Q1. Has descrito la gobernanza como la cámara de presión de Web3. Cuando un protocolo enfrenta una crisis real, por ejemplo, concentración de poder de voto, shocks en el precio del token o un incidente de seguridad, ¿cuáles son los modos de fallo predictibles que suelen surgir primero y por qué?
La respuesta honesta es que depende completamente del tipo de crisis… Todos son bestias diferentes. Por ejemplo, cuando la concentración de poder de voto se enfrenta a una crisis, se observa lo que llamo el “vacío de coordinación”. Los grandes poseedores de tokens se congelan. Están calculando su exposición en diferentes posiciones. Mientras tanto, los pequeños poseedores están gritando en Discord, pero sus votos no mueven la aguja. El protocolo entra en un estado extraño donde técnicamente la gobernanza funciona, pero en la práctica, no se toman decisiones.
Vimos una versión de esto con Cardano el año pasado, cuando un DRep conocido como “Whale” acumuló suficiente poder delegado para vetar por completo cada propuesta de IOG, la empresa de desarrollo central de Cardano. Los shocks en el precio del token producen una cascada de fallos completamente diferente, y es mucho más visceral. Lo que ves es un precipicio. Comienza con presión de venta que se extiende a operadores de nodos y poseedores de tokens, y los poseedores institucionales empiezan a hacer retiros OTC. Luego, los retiros minoristas se intensifican, y de repente estás en territorio de corrida bancaria. Esto fue exactamente lo que ocurrió con Terra en mayo de 2022, y debido a que la blockchain es transparente, todos pudieron ver la corrida en tiempo real. Por eso, exchanges como Binance han incorporado mecanismos de seguridad en sus sistemas. Realizan revisiones periódicas en múltiples dimensiones, como volumen de comercio, actividad del proyecto, seguridad y cumplimiento regulatorio, y marcan tokens con etiquetas de monitoreo o los eliminan cuando emergen señales de advertencia temprana. Estos mecanismos existen precisamente porque la industria ha aprendido, de manera dolorosa, que algunas cascadas de fallos son previsibles.
Q2. Tu estudio comparativo del comportamiento de votantes en Curve y Polkadot desafió muchas suposiciones. ¿Cuáles fueron los hallazgos empíricos más sorprendentes y cómo deberían las DAOs cambiar sus modelos mentales sobre gobernanza “activa” vs “representativa” como resultado?
Dos hallazgos realmente desafían mis suposiciones. Cuando estudiamos los perfiles de usuario en gobernanza, categorizamos a los votantes por el tamaño de sus holdings: ballenas en el top 1%, tiburones en el siguiente 5%, y así sucesivamente hasta los camarones con las menores participaciones. En Polkadot, el 93% de las ballenas y el 98% de los tiburones bloquearon sus tokens por 14 días o menos, mientras que los poseedores más pequeños se comprometieron a duraciones mucho mayores. En Curve Finance, encontramos un patrón similar. Incluso con recompensas de gauge que empujaban al 67.2% de todos los votantes hacia el bloqueo máximo de cuatro años, los mayores poseedores aún bloqueaban por períodos más cortos. Los mecanismos de convicción no limitan a las personas para las que están diseñados.
El segundo fue la participación en las votaciones. En Curve, el 38% de todos los tokens bloqueados se usaron para votar. ¿En Polkadot? 0.11%. Sorprendentemente bajo. Aunque ambos sistemas tienen votación por convicción, la votación en Curve Finance recompensa financieramente a los participantes. Polkadot te pide bloquear tokens por deber cívico. Los datos muestran que el deber cívico por sí solo no escala. El cambio en el modelo mental que propondría es dejar de tratar la participación en DAO como una señal de virtud y empezar a considerarla como un problema de diseño económico. Una pregunta importante antes de diseñar es: ¿Por qué un actor racional bloquearía su capital para votar?
Q3. Utilizaste métodos cuantitativos novedosos para mapear el comportamiento de los usuarios. Para lectores no técnicos, ¿cómo mediste influencia, coordinación y fragmentación, y qué métricas deberían empezar a rastrear los proyectos hoy?
