導入：あなたの「日常の行動」がAIの学習教材になる時代

ちょっと想像してみてください。あなたが毎日、何気なく行っている「食器を洗う」「洗濯物を畳む」「ベッドを整える」「歩く」「家族と会話する」といった日常の行動が、これからのAIロボットにとって重要な学習教材になるとしたらどうでしょうか。

これまでAIの学習といえば、インターネット上の文章、写真、動画、音声、検索ログなどを大量に集め、モデルに読み込ませるものだと考えられてきました。しかし、AIがチャット画面の中だけでなく、ロボット、自動運転車、配送システム、店舗オペレーション、ホテル案内、在庫管理といった現実世界の仕事に広がるにつれて、企業が求めるデータの種類は大きく変わりつつあります。

いま必要とされているのは、単なるテキストではありません。人間がどのように皿を持ち、どの角度でスポンジを動かし、どの順番で洗濯物を畳み、どんな声のトーンで自然に会話し、どの場所で配達員が迷いやすいのかという、身体をともなうリアルなデータです。

DoorDashが発表した「Tasks」は、この変化を象徴する新しい取り組みです。DoorDash公式発表によれば、TasksはDashers、つまりDoorDashの配達パートナーが、配達以外の短時間タスクを行うことで収入を得られる仕組みです。企業側は、店舗の棚、ホテルの入口、レストランの料理写真、配送に必要な現地情報などを、広範囲かつ素早く集められるようになります。

さらにDoorDashは、日常タスクの撮影や外国語での発話録音などを行うスタンドアロンアプリのパイロットも始めています。DoorDashは、このデータがAIやロボットシステムに物理世界を理解させるために使われると説明しています。

図1：スマホでAI訓練タスクを確認するギグワーカーのイメージ

図1：スマホでAI訓練タスクを確認するギグワーカーのイメージ。オリジナル生成画像。

本コンテンツでは、DoorDashの「Tasks」を入り口に、ギグワーカーが「配達する人」から「AIに現実世界を教える人」へと役割を広げていく流れを詳しく解説します。単なるニュース紹介ではなく、今後どのようなタスクが生まれ、どのような人が稼ぎやすく、どのようなリスクに注意すべきなのかまで、実践的な視点で整理します。

このコンテンツで学べること

このコンテンツを読むことで、DoorDashがなぜ配達員にAI訓練タスクを任せ始めたのか、その背景を理解できます。また、「食器洗い」「洗濯物を畳む」「外国語で話す」「店舗棚を撮影する」「ホテルの入口を撮影する」「自動運転配送車を支援する」といった具体的なタスクが、どのようにAI開発やロボット開発につながるのかも把握できます。

学べるテーマ

内容の概要

読者にとっての意味

DoorDash Tasksの正体

配達以外の短時間タスクをDashersに提供する仕組み

ギグワークの仕事領域が広がっていることが分かる

AI訓練タスクの実例

日常動作の撮影、音声録音、店舗写真、配送支援など

自分の日常スキルが収入源になる可能性を理解できる

報酬の考え方

作業の努力量・複雑性に応じて報酬が事前表示される

案件選別の基準を持てる

Uberとの比較

UberもAI Solutionsやデジタルタスクを展開

複数プラットフォーム戦略の重要性が分かる

注意点

地域制限、収入保証の不存在、プライバシー、規約確認

安全に取り組むための判断材料になる

なお、本稿で扱う収入モデルは、公開情報と類似タスクの事例をもとにした試算・考え方です。DoorDashが月額収入を保証しているわけではなく、日本で同じサービスを利用できるとも限りません。そのため、本稿では「確実に稼げる方法」としてではなく、今後のギグワーク市場を理解するためのガイドとしてお読みください。

第1章「Tasks」アプリが生まれた背景：ギグワーカーの新しい役割

1-1 従来のギグワークは「移動」と「実行」が中心だった

DoorDash、Uber、Instacartなどのギグワーク企業は、これまで主に「人や物を移動させる」ことを収益の中心にしてきました。DoorDashであれば、レストランや小売店から商品を受け取り、指定された住所まで届けることが基本的な仕事です。Uberであれば、人を目的地まで運ぶことが中心でした。

