을 모색해왔지만, 실세계의 복잡하고 예측 불가능한 데이터를 대규모로, 그리고 효율적으로 얻는 것은 항상 큰 도전 과제였습니다.

이러한 배경 속에서 글로벌 배달 플랫폼의 선두 주자인 **DoorDash(도어대시)**가 매우 흥미롭고 혁신적인 시도를 발표하여 업계의 이목을 집중시키고 있습니다. 바로 독립형 앱인 **‘Tasks(태스크)‘**를 출시하여, 기존 배달 기사들이 배달 업무 외에 AI 및 로봇 시스템 훈련을 위한 특정 과제를 수행하고 추가 수익을 창출할 수 있도록 한 것입니다. 이는 단순히 새로운 앱의 출시를 넘어, 급변하는 기술 환경 속에서 기업이 어떻게 인력 자원을 활용하고, 동시에 ‘긱 이코노미(Gig Economy)’ 종사자들에게 새로운 형태의 유연한 수입원을 제공할 수 있는지를 보여주는 중요한 사례라고 할 수 있습니다.

DoorDash의 이번 전략은 AI 기술 발전의 핵심 동력인 데이터 확보 문제를 해결함과 동시에, 수백만 명에 달하는 배달 기사들에게 기존 배달 업무의 제약을 넘어선 새로운 가치를 제공하려는 다각적인 접근 방식입니다. 이는 배달이라는 특정 서비스 영역을 넘어, 자사의 방대한 인프라와 인력을 AI 혁신의 최전선에 투입하겠다는 DoorDash의 의지를 분명히 보여주고 있습니다. 또한, 이는 긱 이코노미 종사자들이 단순히 반복적인 노동력을 제공하는 것을 넘어, 첨단 기술의 발전에 직접 기여하는 ‘AI 트레이너’로서의 역할을 수행하게 될 가능성을 시사하며 미래 노동 시장의 변화에 대한 중요한 화두를 던지고 있습니다.

DoorDash의 ‘Tasks’ 앱: AI 학습 데이터 수집의 새로운 지평

DoorDash가 새롭게 선보인 ‘Tasks’ 앱은 AI와 로봇 시스템의 지능을 향상시키기 위한 목적을 가지고 있습니다. 이 앱은 배달 기사들, 즉 ‘대셔(Dasher)‘들이 배달 업무 외 시간에 다양한 활동을 수행하고 그에 대한 대가로 수입을 얻을 수 있는 기회를 제공합니다. 이는 AI 모델이 현실 세계의 복잡성을 더 깊이 이해하고, 실제 환경에서 더욱 효율적으로 작동하도록 돕는 필수적인 데이터를 수집하는 데 중점을 둡니다.

• Tasks 앱의 목적: ‘Tasks’ 앱의 핵심 목표는 AI 및 로봇 시스템이 물리적인 세계를 더욱 정확하고 풍부하게 이해하도록 돕는 데 있습니다. 현재의 AI 모델들은 종종 통제된 환경의 데이터로 훈련되어 실제 세계의 예측 불가능한 변수에 취약할 수 있습니다. 이를 극복하기 위해 실제 사람들이 일상생활에서 겪는 다양한 상황과 행동을 담은 원본 데이터(오디오, 비디오 등)를 대규모로 확보하는 것이 중요하며, ‘Tasks’ 앱은 이러한 데이터 수집의 효율적인 통로가 됩니다.

• 다양한 작업 유형: ‘Tasks’ 앱에서 대셔들이 수행할 수 있는 활동의 종류는 매우 다양하며, 일상생활과 밀접하게 연관되어 있습니다. 예를 들어, 특정 일상 작업을 동영상으로 촬영하거나, 특정 언어로 말하는 자신을 녹화하는 등의 과제가 주어질 수 있습니다. 이러한 작업들은 AI가 사람의 행동 패턴, 언어의 뉘앙스, 그리고 주변 환경의 변화를 학습하는 데 귀중한 자료가 됩니다.

• 구체적인 작업 예시: Bloomberg 보도에 따르면, 한 가지 흥미로운 작업 예시로는 대셔가 보디 카메라를 착용하고 최소 5개의 접시를 닦는 과정을 촬영하는 것이 있습니다. 이 과정에서 각 깨끗한 접시를 몇 초간 프레임에 담은 후 다음 접시로 넘어가는 등의 지시가 따르며, 이는 로봇이 인간의 세척 작업을 모방하거나 이해하는 데 필요한 정교한 시각 데이터를 제공합니다. 이러한 작업들은 단순한 데이터 수집을 넘어, AI가 복잡한 물리적 작업을 수행하는 데 필요한 미세한 디테일을 학습하도록 돕습니다.

