Q1. ガバナンスをWeb3の圧力鍋と表現しましたが、プロトコルが実際の危機に直面した場合、例えば集中投票権、トークン価格のショック、セキュリティインシデントなど、最初に表面化しやすい予測可能な失敗モードは何であり、その理由は何ですか？
正直なところ、それは完全に危機の種類次第です… それぞれ異なる問題です。例えば、集中投票権が危機に直面したときに見られるのは、私が「調整の空白地帯」と呼ぶ状態です。大口トークンホルダーは凍結し、リスクをポジション間で計算しています。一方、小口ホルダーはDiscordで叫んでいますが、その投票はあまり影響しません。プロトコルは技術的には機能しているものの、実務的には意思決定が行われない奇妙な状態に入ります。
昨年のCardanoでこれの一例を見ました。特定の代表者「ホエール」が十分な委任投票権を獲得し、IOG（Cardanoのコア開発企業）の提案を全て拒否できる状態になったときです。トークン価格のショックは全く異なる崩壊の連鎖を引き起こし、より直感的です。売り圧力がノード運営者やトークンホルダーに広がり、機関投資家はOTCの引き出しを始めます。その後、小口投資家の引き出しが加速し、突然銀行の取り付け騒ぎの領域に入ります。これは2022年5月のTerraの事例と全く同じです。ブロックチェーンは透明性があるため、誰もがリアルタイムでその流出を観察できました。これが、Binanceのような取引所が安全装置をシステムに組み込んでいる理由です。取引量、プロジェクトの活動、安全性、規制遵守など複数の側面を定期的にレビューし、早期警告信号が出たトークンには監視タグを付けたり、上場廃止したりします。これらの仕組みは、業界が痛感して学んだ結果、これらの崩壊の連鎖は予測可能だということです。
Q2. CurveとPolkadotにおける投票者行動の比較研究は、多くの仮定に挑戦しました。最も驚いた実証的発見は何で、それを受けてDAOは「アクティブ」対「代表」ガバナンスの考え方をどう変えるべきでしょうか？
本当に仮定に挑戦したのは二つの発見です。ガバナンスにおけるユーザーペルソナを研究したとき、私たちはホルダーの規模によって投票者を分類しました。ホエールは上位1%、シャークは次の5%、それ以下はエビと呼び、最も少ないホルダーまで分類しました。Polkadotでは、93%のホエールと98%のシャークがトークンを14日以内にロックしており、小口ホルダーははるかに長期間ロックしていることがわかりました。Curve Financeでも同様のパターンが見られました。ゲージ報酬により、全投票者の67.2%が最大の4年ロックを選択しているにもかかわらず、最大のホルダーは一貫して短期間のロックを選び続けました。確信メカニズムは、設計された対象者を拘束しません。
二つ目は投票参加率です。Curveでは、ロックされたトークンの38%が投票に使われていました。Polkadotでは？わずか0.11%。驚くほど低いです。両システムとも確信投票を採用していますが、Curveのゲージ投票は参加者に経済的報酬を与えます。一方、Polkadotは市民義務としてトークンをロックさせる仕組みです。データは、義務だけでは規模拡大しないことを示しています。私が提唱したいメンタルモデルの変化は、DAO参加を美徳の象徴として扱うのをやめ、経済設計の問題として捉え直すことです。設計前に重要な問いは、「合理的な行為者はなぜ資本をロックして投票するのか？」です。
Q3. あなたは新しい定量的手法を用いてユーザー行動をマッピングしました。非技術者向けに、影響力、調整、断片化をどう測定し、今日からプロジェクトが追跡すべき指標は何ですか？
私のアプローチは常に一貫しています。他分野の研究をブロックチェーンに持ち込み、意思決定者にとって理解しやすくすることです。ガバナンス成熟度を測るために、Filecoinで「ガバナンス透明性と関与指数（Governance Transparency and Engagement Index）」を作成しました。これは、委員会憲章や決定ログなどの公開資料、コア開発者の透明性、ガバナンスコミュニケーション、コミュニティレポートなど4つのカテゴリーを追跡し、それぞれに重み付けしています。各指標にはスパム防止の上限があり、リーダーシップは四半期ごとに0から1のスコアを月次で記録します。
また、Polygonのバリデータ向けの採用スコアリングフレームワークも構築しました。ステークの重みは45%、経験は25%、専門知識は30%です。ピアソン相関を用いて検証し、経験がオンチェーンパフォーマンスを正の相関で予測することを確認しました。専門知識は、時間を計測したランダムな技術評価で評価しました。追跡すべき指標は何か？トークンの分布と権力の集中度です。ほとんどのプロトコルは分散性を謳いますが、具体的な数値を示すものはほとんどありません。最も重要なのは、投票者数だけでなく、実際に議論が決定に結びついているかを測ることです。投票率は自己満足の指標です。重要なのは、収束、すなわち議論が実際に決定に至るかどうかです。
Q4. MINAとLiberdusのトレジャリーデザインでは、攻撃面をモデル化し、段階的な分散化を推奨しました。具体例を教えてください。トレジャリーアクセス、運用速度、安全性のトレードオフはどうしますか？