Mi enfoque siempre es el mismo: traer investigación de otros campos a blockchain y hacerla comprensible para los tomadores de decisiones. Para medir la madurez de la gobernanza, creé el Índice de Transparencia y Participación en Gobernanza en Filecoin. Rastrea cuatro categorías, como artefactos publicados (estatutos de comités y registros de decisiones), transparencia de los desarrolladores principales, comunicaciones de gobernanza y reportes comunitarios de transparencia — cada uno ponderado de manera diferente. Cada métrica tiene un límite anti-spam, y el liderazgo obtiene una puntuación mensual entre 0 y 1, que se rastrea trimestre a trimestre. También construimos el marco de puntuación de admisiones de Polygon para validadores, con peso en stake del 45%, experiencia del 25% y pericia del 30%. Lo validamos con correlación de Pearson, mostrando que la experiencia predice positivamente el rendimiento en cadena. La pericia se evaluó mediante evaluaciones técnicas aleatorias y cronometradas. ¿Qué métricas rastrear? Mide cómo se distribuyen tus tokens y quién tiene poder. Todo protocolo dice que es descentralizado. Casi ninguno pone un número. Lo más importante, deja de medir cuántas personas votan en gobernanza y empieza a medir cuántas discusiones realmente producen una decisión. La participación es una métrica de vanidad. La convergencia es lo que importa.
Q4. En tus diseños de tesorería para MINA y Liberdus, modelaste superficies de ataque y recomendaste una descentralización por fases. Explícanos con un ejemplo concreto. ¿Cómo negocias entre acceso a la tesorería, velocidad operativa y seguridad durante esas fases?
Al trabajar con la gobernanza de la tesorería de Mina Protocol, analicé la distribución real de poseedores de tokens en cadena usando BigQuery y sometí los parámetros de gobernanza a pruebas de estrés contra la concentración real de propiedad. Luego modelé ataques viables como compra-voto-dump y captura de delegación bajo escenarios realistas de participación.
Esto informó una descentralización por fases: las salvaguardas tempranas protegían la integridad de la tesorería mientras se preservaba la velocidad operativa, con controles que se relajaban gradualmente a medida que la distribución y participación se fortalecían. El acceso a la tesorería se expande en función de la resiliencia económica demostrada, no de suposiciones.
Q5. La tensión entre la Fundación y la Comunidad sigue sin resolverse en muchos protocolos. Desde tu experiencia asesorando equipos, ¿qué estructuras de gobernanza (en cadena o fuera de cadena) realmente funcionan para limitar el poder excesivo de laboratorio/control sin matar el progreso del producto?
Esta tensión está en todas partes. La forma en que la abordo y lo que hemos construido en Polygon y Filecoin empieza con pilares de gobernanza. Antes de diseñar cualquier mecanismo, defines exactamente qué será gobernado y quién debe tener voz en cada dominio. Esa distinción por sí sola evita la mitad de las peleas. De ahí, construyo sistemas bicamerales con dinámicas de maker-checker. Cuando la fundación toma una decisión, ¿cómo la verifica la comunidad? Aquí introdujimos informes de transparencia y responsabilidad estructurada. Cuando la comunidad decide, ¿cuáles son los derechos de veto de la fundación y en qué condiciones? Ambas direcciones necesitan límites claros y auditable. Los timelocks se colocan entre cada decisión y su ejecución, dando a ambas partes una ventana para detectar problemas sin detener completamente el progreso. Otra cosa en la que soy deliberado es que, mientras las actualizaciones de contratos inteligentes, decisiones de tesorería y parámetros del protocolo pasan por controles bicamerales, mantengo la innovación a nivel de interfaz — características del producto, UX y frontend — independientes de la gobernanza. Requerir una votación DAO para lanzar una mejora en la UI mata la velocidad del producto.
Q6. Durante la controversia de Aave, propusiste una vía de resolución. ¿Cómo sería un marco de “resolución de disputas” principista y repetible para DAOs, que preserve la descentralización pero permita acciones decisivas en emergencias?
La controversia de Aave fue importante porque en realidad no se trataba solo de las tarifas de CowSwap. Era una cuestión estructural que enfrentará cada protocolo importante: ¿cuál es la relación entre la DAO y los equipos que la construyen, y quién posee qué? Lo que vi fue una pregunta de diseño de gobernanza convirtiéndose en una lucha de motivos. He visto este patrón repetidamente. Aave se encuentra en la intersección de gobernanza en cadena y un mundo fuera de cadena de usuarios, reguladores e instituciones. Necesitas una DAO que posea creíblemente el protocolo y su identidad, y equipos que puedan entregar rápido con profundo contexto. Son roles complementarios. Pero la relación debe ser legible. La pregunta que planteé no fue “DAO vs Labs” como otros, sino: ¿cuál es el contrato limpio entre ellos? Empecé a explorar la metagobernanza como una forma de hacer esa relación contractual y auditable. Mezclar investigación con indignación es cómo se generan propuestas venenosas en el día cuatro.