このモデルでは、ギグワーカーの価値は、主に現在地、移動手段、稼働可能時間、正確な実行力によって決まっていました。アプリから通知が来て、条件を確認し、受諾し、現場に行き、商品や乗客を運び、完了する。この一連の流れは、非常に分かりやすい反面、仕事の種類は限定されがちでした。

しかし、ギグワーカーが持つ本当の価値は、単に「移動できること」だけではありません。彼らは街中のさまざまな場所に行き、店舗、道路、ホテル、住宅、駐車場、建物入口、棚の状態、交通状況など、オンラインだけでは分からない現実世界の情報に日々触れています。DoorDashがTasksで注目しているのは、まさにこの現場にアクセスできる力です。

1-2 AIの進化が求めるのは「現実世界のデータ」になった

生成AIの普及によって、文章や画像を扱うAIは急速に進化しました。一方で、ロボットや自動運転、店舗管理、物流最適化の分野では、まだ人間が当たり前にできることを機械がうまくできない場面が多く残っています。

たとえば、人間にとって「食器を洗う」は簡単な作業に見えます。しかし、ロボットにとっては、皿の形状、汚れの位置、水の勢い、スポンジの角度、手首の動き、洗剤の量、力加減、乾かす順序など、多数の変数を同時に処理する高度なタスクです。同じように「洗濯物を畳む」作業も、布の柔らかさ、袖の位置、折り目、机との摩擦などを理解しなければなりません。

NBC Newsは、DoorDashのTasksアプリに、洗濯物を畳む、皿を手洗いする、ベッドメイキングをする、植物の剪定や植え替えをする、外国語で自然会話を録音するといったタスクが含まれていると報じています。これらは一見すると家庭内の単純作業ですが、AIロボットにとっては物理世界を学ぶための貴重なサンプルになります。

図2：食器洗い動作をAIの学習データとして記録するイメージ

図2：食器洗い動作をAIの学習データとして記録するイメージ。オリジナル生成画像。

1-3 DoorDashの狙いは「配達会社」から「物理世界データ企業」への拡張

DoorDashの公式発表では、Tasksは「Dashersに配達以外の新しい収入機会を提供する」だけでなく、企業が現地の状況を大規模かつ迅速に把握するための仕組みだと説明されています。ここで重要なのは、DoorDashが自社を単なるフードデリバリー企業としてではなく、物理世界をデジタル化するネットワーク企業として位置づけ始めている点です。

DoorDashのTasks責任者であるEthan Beatty氏は、DoorDashが長年「見つけにくい玄関を探す」「休日にベーカリーが営業しているか確認する」といった現実世界の問題を解いてきたことを踏まえ、同じ能力が他の企業にも役立つと述べています。

DoorDash公式発表は、Tasksの目的について、企業が現場で何が起きているかを理解し、新しい洞察を集めることを支援しながら、Dashersに柔軟な収入機会を提供するものだと説明しています。

この発想は、DoorDashが持つ8百万人以上のDashersというネットワークを、配送だけでなく、写真撮影、現地確認、音声収集、映像収集、ロボット支援などに転用するものです。つまり、DoorDashは「食べ物を届ける会社」から、「現実世界の情報を集める会社」へと広がっているのです。

第2章実例：8種類のAI訓練タスクと報酬の考え方

DoorDash Tasksで注目すべきなのは、タスクが単なるアンケートやオンライン作業にとどまらない点です。現場での撮影、家庭内作業の記録、音声収録、店舗状態の確認など、現実世界に根ざしたタスクが含まれています。

