최근 DoorDash가 배달 파트너(대셔)가 짧은 미션을 수행하고 돈을 버는 별도 앱 'Tasks'를 공개했습니다1. 흥미로운 건 "배달"이 아니라 "영상·음성 데이터 수집"이 핵심이라는 점인데요. 이번 글에서는 DoorDash Tasks 앱이 무엇을 하게 만들고, 왜 지금 이런 서비스가 나왔으며, 참여자와 시장에 어떤 의미가 있는지까지 한 번에 정리해봅니다.
DoorDash Tasks 앱이 하는 일: 배달 말고 '현실 데이터' 수집
Tasks는 크게 두 갈래로 움직입니다. 하나는 기존 Dasher 앱 안에서 뜨는 각종 현장성 미션(예: 식당 메뉴 사진 촬영, 호텔 입구 사진 촬영 등)이고, 다른 하나가 이번에 눈길을 끈 독립형 Tasks 앱입니다1. 독립형 앱에서는 집안일 같은 '일상 행동'을 영상으로 찍거나, 다른 언어로 자연스럽게 대화하는 음성을 녹음해 제출하는 방식이 포함됩니다2.
겉보기엔 "부업거리 하나 늘었네" 같지만, 본질은 AI가 물리 세계를 이해하도록 돕는 데이터 파이프라인입니다. 로봇이 설거지나 침대 정리 같은 동작을 배우려면, 교과서 같은 설명보다 "사람이 실제 집에서 어떻게 하는지" 영상이 훨씬 값지거든요. 그래서 어떤 미션은 손 씻기·설거지처럼 매우 구체적인 촬영 가이드까지 붙습니다1.
왜 지금 '영상 부업'이 뜰까: AI가 부족한 건 텍스트가 아니다
생성형 AI가 텍스트는 이미 넘치도록 학습했습니다. 이제 업계가 목마른 건 '몸이 있는 데이터'입니다. 어떤 물건을 어떤 각도로 잡고, 힘을 얼마나 주고, 순서를 어떻게 바꾸는지 같은 정보는 웹문서로 잘 안 남아 있으니까요.
DoorDash가 강한 이유는 따로 있습니다. 이미 전국 곳곳에 흩어진 수백만 명의 네트워크를 "어떤 위치에, 어떤 시간에, 어떤 과업을" 보내고 검증·정산하는 운영체계를 갖고 있기 때문입니다. DoorDash는 미국에 800만 명 이상의 대셔 네트워크를 강조하며, 이를 물리 세계를 '디지털화'하는 능력으로 설명합니다1. 쉽게 말해, AI 업계가 갖고 싶어 하던 '현실 수집망'을 배달 플랫폼이 이미 들고 있었던 셈이죠.
이 흐름은 DoorDash만의 실험도 아닙니다. 우버도 운전자가 사진 업로드 같은 디지털 미션으로 추가 수익을 얻는 실험을 밝힌 바 있어, "긱워커 + AI 데이터" 조합이 업계 표준 레시피처럼 번지고 있습니다1.
돈은 벌리지만, 고민도 생긴다: 보상·프라이버시·지역 제외의 의미
DoorDash는 미션별 보상이 사전에 표시되고, 난이도와 노력에 따라 달라진다고 말합니다1. 즉, 시급제가 아니라 '건당 단가'에 가까운 구조라서, 참여자 입장에선 "시간 대비 효율 좋은 미션"만 고르는 전략이 중요해집니다. 반대로 회사 입장에선 데이터 품질이 좋아야 하니, 촬영 가이드를 촘촘히 만들수록 미션은 더 '노동'에 가까워질 수 있겠죠.
또 하나는 프라이버시 감각입니다. 집 안에서 찍는 영상, 가족과의 대화 음성 같은 데이터는 민감해지기 쉬워요. 데이터가 어디까지 쓰이는지(자사 모델 평가인지, 파트너사 활용인지), 얼마나 보관되는지, 재사용은 어떻게 되는지 같은 질문이 자연스럽게 따라옵니다. 실제로 제출된 원본 영상·음성이 DoorDash 내부뿐 아니라 파트너사 모델 평가에도 쓰일 수 있다는 보도가 나왔습니다1.
지역 제외도 눈에 띕니다. 현재 Tasks는 미국 일부 지역에서만 제공되며 캘리포니아, 뉴욕시, 시애틀, 콜로라도는 빠져 있습니다1. 이유가 공식적으로 길게 설명된 건 아니지만, 긱 노동 규제나 개인정보 규제가 상대적으로 강한 곳들이라 "법·정책 리스크를 피한 초기 롤아웃"이라는 해석이 나올 만합니다.
시사점: '배달 플랫폼'이 현실 데이터 플랫폼이 되는 순간
DoorDash Tasks 앱은 배달 플랫폼의 다음 성장 공식이 "음식"이 아니라 "현실 데이터"일 수 있음을 보여줍니다. 대셔에게는 유연한 추가 수익 기회가 될 수 있지만, 촬영 범위와 데이터 권리, 적정 보상 같은 기준이 명확하지 않으면 불신도 커질 수 있습니다.
만약 참여를 고민한다면, 촬영 환경에 개인 정보가 얼마나 노출되는지 먼저 점검하고, 가족·집 구조·주소 단서가 담기지 않게 세팅하는 습관이 필요합니다. 그리고 '단가'만 보지 말고 준비·촬영·업로드까지 걸리는 총시간을 계산해, 실제로 남는 효율이 있는 미션만 고르는 게 현실적인 전략입니다.
기업 관점에선 한 문장으로 정리됩니다. 앞으로 경쟁력은 알고리즘 자체보다, 알고리즘이 먹고 자랄 "현실 데이터 공급망"에서 갈릴 가능성이 큽니다. DoorDash가 그 공급망을 배달 가방 옆에 슬쩍 붙여버렸고요.
참고
1DoorDash launches a new 'Tasks' app that pays couriers to submit videos to train AI
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.