• 투명한 보수 체계: DoorDash는 ‘Tasks’ 앱 내에서 각 과제에 대한 보수를 사전에 명확하게 제시한다고 밝혔습니다. 이 보수는 작업의 난이도와 필요한 노력의 정도를 기반으로 책정되며, 대셔들은 작업을 시작하기 전에 자신이 받을 수 있는 수입을 정확히 파악하고 선택할 수 있습니다. 이러한 투명한 보수 시스템은 대셔들이 자신에게 적합한 작업을 유연하게 선택하고, 추가 수입을 효과적으로 계획할 수 있도록 돕습니다.

• 데이터 활용처: 대셔들이 제출한 원본 오디오 및 비디오 자료는 DoorDash 내부의 AI 모델을 평가하고 개선하는 데 활용될 뿐만 아니라, DoorDash의 파트너사들에게도 제공될 예정입니다. 이 파트너사들은 소매, 보험, 숙박업, 기술 분야 등 다양한 산업에 걸쳐 있으며, 이는 DoorDash가 수집한 데이터가 광범위한 산업 분야에서 AI 혁신을 가속화하는 데 기여할 수 있음을 의미합니다.

독립형 앱을 넘어, 기존 플랫폼과의 통합 및 업계 동향

DoorDash의 ‘Tasks’ 앱은 독립형으로 운영되지만, 기존의 ‘Dasher’ 앱과도 유기적으로 연결되어 대셔들에게 더 넓은 범위의 수익 창출 기회를 제공합니다. 이는 DoorDash가 자사의 인프라와 인력을 단순히 AI 학습 데이터 수집에만 활용하는 것이 아니라, 전반적인 서비스 개선과 효율성 증대에도 적극적으로 활용하려는 다각적인 전략의 일환입니다. 이러한 움직임은 비단 DoorDash에만 국한된 것이 아니라, 다른 긱 이코노미 기업들에서도 유사한 형태의 시도가 나타나고 있다는 점에서 주목할 만합니다.

• Dasher 앱 내의 Tasks: 독립형 ‘Tasks’ 앱 외에도, 기존 배달 기사들이 사용하는 ‘Dasher’ 앱 내에서도 새로운 디지털 ‘Tasks’가 목록으로 제공될 예정입니다. 이러한 인앱(in-app) 작업들은 주로 배달 서비스의 질을 향상시키고 효율성을 높이는 데 초점을 맞춥니다. 예를 들어, 특정 레스토랑의 메뉴를 실제 음식 사진으로 업데이트하여 고객들에게 더 생생한 정보를 제공하거나, 호텔 입구 사진을 촬영하여 다른 배달 기사들이 물건을 쉽게 전달할 수 있도록 돕는 작업 등이 있습니다. 이는 배달 기사들이 자신의 경험과 지식을 활용하여 플랫폼의 전반적인 운영을 개선하는 데 기여할 수 있게 합니다.

• Waymo와의 협력: DoorDash는 자율주행 기술 회사인 **Waymo(웨이모)**와의 파트너십을 통해 대셔들에게 특별한 ‘Tasks’를 제공하고 있습니다. 이 과제는 배달 기사들이 자율주행 차량의 문을 닫는 작업을 수행하고 그에 대한 보수를 받는 것입니다. 이는 자율주행 배달 시스템이 아직 완전하게 상용화되지 않은 과도기적 단계에서 인간의 개입이 필요한 부분을 보완하며, 동시에 대셔들에게 새로운 수익원을 제공하는 흥미로운 협력 모델입니다. 이러한 파트너십은 미래 배달 산업의 방향성을 엿볼 수 있게 하는 중요한 단서이기도 합니다.

• 경쟁사 동향: Uber의 유사한 시도: DoorDash만이 배달 인력을 AI 훈련에 활용하는 것은 아닙니다. 이미 지난해 말, 또 다른 거대 긱 이코노미 플랫폼인 Uber(우버) 역시 운전자들이 AI 모델 훈련을 위한 사진 업로드와 같은 소규모 작업을 통해 추가 수입을 얻을 수 있도록 할 계획을 발표했습니다. 이는 긱 이코노미 플랫폼들이 단순히 운송이나 배달 서비스를 제공하는 것을 넘어, 자사의 광범위한 인력 네트워크를 AI 데이터 수집의 강력한 자원으로 인식하고 있음을 명확히 보여줍니다. 이러한 경쟁사들의 움직임은 AI 학습 데이터 확보가 미래 시장 경쟁력의 핵심 요소가 될 것임을 시사합니다.