以下では、公開情報をもとに、今後増える可能性が高い8種類のタスクを整理します。

タスク種類

具体例

AI・企業にとっての価値

ワーカー側の向き不向き

日常動作の撮影

食器洗い、洗濯物、ベッドメイク

ロボットの動作学習、物体操作の理解

自宅で作業しやすい人に向く

音声録音

外国語での日常会話、自然発話

音声認識、多言語AI、会話モデル学習

語学力や自然な会話力がある人に向く

店舗棚の撮影

乳製品棚、シリアル棚、陳列状況

在庫管理、棚割り分析、ブランド調査

店舗移動に慣れた人に向く

料理写真の撮影

レストランの実物メニュー撮影

メニュー品質向上、顧客向け表示改善

写真の構図に気を配れる人に向く

入口・導線の撮影

ホテル入口、配達場所、駐車場

配達ナビ改善、迷いやすい場所の可視化

配達経験者に向く

自動運転配送車支援

車両の再始動補助、現地確認

ロボット配送の運用補助

屋外作業に抵抗がない人に向く

植物・家事系作業

剪定、植え替え、掃除

複雑な手作業の学習

手先が器用な人に向く

ローカル調査

営業時間確認、看板確認、現地写真

企業データベース更新

短時間で複数地点を回れる人に向く

Business Insiderは、DoorDashのワーカーが食料品店で乳製品やシリアル売場など約180枚の写真を撮影し、約30分で36ドルを得た事例を報じています。この事例は、すべてのタスクが同じ報酬水準になることを意味するものではありませんが、店舗撮影型タスクの時間単価を考えるうえで参考になります。

一方で、同じワーカーは直後に62ドルの配達案件を行い、「次はそちらを選ぶ」と述べたとも報じられています。この点は重要です。AI訓練タスクは新しい収入源になり得ますが、常に配達より効率が良いとは限りません。案件ごとの移動時間、撮影枚数、承認条件、再提出リスク、プライバシー条件を見たうえで判断する必要があります。

図3：スーパーの商品棚をスマホで撮影するタスクのイメージ

図3：スーパーの商品棚をスマホで撮影するタスクのイメージ。オリジナル生成画像。

第3章月5万円〜15万円を狙うなら「案件選別」が最重要になる

ユーザーとして最も気になるのは、「このようなAI訓練タスクでどれくらい追加収入を作れるのか」という点でしょう。ここで最初に明確にしておきたいのは、DoorDash公式が「月5万円〜15万円を稼げる」と保証しているわけではないということです。DoorDashは、Tasksの報酬が作業の努力量と複雑性に基づいて事前表示されると説明しています。

したがって、月5万円〜15万円という目標は、あくまで複数のギグワーク案件を組み合わせた場合の稼働モデルとして考えるべきです。たとえば、1回30分〜60分のタスクを週に数回こなし、さらに配達や他プラットフォームのデジタルタスクを組み合わせることで、追加収入として現実味が出てきます。

目標月収

必要な考え方

例となる稼働イメージ

注意点

月5万円

空き時間の活用

週2〜4回、短時間タスクを選ぶ

案件数が少ない地域では難しい

月10万円

高単価案件を優先

店舗撮影、複雑な家事撮影、語学録音を組み合わせる

承認率と移動効率が重要

月15万円

複数アプリ併用

DoorDash、Uber、Instacart型案件を比較

稼働時間とプライバシー管理が課題

稼ぎやすい人の共通点は、「新しいタスクを何でも受ける人」ではありません。むしろ、案件の条件を冷静に比較し、実質時給を計算できる人です。

たとえば、報酬が30ドルでも、移動に20分、撮影に40分、アップロードに10分、再提出対応に20分かかれば、実質的な時給は大きく下がります。逆に、自宅でできる音声録音や日常動作撮影で、準備時間が短く、承認条件が明確であれば、少額でも効率の良い副収入になる可能性があります。

案件選別で見るべき5つの基準

案件を選ぶ際は、報酬額だけで判断しないことが重要です。見るべきポイントは、主に「所要時間」「移動距離」「再提出リスク」「個人情報の写り込み」「今後の継続性」です。

判断基準

確認する内容

避けたいケース

所要時間

撮影・録音・移動・アップロードを含む総時間

表示報酬は高いが準備が複雑な案件

移動距離

現地までの距離と交通費

配達案件より移動効率が悪い案件

再提出リスク

画質、音質、角度、枚数などの条件

指示が曖昧で却下されやすい案件

プライバシー

顔、住所、家族、私物が映る可能性

自宅内部や第三者が写り込みやすい案件

継続性

同様の案件が今後も出るか

一度きりで学習効果がない案件

図4：報酬・時間・距離・承認条件を見ながら案件を比較するイメージ

図4：報酬・時間・距離・承認条件を見ながら案件を比較するイメージ。オリジナル生成画像。

第4章 Uber、Instacartとの比較：ギグワークは「配達後の世界」に向かう

DoorDashだけがこの流れを進めているわけではありません。UberもAI Solutionsという企業向けサービスを展開しており、データラベリング、データ収集、Web・アプリテスト、ローカライゼーションなどを提供しています。Uber公式ページによれば、同社は画像・動画アノテーション、テキストラベリング、3D点群処理、セマンティックセグメンテーション、意図タグ付け、感情検出、文書転写、合成データ生成、LiDARアノテーションなど、30以上のAI関連機能を提供しています。