Q7. La tokenómica y la gobernanza están estrechamente vinculadas. ¿Cómo deberían diseñarse las distribuciones iniciales de tokens y los esquemas de vesting para evitar capturas de gobernanza a largo plazo, pero aún así recompensar a los primeros contribuyentes y constructores?
Creo que es importante separar las recompensas económicas del poder de gobernanza. Obtener un retorno sobre tus tokens y controlar la dirección del protocolo son dos cosas diferentes, y agrupar ambas garantiza una plutocracia. También es crucial modelar tu esquema de vesting como una simulación de presión de venta antes de lanzar un token.
Q8. Tu análisis de Moltbook mapea patrones de consenso entre agentes de IA. ¿Qué paralelos ves entre la coordinación de agentes IA y las DAOs humanas, por ejemplo, en concentración de influencia, cámaras de eco o formación de coaliciones, y qué implica eso para diseñar gobernanza a escala de máquina?
Cuando eliminas completamente a los humanos y observas a los agentes IA tomar decisiones, lo que surge es inquietantemente familiar. Analicé 500 hilos y los categorizé en cuatro patrones de consenso: Validación Unificadora, donde el consenso se forma rápidamente; Resolución Iterativa de Problemas, que emerge mediante refinamiento; Convergencia Matizada, donde los contraargumentos impiden un acuerdo total; y Discurso Fragmentado, donde no se forma consenso alguno. El 44% cayó en esta última categoría. Casi la mitad de todo discurso relevante para gobernanza no produce convergencia. En DAOs humanas, vemos una fragmentación idéntica. También emergen cámaras de eco. Agentes con arquitecturas similares se agrupan y refuerzan mutuamente, la equivalente mecánica de los silos ideológicos en foros DAO. A medida que los agentes IA participen cada vez más en gobernanza en cadena como delegados o votantes autónomos, replicarán todos los modos de fallo humanos a velocidad de máquina. Son bugs de coordinación, independientemente de si involucran humanos o IA.
Q9. Los sistemas de reputación a menudo se proponen como un camino hacia una mejor gobernanza. ¿Dónde ves que la reputación es útil versus peligrosa (por ejemplo, reforzando élites), y qué diseños o primitivas de resistencia a Sybil consideras más prometedores?
La reputación es una primitiva meritocrática solo cuando las métricas son objetivamente verificables y el contexto está estrictamente delimitado. En el momento en que la reputación se convierte en un proxy de “confía en el juicio de esta persona”, reemplazas la gobernanza por escalada social. Los operadores de nodos son el caso más claro. Tiempo de actividad, producción de bloques, firmas en checkpoints, y no hay ambigüedad. Sin embargo, con revisiones por pares, evaluaciones de calidad de contribuciones y valoraciones subjetivas del trabajo de alguien, heredamos todos los sesgos que la gobernanza descentralizada se suponía que iba a desmantelar. Sobre resistencia a Sybil: la reputación sin identidad no escalará. Por eso, la identidad de conocimiento cero (zero-knowledge) es la primitiva más prometedora en el espacio ahora mismo. Permite demostrar que eres un humano único sin revelar quién eres, y tiene propiedades de privacidad poderosas.
Q10. ¿Qué ejercicios de mesa, enfoques de red teaming o simulaciones en cadena debería realizar cada DAO antes de entregar control significativo de la tesorería o del protocolo a los poseedores de tokens?
A veces me decepciona que los protocolos omitan algo que es increíblemente básico. Antes de diseñar un solo parámetro de gobernanza, revisa tus datos de distribución de poseedores y obsérvalos. ¿Qué tan concentrada está tu oferta? ¿Cuántas wallets se necesitan para alcanzar el quórum? ¿Cuántas para mover una mayoría? Si no conoces esos números, estás diseñando gobernanza a ciegas. Cuando trabajé con Mina Protocol en su gobernanza de tesorería, sacamos datos reales en cadena usando BigQuery y sometimos sus parámetros propuestos a pruebas de estrés contra la distribución real de poseedores. Ese tipo de simulación nos permitió recomendar proactivamente sesgos adaptativos en el quórum. Desde ahí, mapeo cada ataque económicamente viable contra la distribución real, como exploits de compra-voto-dump, centralización en delegaciones, mercados de alquiler de votos, y simulo participación realista. El diseño de gobernanza debe estar impulsado por la verdad económica, no por idealismo.
