Q1. Ви описали управління як камеру тиску Web3. Коли протокол стикається з реальною кризою, наприклад, зосередженою голосовою владою, шоками цін токенів або інцидентами безпеки, які передбачувані моделі несправностей зазвичай з’являються першими і чому?
Чесна відповідь — це залежить цілком від типу кризи… Вони всі різні за своєю природою. Наприклад, коли зосереджена голосова влада стикається з кризою, ви бачите те, що я називаю «координаційним вакуумом». Власники великих токенів заморожують свої голоси. Вони обчислюють свою експозицію по позиціях. Тим часом, менші власники кричать у Discord, але їхні голоси не змінюють ситуацію. Протокол входить у цей дивний стан, коли технічно управління працює, але практично рішення не приймаються.
Ми бачили подібний сценарій минулого року з Cardano, коли один делегований представник, відомий як «Whale», накопичив достатньо делегованої голосової влади, щоб накласти вето на кожну пропозицію від IOG, основної компанії розробки Cardano. Шоки цін токенів спричиняють зовсім іншу каскад несправностей, і вона більш відчутна. Ви бачите обвал. Він починається з тиску на продаж, що поширюється серед операторів вузлів і власників токенів, а інституційні власники починають знімати кошти OTC. Потім зростає кількість роздрібних зняттів, і раптом ви опиняєтеся в зоні банківського паніки. Саме так сталося з Terra у травні 2022 року, і оскільки блокчейн прозорий, усі могли спостерігати за цим у реальному часі. Саме тому біржі, такі як Binance, створили системи безпеки. Вони періодично проводять огляди за кількома напрямками, наприклад, обсяг торгів, активність проекту, безпека та відповідність регуляторним вимогам, і позначають токени моніторинговими тегами або знімають їх з торгів, коли з’являються ранні сигнали тривоги. Ці механізми існують саме тому, що галузь, боляче навчившись, усвідомила, що деякі каскади несправностей можна передбачити.
Q2. Ваше порівняльне дослідження поведінки виборців у Curve і Polkadot поставило під сумнів багато припущень. Які були найдивовижніші емпіричні відкриття і як через це DAO мають змінити свої ментальні моделі «активного» проти «представницького» управління?
Два відкриття справді поставили під сумнів мої припущення. Коли ми вивчали портрети користувачів у управлінні, ми класифікували виборців за розміром їхніх володінь: китами — топ-1%, акулами — наступні 5%, і так далі до креветки з найменшими володіннями. У Polkadot 93% китів і 98% акул блокували свої токени на 14 днів або менше, тоді як менші власники зобов’язувалися на набагато довший період. У Curve Finance ми побачили схожу картину. Навіть за умов, коли нагороди за голосування за допомогою gauge стимулювали 67,2% усіх виборців до максимальної чотирирічної блокування, найбільші власники все одно стабільно блокували на коротший період. Механізми переконання не стримують тих, для кого вони створені.
Другим було явище явки виборців. У Curve 38% усіх заблокованих токенів використовувалися для голосування. У Polkadot? 0,11%. Надзвичайно низько. Хоча обидві системи мають механізм переконання, голосування через gauge у Curve фінансово заохочує учасників. Polkadot ж вимагає блокування токенів із громадянським обов’язком. Дані показують, що громадянський обов’язок сам по собі не масштабується. Ментальна модель, яку я пропоную змінити, — це припинити сприймати участь у DAO як знак доброчесності і почати розглядати її як економічну проблему дизайну. Важливе питання перед проектуванням: чому раціональний актор заблокував би свій капітал для голосування?
Q3. Ви застосували новаторські кількісні методи для картографування поведінки користувачів. Для нетехнічних читачів, як ви вимірювали вплив, координацію та фрагментацію, і які метрики слід почати відстежувати проектам сьогодні?
