Den här veckan meddelade en AI-startup vid namn Shift att de skulle städa New York-bors hem gratis, med planer på att expandera till andra städer, inklusive London. När jag ser mig omkring i min egen lägenhet förstår jag lockelsen. Men det finns en hake – det finns alltid en hake.

I utbyte mot städningen vill Shift ha filmmaterial av sina städare i arbete: skrubba disk, torka bänkar, damma bord, moppa golv. De vill ha video av allt tråkigt hushållsarbete som vi gärna skulle lägga ut på entreprenad om vi kunde – och som robotföretag tävlar om att lära maskiner att göra så att de kan sälja oss något som gör det åt oss. Det är svårare än det låter. Till skillnad från chattbotar, bildgeneratorer och andra AI-verktyg som exploderat de senaste åren måste robotar hantera den fysiska världen – förstå rymd, rörelse, kraft, friktion, konstiga former och material, besvärlig belysning och allt annat människor fattar intuitivt. Det är därför saker som är lätta för oss, som att vika kläder, plocka upp ett äpple eller hälla upp ett glas vatten, har visat sig vara galet svåra för robotiker att kodifiera.

Att lära maskiner att göra dessa saker kräver mycket data. Text, bilder och videor kan lätt skrapas från internet i industriell skala – ofta utan att kompensera de som skapat dem. Den fysiska världen är svårare att skrapa, och ännu svårare att skrapa tyst utan att betala för det. Detta gör tillgång till högkvalitativ data till en enorm flaskhals för företag som utvecklar fysisk AI, så startups som Shift blir kreativa. De är inte ensamma. I Indien avslöjade nyligen rapporter att hemplattformen Pronto har använt kunders hem som källa till AI-träningsmaterial för sysslor som matlagning, städning och tvätt. Pronto säger att de bara spelar in om kunder uttryckligen väljer det – det är oklart vad kunderna får i gengäld, förutom en kopia av materialet – men praktiken väckte en våg av motreaktioner, med rivaliserande startups som insisterar på att de aldrig har spelat in i hem för att träna AI.

Andra startups fokuserar på att skala upp datainsamling. Silicon Valley-baserade Human Archive hoppas kunna samarbeta med företag som Pronto och låta gig-arbetare spela in sina aktiviteter med inte-så-snygga kamera-hattar. Hattarna samlar in material från bärarens synvinkel – precis den typ av ”egocentrisk” eller första-persons-data som robotföretag behöver för att lära maskiner hur människor navigerar i fysiskt rum. Shift når också konsumenter direkt och påstår sig ha betalat tiotusentals människor i 15 länder för att spela in sina aktiviteter via sin app. Vissa företag hoppar över nyttigt arbete helt och betalar arbetare för att utföra exakt samma fysiska uppgifter om och om igen medan kameror och sensorer fångar varje rörelse – och förvandlar monotont fysiskt arbete som att vika handdukar, plocka upp koppar och bära lådor till värdefullt AI-träningsmaterial.

Och en del data kommer från robotar som redan är ute i världen. Trots hypen är verklig automatisering fortfarande långt borta – därav behovet av all denna data – men företag är ivriga att ändå skicka produkter, och använder data från kunders hem för att förbättra produkten. Många förlitar sig på distansarbetare som kliver in när robotar oundvikligen fastnar; de kommer också att använda den datan. Att byta data mot något av värde är förstås inte nytt – företag har erbjudit rabatter, bekvämlighet och gratistjänster i utbyte mot tillgång till din data i åratal, från lojalitetskort och cookies till dashcams, försäkringsappar som övervakar hur folk kör och den där hemska smart-TV:n som alltid visar reklam. Det nya är vilken typ av data företag är villiga att betala för. För nu innebär det kanske att låta en människa städa ditt hem gratis i en snygg hatt så att ett företag så småningom kan sälja dig en robot som gör det istället.