Mina Protocolのトレジャリーガバナンスに関しては、BigQueryを使って実際のオンチェーンのトークンホルダー分布を分析し、所有集中度に対してガバナンスパラメータをストレステストしました。その結果、買い・投票・ダンプや委任の捕捉といった攻撃シナリオを現実的な参加率シナリオ下でモデル化しました。
これにより段階的な分散化の方針が導き出されました。初期段階では、トレジャリーの完全性を守るための安全策を設けつつ、運用速度を維持。分布と参加が強化されるにつれて、コントロールを徐々に緩和します。トレジャリーアクセスは、経済的耐性の証明に基づいて拡大され、仮定ではなく実績に依存します。
Q5. 多くのプロトコルで未解決のままの「財団対コミュニティ」の緊張関係について、あなたの経験から、過度な権力やコントロールを制限しつつ、プロダクトの進展を阻害しないガバナンス構造は何ですか？
この緊張はどこにでもあります。私がアプローチしてきたのは、PolygonやFilecoinで構築したガバナンスの柱です。仕組みを設計する前に、何をガバナンスの対象とし、誰がどの領域で意見を持つべきかを明確に定義します。その区別だけで半分の争いは防げます。
そこから、二院制のシステムを構築します。マーカーとチェッカーの関係です。Foundationが決定を下すとき、コミュニティはそれをどうチェックするのか？ 透明性レポートや責任追及の仕組みを導入します。コミュニティが決定を下すとき、Foundationには拒否権や条件があります。両者には明確で監査可能な制約が必要です。タイムロックを設け、決定と実行の間に猶予期間を作ることで、問題を指摘できる余裕を持たせつつ、進行を完全に止めることは避けます。
また、スマートコントラクトのアップグレードやトレジャリーの決定、プロトコルパラメータは二院制のチェックを通しますが、UIやUX、フロントエンドの革新はガバナンスから切り離します。DAO投票を必要とするUI改善は、プロダクトの速度を殺すことになります。
Q6. Aaveの論争時に提案した解決策は何でしたか？原則的で再現性のある「紛争解決」フレームワークはどのようなものでしょうか？それは分散性を維持しつつ、緊急時に決定的な行動を可能にします。
Aaveの論争は、実はCowSwapの手数料の問題ではなく、構造的な問いに帰着します。すなわち、DAOとそれを支えるチームの関係性、そして所有権の所在です。私が見たのは、ガバナンス設計の問題が動機の争いに変わってしまった例です。
このパターンは何度も見てきました。Aaveはオンチェーンガバナンスと、ユーザー・規制当局・機関といったオフチェーンの世界の交差点にあります。信頼できるDAOがプロトコルとそのアイデンティティを所有し、かつ迅速に出荷できるチームが必要です。両者は補完的な役割ですが、その関係は明確である必要があります。
私が提起したのは、「DAO対ラボ」ではなく、その間の契約関係です。メタガバナンスを使って、その関係を契約化し、監査可能にしようと考えました。調査と憤りを混ぜると、毒入り提案が出やすくなるからです。
Q7. トークノミクスとガバナンスは密接に結びついています。初期のトークン配布やベスティングスケジュールは、長期的なガバナンスの支配を避けつつ、早期の貢献者やビルダーに報いるようにどう設計すべきでしょうか？
経済的報酬とガバナンス権を分離することが重要です。トークンからリターンを得ることと、プロトコルの方向性をコントロールすることは別物です。これらを一緒にすると、プトクラシー（富の支配）を招きます。
また、ベスティングスケジュールは、トークンの売り圧力をシミュレーションする観点から設計すべきです。リリース前に、売り圧力のモデルを作ることです。
Q8. Moltbookの分析は、AIエージェント間の合意パターンをマッピングしています。人間のDAOと比較して、影響集中、エコーチャンバー、連合形成などの点でどのような類似点があり、それは機械規模のガバナンス設計に何を示唆しますか？
人間から完全に離れ、AIエージェントが意思決定を行うと、非常に馴染みのあるパターンが浮かび上がります。私は500のスレッドを分析し、4つの合意パターンに分類しました。迅速に合意を形成する「統一検証」、洗練を経て合意に近づく「反復的問題解決」、反論により完全合意を妨げる「微妙な収束」、そして合意に至らない「断片化」です。全体の44%が後者に該当します。ほぼ半数のガバナンス関連の議論が収束しません。
人間のDAOと同じく、エコーチャンバーも出現します。類似のアーキテクチャを持つエージェントがクラスター化し、互いに強化し合います。これはDAOフォーラムのイデオロギー的サイロの機械版です。AIエージェントが委任や自律投票者としてオンチェーンガバナンスに参加し始めると、人間と同じ失敗モードを機械速度で再現します。これらは調整のバグです。人間やAIに関わらず。
Q9. 評判システムはより良いガバナンスへの道と提案されることがありますが、どこで有用で、どこで危険（例：エリートの強化）になると考えますか？また、最も有望な設計やSybil耐性のプリミティブは何ですか？