산업 전반에 미칠 파급 효과 및 심층 분석

DoorDash의 ‘Tasks’ 앱 출시는 단순히 새로운 기능 추가를 넘어, 긱 이코노미 산업, AI 기술 개발, 그리고 미래 노동 시장에 광범위한 영향을 미칠 것으로 예상됩니다. 이 새로운 모델은 여러 이해관계자들에게 다양한 기회와 도전을 동시에 제시하며, 산업 전반의 변화를 촉진할 잠재력을 가지고 있습니다.

첫째, DoorDash 입장에서는 AI 및 로봇 시스템의 발전을 가속화하는 데 필요한 방대한 양의 고품질 데이터를 매우 효율적이고 경제적으로 수집할 수 있는 강력한 수단을 확보하게 됩니다. 기존의 데이터 수집 방식은 비용이 많이 들고 시간 소모적일 수 있으나, 이미 전국적으로 광범위한 네트워크를 갖춘 800만 명 이상의 대셔들을 활용함으로써 DoorDash는 미국 거의 모든 지역에서 실제 세계 데이터를 유연하게 포착할 수 있게 됩니다. 이는 DoorDash가 자사의 AI 기술 경쟁력을 강화하고, 장기적으로는 자율 배달 시스템 도입과 같은 미래 비전에 더욱 빠르게 다가갈 수 있는 기반을 마련해 줄 것입니다. 또한, 파트너사들에게 데이터를 제공함으로써 새로운 수익원을 창출하고 생태계를 확장하는 효과도 기대할 수 있습니다.

둘째, 긱 이코노미 종사자들에게는 새로운 형태의 유연한 수입 창출 기회가 열린다는 점에서 긍정적인 평가를 받을 수 있습니다. 배달 업무의 수요가 적거나 특정 시간대에 여유가 있는 대셔들은 ‘Tasks’ 앱을 통해 추가 수입을 올릴 수 있게 됩니다. 이는 단순히 돈을 버는 것을 넘어, 자신이 최첨단 AI 기술 개발에 직접 기여하고 있다는 자부심을 느낄 수 있는 기회가 될 수도 있습니다. 그러나 동시에, 이러한 작업들이 본질적으로 단순 반복적인 노동의 연장선에 불과할 수 있다는 비판적인 시각도 존재합니다. 작업의 복잡성과 보상 수준이 적절하게 균형을 이루지 못할 경우, 장기적으로는 노동의 질과 가치에 대한 논쟁이 불거질 가능성도 배제할 수 없습니다. 따라서 DoorDash는 작업의 공정성과 보상 체계에 대한 지속적인 관리가 필요할 것입니다.

미래 전망 및 결론: AI와 인간 노동의 새로운 공존 방식

DoorDash의 ‘Tasks’ 앱 출시는 AI 시대에 인간의 역할과 노동의 형태가 어떻게 진화할 수 있는지를 보여주는 중요한 이정표입니다. 이 모델은 AI 기술이 발전함에 따라 인간의 노동력이 단순히 대체되는 것이 아니라, AI의 발전을 돕는 새로운 협력 관계로 진화할 수 있음을 시사합니다.

DoorDash는 초기에는 미국 내 일부 지역(캘리포니아, 뉴욕시, 시애틀, 콜로라도 제외)에서만 ‘Tasks’ 앱과 인앱(in-app) 기능을 제공하지만, 향후 더 많은 작업 유형과 국가로 서비스를 확장할 계획을 가지고 있습니다. 이러한 확장은 DoorDash가 전 세계적으로 AI 학습 데이터 시장에서 중요한 플레이어로 자리매김하려는 야심을 보여줍니다. 앞으로 우리는 ‘긱 워커(Gig Worker)‘들이 배달, 운전 같은 전통적인 역할 외에, AI 모델을 훈련시키고 검증하는 ‘AI 트레이너’ 또는 ‘데이터 라벨러’로서의 역할을 겸하게 되는 현상이 더욱 보편화될 것으로 예상할 수 있습니다. 이는 노동 시장에 새로운 형태의 직업을 창출하고, 유연한 노동의 가능성을 더욱 확장할 것입니다. DoorDash의 이번 시도가 AI 시대의 새로운 노동 모델을 제시하며, 기술과 인간이 상호 보완적으로 발전하는 미래 사회의 모습을 그려나가는 중요한 발걸음이 될 것으로 기대됩니다.

---

출처

• 원문 제목: DoorDash launches a new ‘Tasks’ app that pays couriers to submit videos to train AI
• 출처: AI News & Artificial Intelligence | TechCrunch
• 원문 기사 보러가기