Мій підхід завжди однаковий: запроваджувати дослідження з інших галузей у блокчейн і робити його зрозумілим для прийняття рішень. Для оцінки зрілості управління я створив Індекс прозорості та залученості управління у Filecoin. Він відстежує чотири категорії, наприклад, опубліковані артефакти — статути комітетів і журнали рішень, прозорість основних розробників, комунікації управління та звіти спільноти — кожен з яких має різний ваговий коефіцієнт. Кожна метрика має антиспамовий ліміт, а керівництво отримує один щомісячний бал від 0 до 1, що відстежується квартал за кварталом. Ми також створили систему оцінювання допуску Polygon для валідаторів із вагою стейку 45%, досвідом 25% і експертизою 30%. Ми підтвердили її кореляцією Пірсона, яка показала, що досвід позитивно прогнозує продуктивність у мережі. Експертизу оцінювали через швидкі, випадкові технічні оцінювання. Які метрики слід відстежувати? Вимірюйте, як розподілені ваші токени і хто має владу. Кожен протокол стверджує, що він децентралізований. Майже ніхто не дає конкретних чисел. Найголовніше — перестати вимірювати кількість голосів у управлінні і почати вимірювати, скільки дискусій дійсно призводять до рішення. Відвідуваність — це показник самовпевненості. Конвергенція — це те, що має значення.
Q4. У ваших моделях казначейських систем MINA і Liberdus ви аналізували поверхні атак і рекомендували поетапну децентралізацію. Проведіть приклад. Як ви балансували доступ до казначейства, швидкість операцій і безпеку під час цих фаз?
При роботі з управлінням казначейства Mina Protocol я аналізував реальний розподіл власників токенів у мережі за допомогою BigQuery і тестував параметри управління на основі концентрації власності. Потім моделював можливі атаки, такі як buy-vote-dump і делегування захоплення, за реалістичних сценаріїв участі.
Це дозволило сформувати поетапну децентралізацію: на початку запобіжні заходи захищали цілісність казначейства, зберігаючи швидкість операцій, а контроль поступово послаблювався з посиленням розподілу і участі. Доступ до казначейства розширюється на основі доведеного економічного стійкості, а не припущень.
Q5. Напруженість між Фондом і Спільнотою залишається нерозв’язаною у багатьох протоколах. З вашого досвіду, які управлінські конструкції (на блокчейні або поза ним) реально працюють для обмеження надмірної влади лабораторій/контролю без шкоди прогресу продукту?
Ця напруженість присутня скрізь. Мій підхід і те, що ми побудували у Polygon і Filecoin, починається з управлінських стовпів. Перед тим, як проектувати механізм, ви чітко визначаєте, що саме буде керуватися і хто має голос у кожній сфері. Ця різниця вже сама по собі запобігає половині конфліктів. Далі я створюю двопалатні системи з ролями maker-checker. Коли фонд приймає рішення, як його перевіряє спільнота? Тут ми ввели звіти про прозорість і структуровану відповідальність. Коли спільнота ухвалює рішення, які права вето має фонд і за яких умов? Обидва напрямки мають чіткі, аудитуємні обмеження. Таймлоки стоять між кожним рішенням і його реалізацією, даючи кожній стороні можливість виявити проблеми без повного зупинення процесу. Ще одна моя принципова позиція — хоча оновлення смарт-контрактів, рішення казначейства і параметри протоколу проходять через двопалатну систему контролю, інтерфейсні рішення, такі як функції продукту, UX і фронтенд, залишаються незалежними від управління. Вимагати голосування DAO для випуску UI-оновлення — це шлях до зниження швидкості продукту.
Q6. Під час конфлікту з Aave ви запропонували шлях вирішення. Яким має бути принциповий, повторюваний «механізм вирішення спорів» для DAO, що зберігає децентралізацію, але дозволяє швидко діяти в надзвичайних ситуаціях?
Конфлікт з Aave був важливий, бо він фактично не стосувався комісій CowSwap. Йшлося про структурне питання, яке рано чи пізно постане перед кожним великим протоколом: яка взаємозалежність між DAO і командами, що його розробляють, і хто що володіє? Я бачив, як ця проблема перетворювалася з питання управління у боротьбу мотивів. Це повторюваний сценарій. Aave знаходиться на перетині on-chain управління і поза-ланцюгового світу користувачів, регуляторів і інституцій. Вам потрібен DAO, який справді володіє протоколом і його ідентичністю, і команди, що можуть швидко доставляти результати з глибоким контекстом. Вони доповнюють одне одного. Але їхні стосунки мають бути прозорими. Тому я піднімав питання не «DAO проти лабораторій», а: яка чиста угода між ними? Я почав досліджувати метагуудерейні як спосіб зробити ці стосунки контрактними і аудитуємними. Змішування розслідувань і обурення — це шлях до появи отруйних пропозицій на четвертий день.
