Pracownicy gig economy trenują roboty w domu. Za iPhone'a na czole

Zeus, student medycyny z Nigerii, wraca po całym dniu w szpitalu do swojego mieszkania. Zamiast odpocząć, przypina iPhone'a do czoła i nagrywa siebie podczas sprzątania, gotowania, składania ubrań. To nie hobby. To jego druga praca.

Zeus pracuje dla Micro1 — firmy, która sprzedaje takie nagrania producentom robotów humanoidalnych. Gdy cały świat patrzy na efektowne prezentacje robotów od Boston Dynamics czy Figure AI, prawdziwa praca dzieje się w mieszkaniach tysięcy ludzi w ponad 50 krajach. Oni dostarczają dane, na których te maszyny się uczą.

Gig economy wchodzi do robotyki

Micro1 zatrudniła już tysiące nagrywających w Indiach, Nigerii, Argentynie i innych krajach. Model biznesowy jest prosty: płacisz ludziom za nagrywanie codziennych czynności, zbierasz ogromne zbiory danych o tym, jak ludzie się poruszają, jak manipulują przedmiotami, jak rozwiązują problemy. Potem sprzedajesz to firmom robotycznym.

Dla Zeusa to dobra lokalna stawka. Dla firm robotycznych to tańszy sposób na zdobycie danych niż budowanie własnych laboratoriów. Dla całego rynku to sygnał, że Physical AI przestaje być domeną wielkich korporacji z drogim sprzętem motion capture.

Dlaczego akurat teraz

Firmy budujące roboty humanoidalne mają problem: symulacje komputerowe nie wystarczają. Możesz wytrenować robota w wirtualnym świecie, ale prawdziwe mieszkania są chaotyczne. Przedmioty mają różne kształty, powierzchnie są nierówne, światło się zmienia.

Potrzebujesz danych z prawdziwego świata. Dużo danych. I tutaj wchodzi model gig economy, który Uber i Deliveroo wypracowały dekadę temu — tylko zamiast przewozić ludzi, nagrywasz siebie.

Prywatność i zgoda: pytania bez odpowiedzi

MIT Technology Review zwraca uwagę na problem, który branża robotyczna woli omijać: co z prywatnością? Zeus nagrywa swoje mieszkanie. W kadrze mogą pojawić się współlokatorzy, rodzina, osobiste przedmioty. Czy wszyscy wyrazili zgodę? Czy wiedzą, że ich dane trafią do firm technologicznych?

Micro1 twierdzi, że ma procedury ochrony prywatności. To system oparty na zaufaniu — firma nie może sprawdzić każdego nagrania pod kątem tego, kto się w nim pojawia. A pracownicy gig economy rzadko mają silną pozycję negocjacyjną w kwestii warunków umowy.

Praca dziwna i wymagająca

Zeus mówi wprost: to nie jest łatwa robota. Musisz pamiętać o odpowiednim kącie kamery, o dobrym świetle, o tym, żeby ruchy były naturalne (ale nie za szybkie). Musisz powtarzać te same czynności wielokrotnie, z różnych perspektyw. Po całym dniu w szpitalu to nie jest relaks.

Dodatkowo: praca jest niestabilna. Zapotrzebowanie na dane zmienia się w zależności od tego, co akurat trenują klienci Micro1. Czasem masz dużo zleceń, czasem cisza.

Benchmarki AI nie nadążają za rzeczywistością

Równolegle MIT Technology Review publikuje drugi materiał, który dobrze pasuje do tego tematu: obecne benchmarki AI są zepsute. Od dekad oceniamy sztuczną inteligencję na podstawie tego, czy potrafi rozwiązać izolowane problemy lepiej niż człowiek.

Problem? AI nie działa w izolacji. Działa w bałaganie, w złożonych środowiskach, z wieloma ludźmi, przez dłuższy czas. Tymczasem testy sprawdzają, czy model potrafi odpowiedzieć na pytanie w ciągu 30 sekund.

To samo dotyczy robotów. Możesz przetestować, czy robot złoży ręcznik w laboratorium. Czy złoży go w mieszkaniu Zeusa, gdzie ręcznik jest wilgotny, światło słabe, a w tle gra telewizor? To zupełnie inna historia.

Potrzebujemy nowych metryk

Autorzy z MIT Technology Review postulują, żebyśmy przestali oceniać AI w próżni. Zamiast tego: testy Jeśli chodzi o użycia, z wieloma zmiennymi, przez dłuższy czas. To oznacza, że nie będziemy mieli prostych liczb do porównań. Nie będzie "GPT-5 ma 95% accuracy". Będzie "GPT-5 radzi sobie dobrze w scenariuszu X, gorzej w Y".

Dla marketingu to problem. Dla Ciebie — ulga. Nie potrzebujesz robota, który jest "najlepszy w benchmarku". Potrzebujesz robota, który złoży Twoje ręczniki w Twoim mieszkaniu.

Co to zmienia dla rynku pracy

Model Micro1 to sygnał, że trenowanie robotów nie będzie domeną inżynierów w laboratoriach. Będzie to praca dla milionów ludzi z telefonem i internetem. Płatna lokalnie dobrze, ale bez stabilności, bez ochrony pracowniczej, bez jasnych zasad dotyczących prywatności.

To też sygnał, że dane z prawdziwego świata są warte więcej niż symulacje. Firmy są gotowe płacić za nie, bo to jedyny sposób, żeby ich roboty działały poza laboratorium.

Dla Polski i Europy to pytanie o regulacje. RODO już teraz komplikuje tego typu modele biznesowe. Gdyby Zeus nagrywał się w Warszawie, a nie w Lagos, Micro1 musiałaby spełnić znacznie więcej wymogów prawnych. To może oznaczać, że europejskie firmy robotyczne będą miały trudniejszy dostęp do danych treningowych — albo będą musiały je kupować z rynków spoza UE.

Pytanie brzmi: czy chcemy być rynkiem, który konsumuje roboty wytrenowane na danych z innych kontekstów kulturowych i mieszkaniowych? Czy budujemy własne źródła danych, z jasnymi zasadami ochrony prywatności i godnej płacy dla nagrywających?

Odpowiedź na to pytanie zadecyduje, czy za 5 lat będziemy mieli roboty, które rozumieją polskie mieszkania — czy tylko te, które nauczyły się składać ręczniki w Nigerii.