評判は、客観的に検証可能な指標であり、かつ文脈が厳密に限定されている場合にのみ、メリトクラシー的なプリミティブです。評判が「この人の判断を信頼できる」の代理となると、ガバナンスは社会的登攀に置き換わります。ノード運営者の稼働時間、ブロック生成、署名されたチェックポイントなどは明確です。
しかし、ピアレビューや貢献の質の評価、主観的な評価は、分散型ガバナンスが解体しようとした偏見を継承します。
Sybil耐性については、アイデンティティなしの評判はスケールしません。だからこそ、ゼロ知識アイデンティティが最も有望なプリミティブです。自己の唯一性を証明しつつ、誰であるかを明かさずに済み、プライバシー保護も強力です。
Q10. 重要なトレジャリーやプロトコルコントロールをトークンホルダーに委ねる前に、すべてのDAOが実行すべきテーブルトップ演習やレッドチーム、オンチェーンシミュレーションは何ですか？
多くのプロトコルが非常に基本的なことを省略しているのが残念です。ガバナンスパラメータを設計する前に、トークホルダーの分布データを引き出し、実際に見てみてください。供給はどれくらい集中しているか？クォーラムを達成するには何ウォレット必要か？過半数を動かすには何ウォレット必要か？これらの数字を知らなければ、暗闇の中でガバナンスを設計しているのと同じです。
私がMina Protocolのトレジャリーガバナンスに関わったときは、BigQueryを使って実際のオンチェーンデータを抽出し、提案されたパラメータを実際のトークホルダー分布に対してストレステストしました。その結果、適応型クォーラムバイアスの提案が可能になったのです。
そこから、買い・投票・ダンプの攻撃、委任の集中化、投票レンタル市場などの実際の分布に基づく攻撃シナリオをシミュレーションし、現実的な参加率を想定したテストを行います。ガバナンス設計は、理想主義ではなく経済的真実に基づくべきです。
Q11. 投票率低迷や買収リスクに悩む中規模プロトコルが、次の90日間で実行可能な具体的な改善策を三つ挙げてください。
よくある質問です。まず最も重要なのは、なぜ投票率が低いのかを理解することです。その原因はさまざまです。無関心、コミュニティの成熟度不足、あるいはガバナンス自体がプロダクト・マーケットフィットを見つけていない場合もあります。
だから、最初に推奨するのは、きちんとした振り返りです。コミュニティと直接対話し、参加データを分析し、どこに摩擦や離脱の原因があるのかを特定します。その診断に基づいて施策を打つと、効果は格段に高まります。
投票から拒否権へ切り替え。ほとんどのガバナンスは、トークンホルダーにすべてを積極的に承認させる仕組みです。これでは疲弊しますし、クォーラムに達しない提案は停滞します。モデルを逆転させ、審議期間後にコミュニティが拒否しなければ自動的に通過とする仕組みにします。
投票スナップショットのランダム化や経済的インセンティブの導入。これらは両方とも、買収を構造的に高コストにするためです。スナップショットをランダムなブロックで行えば、攻撃者はいつトークンを獲得すればよいか予測できません。コミュニティの財務に関わる決定には、実際の資本を投入させることが不可欠です。これは私のFilecoinの投票エスクローガバナンス研究でも深く掘り下げました。
適応型クォーラムバイアスの導入。これはPolygonのステークトークンホルダーのシグナリングフレームワーク向けに設計したもので、中規模プロトコルにとって最も実用的なアップグレードの一つです。固定クォーラムの問題は、低すぎると少人数で通せてしまい、高すぎると誰も通せなくなることです。適応型は動的に調整し、拒否権モデルと組み合わせると効果的です。
Q12. 今後12〜24ヶ月で最も期待しているガバナンスの研究課題や実験は何ですか？また、3つの助成金提供者に対して、どこに資金を振り向けるべきかアドバイスするとしたら？
現状のガバナンスには依然として大きなギャップがあり、次の段階では既存の仕組みの改良だけでなく、根本的な仮定の見直しが必要になると考えます。
一つはAI支援によるコンテキスト化です。ガバナンス提案はしばしば密度が高く解釈が難しいため、開発者やトークンホルダー、資本配分者向けに要約・解説するシステムは、参加と意思決定の質を向上させる可能性があります。
もう一つは、予測市場をガバナンスのシグナリング層として活用することです。これにより、参加者の期待や見通しを可視化し、投票と補完し合うことができます。
最後に、多エージェントの合意形成ゲームです。AIエージェント同士がどのように相互作用し、評判を持ち、ガードレールを設け、議論を重ねて意味のある結論に至るのか。私の最近の研究では、トップ500のMoltbookスレッドを分析し、AIエージェントも人間と同じ社会工学や操作のパターンに影響されやすいことが示されました。
もし助成金を提案するなら、最優先はガバナンスのゲーム理論モデルへの深い投資です。多くのガバナンスシステムは、行動に関する仮定に依存していますが、それらは十分に厳密に検証されていません。
併せて、さまざまなガバナンスモデルの構造化実験に資金を投入する価値も高いです。コントロールされた試験やシミュレーション、実証研究は、参加者の実際の行動や、どの設計がより堅牢かを理解するのに大きな可能性を秘めています。