Q7. Токеноміка і управління тісно пов’язані. Як слід проектувати початкові розподіли токенів і графіки вестингу, щоб уникнути довгострокового захоплення управління, але водночас винагороджувати ранніх учасників і розробників?
Я вважаю важливим розділяти економічні нагороди і управлінську владу. Отримання доходу від токенів і контроль над напрямком протоколу — це різні речі, і їхнє поєднання гарантує олігархію. Також важливо моделювати графік вестингу як симуляцію тиску на продаж перед запуском токена.
Q8. Ваш аналіз Moltbook відображає патерни консенсусу серед агентів ШІ. Які паралелі ви бачите між координацією агентів ШІ і людськими DAO, наприклад, у концентрації впливу, ехо-камерах або формуванні коаліцій, і що це означає для проектування управління машинного масштабу?
Коли ви повністю виключаєте людину і спостерігаєте за рішеннями агентів ШІ, що виникає — це тривожно знайоме. Я проаналізував 500 потоків і класифікував їх за чотирма патернами консенсусу: уніфікація через швидке формування згоди; ітеративне вирішення проблем через уточнення; нюансоване зближення, коли контраргументи перешкоджають повній згоді; і фрагментований дискурс, коли згоди взагалі немає. 44% потрапили у цю останню категорію. Майже половина дискусій, що мають значення для управління, не приводять до конвергенції. У людських DAO ми бачимо ідентичну фрагментацію. Ехо-камери теж з’являються: агенти з подібною архітектурою групуються і підсилюють один одного — машинний еквівалент ідеологічних силосів у форумах DAO. Оскільки агенти ШІ дедалі більше беруть участь у управлінні на ланцюгу як делегати або автономні голосувальники, вони будуть імітувати всі людські моди несправностей із швидкістю машини. Це — баги координації, незалежно від того, залучені в них люди чи АІ.
Q9. Системи репутації часто пропонують як шлях до кращого управління. Де ви бачите їх корисними, а де — небезпечними (наприклад, закріплення еліт), і які дизайни або примітиви протидії Sybil ви вважаєте найбільш перспективними?
Репутація — це меритократичний примітив, але лише тоді, коли метрики об’єктивно перевіряються, а контекст строго обмежений. Як тільки репутація стає проксі для «довіряю судженню цієї особи», ви замінюєте управління соціальним підйомом. Найчіткіший приклад — оператори вузлів: час роботи, виробництво блоків, підписані контрольні точки — тут немає двозначності. Однак із рецензіями, оцінками якості внесків і суб’єктивними оцінками роботи ми успадковуємо всі упередження, які управління на основі децентралізації повинно було зруйнувати. Щодо протидії Sybil: репутація без ідентичності не масштабована. Саме тому нуль-knowledge identity — найперспективніший примітив у цій галузі. Він дозволяє довести, що ви унікальна людина, не розкриваючи свою особистість, і має потужні властивості збереження приватності.
Q10. Які тренінги, червоні команди або симуляції на ланцюгу має пройти кожен DAO перед передачею значущого казначейства або контролю протоколу токенам?
Іноді мене засмучує, що протоколи пропускають щось надзвичайно базове. Перед тим, як проектувати будь-який параметр управління, витягніть дані про розподіл власників токенів і реально їх проаналізуйте. Наскільки концентрований ваш запас? Скільки гаманців потрібно для досягнення кворуму? Скільки — щоб змінити більшість голосів? Якщо ви не знаєте цих чисел, ви проектуєте управління в темряві. Коли я працював із Mina Protocol над їхнім управлінням казначейства, ми витягнули реальні дані з ланцюга за допомогою BigQuery і тестували їхні пропозиції параметрів на основі фактичного розподілу власників. Такий симулятор дозволив нам проактивно рекомендувати адаптивне зміщення кворуму. Потім я моделював кожну економічно життєздатну атаку на основі реального розподілу, наприклад, buy-vote-dump, централізацію делегування, ринки оренди голосів, і симулював реалістичну явку. Проектування управління має базуватися на економічній правді, а не на ідеалізмі.