NBC Newsも、Uberが米国のギグワーカーに対して、AI訓練に使われる写真や録音のアップロードなど、追加のデジタルタスクを試験的に提供していると報じています。

この動きは、ギグワーク企業が単に「人を運ぶ」「商品を届ける」だけの企業ではなく、AI開発に必要な現実世界データを集めるインフラ企業へと変わっていく兆しです。

比較項目

DoorDash Tasks

Uber AI Solutions／デジタルタスク

Instacart型タスク

主要な強み

配達網と店舗・住宅への接点

グローバル規模とAIデータ処理基盤

小売・スーパー棚データへの強み

タスク例

日常動作撮影、店舗撮影、入口確認

画像・音声・文書・テスト・ラベリング

棚撮影、在庫・陳列確認

AIとの関係

ロボット・物理世界理解に近い

生成AI、画像認識、言語、テストに広い

小売AI、在庫管理、広告分析に近い

ワーカーの機会

配達の合間に追加収入

運転なしのデジタル作業も可能

買い物・店舗訪問経験を活かせる

今後、ギグワーカーに求められる力は、「早く届ける力」だけではなくなります。写真を正確に撮る力、指示を読み解く力、音声をクリアに録る力、個人情報に配慮する力、納品品質を安定させる力が重要になります。これは、従来の肉体労働型ギグワークと、データ作成型リモートワークの中間に位置する新しい働き方です。

第5章 AI訓練経済圏のメリット：ギグワーカーにとって何が変わるのか

DoorDash Tasksのような仕組みが広がると、ギグワーカーにとっていくつかのメリットが生まれます。

第一に、配達需要が少ない時間帯でも収入機会を作れる可能性があります。ランチやディナーのピーク以外の時間、雨天や閑散エリア、注文が少ない曜日でも、撮影や録音、現地確認のタスクがあれば、収入の谷を埋めやすくなります。

第二に、身体的負担の分散が可能になります。配達だけを長時間続けると、移動、待機、荷物運搬、天候対応などで疲労が蓄積します。一方で、自宅でできる音声録音や日常動作撮影、近隣店舗での短時間撮影を組み合わせれば、仕事の負担を分散できます。

第三に、スキルの蓄積が起こります。写真の撮り方、音声品質の管理、タスク指示の理解、納品ミスの防止、個人情報管理といったスキルは、他のAIデータ関連副業にも応用できます。つまり、AI訓練タスクは単発収入だけでなく、将来的なデータワークへの入口にもなり得ます。

図5：配達、AIデータ、音声録音など複数収入源を管理するイメージ

図5：配達、AIデータ、音声録音など複数収入源を管理するイメージ。オリジナル生成画像。

第6章注意点：収入より先に確認すべきリスク

新しい働き方には、必ず注意点もあります。特にAI訓練タスクは、映像・音声・位置情報・自宅環境など、個人に近いデータを扱う可能性があるため、通常の配達案件よりも慎重な判断が必要です。

最も重要なのは、何が撮影・録音され、どのように使われ、どの範囲まで第三者に提供されるのかを確認することです。日常動作の撮影では、家族の顔、住所が分かる郵便物、部屋の間取り、個人の持ち物、会話内容などが意図せず映り込む可能性があります。

また、AI訓練データは一度提供されると、後から完全に削除したり、学習済みモデルから取り除いたりすることが難しい場合があります。利用規約、データ保持期間、削除依頼の可否、第三者提供の有無を確認し、不安がある案件は受けない判断も必要です。

リスク

具体例

対策

個人情報の写り込み

住所、家族、顔、書類、室内

撮影前に背景を整理し、不要物を片付ける

音声のプライバシー

家族の声、個人名、住所、勤務先名

録音場所を選び、話題を限定する

報酬トラブル

条件不備による非承認

指示をスクリーンショットで保存し、納品条件を確認する

実質時給の低下

移動や再提出で時間が増える

作業前に総所要時間を見積もる

地域制限

一部地域でしか利用できない

自分の地域の提供状況を確認する

DoorDashの公式発表では、Tasksおよび新アプリは米国の一部地域で提供され、カリフォルニア、ニューヨーク市、シアトル、コロラドは対象外とされています。したがって、日本在住者がすぐに同じアプリで稼げるという内容ではありません。日本で同様のサービスが登場する可能性はありますが、現時点では地域・規約・提供条件の確認が必須です。

