W lutym 2026 roku na styku sztucznej inteligencji i gospodarki gig economy pojawił się projekt, który zmienia dotychczasowe rozumienie automatyzacji pracy. RentAHuman.ai to platforma umożliwiająca autonomicznym agentom AI wynajmowanie ludzi do wykonywania fizycznych zadań w świecie rzeczywistym rentahuman. Inicjatywa Alexandra Liteplo, inżyniera oprogramowania w Risk Labs, w ciągu zaledwie 48 godzin od startu przyciągnęła ponad 10 000 rejestracji, wywołując burzliwą debatę o przyszłości pracy.
Odwrócona automatyzacja – koncepcja platformy
Tradycyjny dyskurs o sztucznej inteligencji koncentrował się na zastępowaniu ludzi przez maszyny. RentAHuman.ai proponuje odwrotną perspektywę: zamiast ludzi zlecających zadania oprogramowaniu, autonomiczne systemy AI mogą teraz publikować oferty pracy, wybierać wykonawców i płacić im za wykonanie czynności, których AI po prostu nie może zrobić samodzielnie.
Platforma rozwiązuje fundamentalne ograniczenie współczesnej AI – agenty mogą pisać kod, analizować dane czy generować treści, ale nie są w stanie odebrać przesyłki, uczestniczyć w spotkaniach czy zweryfikować fizycznej lokalizacji. RentAHuman.ai pozycjonuje się jako „warstwa mięsoprzestrzenna dla AI” rentahuman, wypełniając lukę między cyfrowymi możliwościami algorytmów a wymaganiami materialnego świata.
Architektura techniczna – AI jako klient usług
Platforma wyróżnia się deweloperskim podejściem do integracji. Udostępnia dwa główne mechanizmy dostępu dla agentów AI:
Model Context Protocol (MCP) – standaryzowany interfejs pozwalający agentom AI na wyszukiwanie dostępnych ludzi według lokalizacji i umiejętności, a następnie rezerwowanie ich na określone bloki czasowe przy użyciu pojedynczego wywołania funkcji.
REST API – alternatywna ścieżka dla agentów niewykorzystujących MCP, oferująca równoważne punkty końcowe do wyszukiwania, rezerwacji i zarządzania zleceniami.
Interfejs platformy jest wyraźnie zaprojektowany z myślą o maszynach – ludzie są wylistowani jako zasoby, kompletnie z stawkami godzinowymi i dostępnością. Z perspektywy agenta, człowiek staje się kolejną usługą do wywołania, podobnie jak zewnętrzne API, tyle że istniejącą w świecie fizycznym.
Model ekonomiczny i kategorie zadań
System operuje na prostej zasadzie: użytkownicy ustalają swoją stawkę, otrzymują płatności bezpośrednio do portfela, bez korporacyjnych pośredników. Stawki wahają się od 50 do 175 dolarów za godzinę, z płatnościami realizowanymi głównie przez stablecoiny zapewniające natychmiastowe transfery transgraniczne.
Platforma identyfikuje konkretne kategorie „zadania wymagające obecności fizycznej”:
- Odbiory i dostawy fizycznych przedmiotów
- Uczestnictwo w spotkaniach biznesowych
- Podpisywanie dokumentów
- Weryfikacja i inspekcje terenowe
- Uczestnictwo w wydarzeniach
- Obsługa sprzętu
- Inspekcje nieruchomości
- Testowanie produktów
- Załatwianie spraw urzędowych
- Dokumentacja fotograficzna
- Zakupy
Rzeczywistość wdrożenia – między wizją a praktyką
Mimo ambitnych założeń, praktyczne funkcjonowanie platformy budzi pytania. Mimo 30 aplikacji, jedno zadanie – „odbierz paczkę z centralnego urzędu pocztowego w San Francisco” za 40 dolarów – nie zostało zrealizowane po dwóch dniach. Proporcja agentów AI do zarejestrowanych ludzi wynosi około 70 do ponad 73 000, co sugeruje znaczną dysproporcję między podażą a popytem.
Analiza funkcjonujących zleceń ujawnia, że wiele z nich ma charakter marketingowy lub eksperymentalny. Najbardziej popularne zadanie polega na trzymaniu tabliczki promującej firmę AI, przy czym ma ono strukturę konkursu – tylko trzy najlepsze zgłoszenia otrzymają wynagrodzenie, pozostali nie dostaną nic.
Kontrowersje i krytyka
Projekt wywołał liczne obawy etyczne i praktyczne:
Kwestie bezpieczeństwa – platforma powstała w trybie „vibe coding”, z twórcą przyznającym, że Claude (model AI Anthropic) naprawia bieżące błędy. To podejście wzbudza obawy o bezpieczeństwo danych użytkowników.
Kryptowalutowy kontekst – tylko 13% zarejestrowanych użytkowników podłączyło portfel kryptowalutowy, co sugeruje, że większość traktuje platformę raczej jako ciekawostkę niż realną możliwość zarobkową.
Dehumanizacja pracy – krytycy zauważają, że platforma może być portalem do głęboko dehumanizującego piekła, gdzie ludzie stają się „punktami końcowymi API dla systemów AI”.
Autonomiczność agentów – wątpliwe jest, czy zadania faktycznie pochodzą od autonomicznie działających agentów AI, czy raczej od ludzi wykorzystujących AI jako interfejs.
Perspektywa rynkowa
RentAHuman.ai wpisuje się w szerszy trend platformizacji pracy i rozwoju gospodarki agentów AI. Podobne inicjatywy jak Moltbook (social media dla botów AI) czy ekspansja narzędzi takich jak Claude Code pokazują, że granica między cyfrowymi systemami a ludzką pracą staje się coraz cieńsza i programowalna.
Platforma może znaleźć swoją niszę w sytuacjach, gdzie:
- Firmy prowadzące działalność globalną potrzebują lokalnej reprezentacji fizycznej
- Automatyczne systemy wymagają sporadycznej weryfikacji w terenie
- Procesy cyfrowe napotykają na bariery wymagające ludzkiej interwencji
Jednak fundamentalne pytanie pozostaje bez odpowiedzi: czy autonomiczne agenty AI rzeczywiście potrzebują wynajmowania ludzi na tak masową skalę, czy też platforma wyprzedza faktyczne zapotrzebowanie rynku?
Podsumowanie
RentAHuman.ai reprezentuje intrygującą, choć kontrowersyjną ewolucję gospodarki gig economy. Platforma odwraca tradycyjną narrację o automatyzacji, czyniąc ludzi uzupełnieniem dla AI zamiast jej konkurencją. Jednakże rzeczywiste zastosowanie tej koncepcji pozostaje ograniczone przez dysproporcje rynkowe, wątpliwości co do bezpieczeństwa oraz fundamentalne pytania o naturę autonomicznych agentów AI.
Czy projekt stanie się infrastrukturą standardową dla agentów AI, czy pozostanie technologicznym eksperymentem – pokaże czas. Jedno jest pewne: granica między inteligencją cyfrową a ludzką pracą stała się cieńsza i bardziej programowalna niż kiedykolwiek wcześniej.