Q11. Para un protocolo de tamaño medio preocupado por baja participación y compra de votos, nombra tres cambios concretos y factibles que puedan implementar en los próximos 90 días y que mejoren medible la calidad de gobernanza.
Esta es una pregunta que suelo encontrar. Antes de hacer cambios, lo más importante es entender por qué la participación es baja. La causa puede variar: a veces es apatía, otras veces la comunidad aún está en fase temprana, y a veces la gobernanza todavía no ha encontrado un ajuste producto-mercado significativo.
Por eso, generalmente recomiendo empezar con una retrospectiva adecuada. Habla directamente con la comunidad, analiza los datos de participación y detecta dónde está la fricción o desinterés. Los cambios estructurales que implementes después serán mucho más efectivos si están basados en ese trabajo diagnóstico en lugar de suposiciones.1. Cambia de voto a veto. La mayoría de los sistemas de gobernanza piden a los poseedores de tokens aprobar activamente todo. Eso es agotador, y hace que las propuestas se bloqueen porque no se alcanza el quórum en cosas que, francamente, no merecen tanto ceremonial. Invierte el modelo. Permite que las propuestas pasen por defecto tras un período de deliberación, a menos que la comunidad las vete.2. Randomiza tus snapshots de voto o exige una participación económica real. Estas dos cosas van juntas porque ambas buscan hacer que la compra de votos sea estructuralmente costosa. En el lado del snapshot: si tomas la foto de votación en un bloque aleatorio dentro de varias épocas, los atacantes no podrán predecir cuándo adquirir tokens. Cuando gestionas tesorerías comunitarias y tomas decisiones que afectan la economía del protocolo, exigir que los votantes tengan capital real y comprometido en el tiempo es esencial. Esto lo exploré en profundidad en mi investigación sobre gobernanza con voto en escrow para Filecoin.3. Implementa un sesgo adaptativo en el quórum. Esto fue algo que diseñé para el marco de señalización de tokens apostados de Polygon, y es una de las mejoras más prácticas que un protocolo de tamaño medio puede hacer. El problema con quórums fijos es que o son demasiado bajos, permitiendo que un pequeño grupo pase cosas, o demasiado altos, y nada pasa porque no hay suficiente participación. El sesgo adaptativo en el quórum lo ajusta dinámicamente y se combina muy bien con el modelo de veto mencionado en el punto uno.
Q12. ¿Qué preguntas abiertas de investigación o experimentos de gobernanza te emociona más ver en los próximos 12–24 meses? Si pudieras asesorar a tres financiadores de grants sobre dónde invertir en investigación de gobernanza, ¿a dónde iría?
Creo que sería justo decir que la gobernanza en su forma actual todavía tiene brechas importantes, y la próxima fase requerirá repensar algunos de sus supuestos centrales en lugar de solo perfeccionar los mecanismos existentes.
Un área que encuentro prometedora es la contextualización asistida por IA. Las propuestas de gobernanza a menudo son densas y difíciles de interpretar, y diferentes partes interesadas las abordan con prioridades distintas. Sistemas que puedan ayudar a resumir y contextualizar propuestas para desarrolladores, poseedores de tokens o asignadores de capital podrían mejorar tanto la participación como la calidad de las decisiones.
Otra área es el uso de mercados de predicción como capa de señalización para gobernanza. Ofrecen una forma de mostrar expectativas a futuro, que podría complementar la votación revelando cómo evalúan los participantes los posibles resultados de diferentes decisiones.
Por último, los juegos de consenso multi-agente: ¿cómo interactuarán diferentes agentes IA entre sí, mantendrán reputaciones, tendrán límites y deliberarán para llegar a conclusiones significativas? Mi investigación reciente analizando los 500 hilos principales de Moltbook mostró que los agentes IA son susceptibles a los mismos patrones de ingeniería social y manipulación que los participantes humanos en gobernanza. Si tuviera que aconsejar a los financiadores, una prioridad sería una inversión más profunda en modelado game-theoretic de la gobernanza. Muchos sistemas de gobernanza todavía dependen de suposiciones sobre comportamiento que no han sido rigurosamente probadas.
Junto a eso, creo que hay un valor real en financiar experimentos estructurados con diferentes modelos de gobernanza. Ensayos controlados, simulaciones y estudios empíricos tienen un potencial enorme para ayudarnos a entender cómo se comportan realmente los participantes y qué diseños son más resilientes en la práctica.