第7章これから始める人のための実践ステップ

もし今後、DoorDash Tasksや類似のAI訓練タスクに参加できる環境が整った場合、いきなり高単価案件だけを狙うよりも、まずは小さな案件で作業品質を確認することをおすすめします。

最初の段階では、撮影や録音の条件を読み、指定された画角、明るさ、音質、ファイル形式、提出期限を守る練習をします。AI訓練タスクでは、ただ作業を終えるだけでなく、モデル学習に使える品質のデータを提出することが求められます。

次に、案件ごとの実質時給を記録します。報酬額、移動時間、作業時間、アップロード時間、承認結果、再提出の有無をメモしていくと、自分に向いているタスクが見えてきます。

ステップ

やること

目的

1

低リスク案件から試す

作業手順と承認条件に慣れる

2

背景・音声環境を整える

個人情報の写り込みと音質不備を防ぐ

3

実質時給を記録する

継続すべき案件を判断する

4

得意ジャンルを見つける

撮影、録音、店舗確認などに特化する

5

複数プラットフォームを比較する

収入源を分散し、案件不足に備える

図6：案件選別と副業収入管理のイメージ

図6：案件選別と副業収入管理のイメージ。オリジナル生成画像。

第8章事例イメージ：3タイプのギグワーカー戦略

ここでは、実在の口コミとしてではなく、今後想定される働き方のケースとして、3つのモデルを紹介します。

タイプ

働き方

向いているタスク

収入目標の考え方

空き時間活用型

配達の待機時間や休日に短時間だけ実施

音声録音、近隣写真、簡単な現地確認

月数万円の補助収入を狙う

専門スキル活用型

語学、写真、動画、家事スキルを活かす

外国語会話、料理写真、複雑な家事撮影

高単価案件を選別する

複数アプリ運用型

DoorDash、Uber、Instacart型案件を比較

店舗撮影、データ収集、配達を組み合わせる

月10万円以上の追加収入を目指す

空き時間活用型は、最も始めやすいモデルです。配達のピーク時間以外に、短時間で終わるタスクを選ぶことで、待機時間を収入に変えます。専門スキル活用型は、外国語や撮影技術を持つ人に向いています。複数アプリ運用型は、案件単価や所要時間を比較し、最も効率の良い仕事を選び続ける戦略です。

重要なのは、自分の生活リズム、移動範囲、プライバシー許容度、得意作業に合った形を選ぶことです。AI訓練経済圏では、誰もが同じ方法で稼げるわけではありません。むしろ、自分に合わない案件を避ける能力こそが、安定収入の鍵になります。

まとめ：ギグワーカーは「AIに世界を教える存在」になる

DoorDashの「Tasks」は、単なる副業アプリではありません。そこには、ギグワーカーの役割が「配達する人」から「現実世界をデータ化する人」へと広がっていく大きな流れがあります。

DoorDashは、Dashersが短時間タスクを通じて企業に現場情報を提供し、さらに日常動作や外国語音声をAI・ロボットの学習に役立てる仕組みを打ち出しました。 NBC NewsやBusiness Insiderの報道からも、洗濯物、食器洗い、ベッドメイキング、店舗棚撮影、自動運転配送車支援といったタスクが、すでにギグワークの新領域として現れ始めていることが分かります。

今後、AIが現実世界に進出するほど、人間の動き、判断、会話、視線、手順、現地感覚は貴重な教材になります。その教材を集める担い手として、ギグワーカーの存在感はさらに高まるでしょう。

ただし、この流れに参加する際は、収入の可能性だけでなく、プライバシー、データ利用、実質時給、地域制限、規約を冷静に確認する必要があります。AI訓練タスクは、未来の働き方の入口であると同時に、自分のデータをどう扱うかを自分で判断する時代の入口でもあります。

これからのギグワークで重要なのは、単に長時間働くことではありません。どのタスクが自分に合い、どの案件が効率的で、どのデータ提供なら納得できるのかを見極める力です。DoorDash Tasksは、その新しい働き方を示す最初の大きなサインと言えるでしょう。