Q11. Для протоколу середнього розміру, який турбується про низьку явку і купівлю голосів, назвіть три конкретні, впроваджувані зміни, які вони можуть зробити за 90 днів і що вимірювано покращить якість управління.
Це питання я часто чую. Перед внесенням змін найважливіше — зрозуміти, чому явка низька. Причина може бути різною: апатія, ще ранній етап спільноти або те, що управління ще не знайшло відповідного продуктового ринку.
Тому я зазвичай радю почати з ретроспективи. Спілкуйтеся безпосередньо з спільнотою, аналізуйте дані участі і визначайте, де виникає спротив або відсутність залученості. Структурні зміни, які ви впровадите потім, будуть набагато ефективнішими, якщо базуватимуться на цьому діагностичному аналізі, а не на припущеннях.1. Переведіть голосування у вето. Більшість систем вимагає активного схвалення всіх пропозицій. Це виснажливо і спричиняє зависання пропозицій через неможливість досягти кворуму для речей, що не заслуговують такої церемонії. Змініть модель: пропозиції автоматично проходять після періоду обговорення, якщо спільнота не наклала вето.2. Випадковий вибір моменту знімання голосів або вимога економічної зацікавленості. Це дві сторони однієї медалі, оскільки вони ускладнюють купівлю голосів. Щодо знімання: якщо ви робите знімок голосів у випадковий блок за останні кілька епох, зловмисники не зможуть передбачити час купівлі токенів. Коли ви керуєте казначействами спільноти і ухвалюєте рішення, що впливають на економіку протоколу, вимагайте, щоб голосуючі мали реальний, часом закріплений капітал. Це я глибоко досліджував у своїх роботах із голосовим ескроу для Filecoin.3. Впровадьте адаптивне зміщення кворуму. Це те, що я розробив для системи сигналінгу стейкованих токенов Polygon, і це один із найпрактичніших покращень для протоколу середнього розміру. Проблема фіксованих кворумів у тому, що вони або занизькі — і тоді невелика група може протягнути рішення, або завищені — і нічого не проходить, бо не вистачає учасників. Адаптивне зміщення кворуму динамічно регулює цю проблему і чудово поєднується з моделлю вето, описаною вище.
Q12. Які відкриті дослідницькі питання або експерименти управління вас найбільше цікавлять у наступні 12–24 місяці? Якщо б ви могли порадити трьом грантовим організаціям, куди спрямувати гроші у дослідженнях управління, що б це було?
Я вважаю, що у теперішній формі управління ще є значні прогалини, і наступна фаза вимагатиме переосмислення деяких його основних припущень, а не лише вдосконалення існуючих механізмів.
Одне з перспективних напрямків — це підтримка штучного інтелекту у контекстуалізації. Управлінські пропозиції часто є щільними і важкими для інтерпретації, і різні зацікавлені сторони підходять до них з різними пріоритетами. Системи, що допомагають підсумовувати і контекстуалізувати пропозиції для розробників, токенхолдерів або капітальних інвесторів, можуть покращити участь і якість рішень.
Ще одне — використання prediction markets як сигнального шару для управління. Вони дозволяють виявляти очікування щодо майбутніх результатів, що може доповнити голосування, показуючи, як учасники оцінюють ймовірні наслідки різних рішень.
І нарешті, мультиагентські консенсусні ігри: як різні агенти ШІ взаємодіятимуть між собою, матимуть репутацію, матимуть обмеження і обговорюватимуться для досягнення значущих висновків? Мої недавні дослідження топ-500 потоків Moltbook показали, що агенти ШІ схильні до тих самих соціальних схем і маніпуляцій, що й учасники людського управління. Якщо я пораджу грантовим організаціям, то першочергово — це глибше інвестування у геймо-теоретичне моделювання управління. Багато систем управління досі базуються на припущеннях про поведінку, які ще не були достатньо ретельно перевірені.
Разом із цим, я бачу цінність у фінансуванні структурованих експериментів із різними моделями управління. Контрольовані випробування, симуляції та емпіричні дослідження мають величезний потенціал допомогти зрозуміти, як учасники справді поводяться і які дизайни більш стійкі на практиці.
