Нью-йоркский стартап Shift предлагает бесплатную уборку квартиры в обмен на видеозапись всего процесса от первого лица. Для рынка это не курьез, а новая модель сбора данных для ИИ: если раньше платформы монетизировали наши клики, то теперь в ход пошли кухня после завтрака, захламленный шкаф и то, как человек держит губку.
Как пишет IT-World, Shift строит предложение просто: клиент получает клининг, компания — материал для обучения домашних роботов. На сайте сервиса сказано, что видео анонимизируют, размывая лица, имена, документы, экраны и другие чувствительные детали; записи не публикуют открыто и не используют в рекламе. Но есть важная деталь: перед обучением модели ролики проходят через специалистов по разметке. Иными словами, между квартирой пользователя и будущим роботом появляется целая производственная цепочка, где бытовая сцена превращается в данные для ИИ.
Почему обычная квартира внезапно стала ценным активом
Для языковых моделей все было сравнительно удобно: интернет уже содержал тексты, код, изображения, видео и документы. Робототехнике такой роскоши не досталось. Машине мало знать слово «губка» или видеть идеальную демонстрационную кухню из лаборатории. Ей нужно понимать, как человек берет предмет неудобной рукой, как открывает дверцу, которая цепляет соседний стул, как ищет нужную бутылку среди десяти похожих и как возвращается к пятну, которое не стерлось с первого раза. В доме почти все нестандартизировано, а потому особенно ценно для обучения. Беспорядок, который раздражает владельца, для разработчика робота оказывается набором редких сценариев, исключений и контекстов.
Именно поэтому формат Shift выглядит логичным с инженерной точки зрения. Камера на голове клинера фиксирует не просто картинку помещения, а последовательность действий в реальном пространстве: траекторию движения, порядок операций, взаимодействие с поверхностями, мебелью, дверцами и предметами. Business Insider, на который ссылается исходный материал, отдельно подчеркивал: сложные, тесные и неидеальные бытовые условия особенно полезны для обучения автономных систем. Проще говоря, роботам нужен не шоурум, а живая квартира, где холодильник забит контейнерами, в ванной слишком много мелочей, а на кухне все лежит не там, где «должно» лежать по схеме.
Отсюда вырастает новая экономика наблюдения. Формула «если сервис бесплатный, товар — это пользователь» никуда не делась, просто сам товар стал физическим. Раньше сервисам были нужны паттерны кликов, поисковые запросы и история просмотров. Теперь к ним добавляются движения рук, маршруты по квартире, привычки хранения вещей, домашняя рутина и устройство пространства. Видео жилья раскрывает не только интерьер. По таким записям можно косвенно понять уровень дохода, состав семьи, наличие детей или пожилых родственников, рабочее место, набор техники, лекарства и даже часть распорядка дня. Это уже не обезличенная строчка в базе, а почти техническое описание конкретного образа жизни.
Из бытовой рутины делают микрорынок данных
Shift — лишь самый наглядный пример, потому что обмен выглядит предельно осязаемо: уборка вместо денег. Но рынок шире. WIRED описывал эксперимент, в котором журналист неделю снимал собственные бытовые действия для платформ Kled, Luel и Waffle Video. Задания были намеренно приземленные: вынести мусор, помыть посуду, налить воду, завязать шнурки. За неделю он заработал 21,55 доллара. Сумма почти комичная, зато механика предельно ясна. Появляется новая разновидность микрозанятости, где человек больше не размечает фотографии и не проверяет ответы чат-бота, а продает системе запись простейших физических действий. Для индустрии это и есть недостающий слой реального мира, без которого physical AI буксует.
Исследовательское сообщество к такому материалу шло давно. В статье упоминается датасет Ego4D — это тысячи часов видео от первого лица, снятого участниками в разных странах для развития систем, которые учатся понимать действия и окружение с человеческой перспективы. Но между академическим датасетом и бытовым сервисом есть принципиальная разница. В исследовательском проекте человек обычно осознанно идет в процедуру сбора данных. В сервисной модели он приходит за удобством: убрать квартиру, решить бытовую задачу, сэкономить время. Формально согласие есть и там, и там. По факту уровень понимания последствий может сильно различаться.
И здесь начинается самый неприятный для бизнеса вопрос — не про технологию, а про границы согласия. В условиях Shift, как пересказывает IT-World, клиент соглашается на запись всего визита для целей обучения ИИ и робототехники, а также подтверждает право дать такое согласие от имени всех присутствующих в помещении. Для платформы это удобная юридическая формулировка. Для пользователя — слабое место. В квартире могут быть дети, родственники, гости, няня, другой подрядчик. Даже если лица и документы размоют, само пространство останется говорящим: планировка, вещи, бытовые маршруты и мелкие привычки все равно много сообщают о владельце. Похожий спор уже возникал в Индии вокруг стартапа Pronto, который тестировал видеозапись домашних задач для physical AI: критика там упиралась не столько в саму камеру, сколько в прозрачность и понятность всей схемы обработки данных.
Для русскоязычной IT-аудитории здесь важен не только этический сюжет. Это ранний сигнал о том, как меняется цена и структура обучающих наборов. Чем ближе ИИ подбирается к физическому миру, тем дороже становится то, что раньше считалось слишком бытовым и потому незначительным. Для разработчиков это означает рост спроса на инструменты анонимизации, разметки и контроля жизненного цикла данных. Для продуктовых команд — новые модели монетизации, где пользователь расплачивается не подпиской, а доступом к среде, в которой живет. Для юристов и HR — новые риски, потому что рабочее место все чаще находится дома, а значит граница между личным и производственным будет спорной. Главный вопрос теперь звучит так: сколько стоит бесплатная услуга, если в оплату внезапно пошли не клики, а сама повседневность?