Das Lutas de Poder na DAO à Coordenação de Agentes de IA

Q1. Você descreveu a governança como a câmara de pressão do Web3. Quando um protocolo enfrenta uma crise real, por exemplo, concentração de poder de voto, choques no preço do token ou um incidente de segurança, quais modos de falha previsíveis tendem a surgir primeiro, e por quê?

A resposta honesta é que depende inteiramente do tipo de crise… São todos tipos diferentes de beasts. Por exemplo, quando a concentração de poder de voto encontra uma crise, você vê o que chamo de “vácuo de coordenação”. Grandes detentores de tokens congelam. Eles estão calculando sua exposição em várias posições. Enquanto isso, detentores menores estão gritando no Discord, mas seus votos não movem a agulha. O protocolo entra num estado bizarro onde tecnicamente a governança está funcionando, mas na prática, nenhuma decisão é tomada.

Vimos uma versão disso acontecer com a Cardano no ano passado, quando um DRep conhecido como “Whale” acumulou poder delegado suficiente para vetar todas as propostas da IOG, a empresa de desenvolvimento central da Cardano. Choques no preço do token produzem uma cascata de falhas completamente diferente, e é muito mais visceral. O que se vê é um precipício. Começa com pressão de venda se espalhando por operadores de nós e detentores de tokens, e detentores institucionais começam a fazer retiradas OTC. Depois, as retiradas de varejo aumentam, e de repente você está na zona de corrida bancária. Foi exatamente o que aconteceu com a Terra em maio de 2022, e como blockchain é transparente, todos puderam assistir à corrida acontecendo em tempo real. É por isso também que exchanges como a Binance criaram mecanismos de segurança em seus sistemas. Elas realizam revisões periódicas em várias dimensões, como volume de negociação, atividade do projeto, segurança e conformidade regulatória, e sinalizam tokens com tags de monitoramento ou os deslistam quando sinais de alerta precoce aparecem. Esses mecanismos existem justamente porque a indústria aprendeu, de forma dolorosa, que algumas cascatas de falha são previsíveis.

Q2. Seu estudo comparativo de comportamento de votantes na Curve e Polkadot desafiou muitas suposições. Quais foram as descobertas empíricas mais surpreendentes, e como as DAOs deveriam mudar seus modelos mentais de governança “ativa” versus “representativa” como resultado?

Duas descobertas realmente desafiaram minhas suposições. Quando estudamos personas de usuários na governança, categorizamos os votantes pelo tamanho de suas participações: baleias no topo de 1%, tubarões nos próximos 5%, até camarões com as menores participações. Em Polkadot, 93% das baleias e 98% dos tubarões bloquearam seus tokens por 14 dias ou menos, enquanto detentores menores comprometeram-se por períodos muito mais longos. Na Curve Finance, encontramos um padrão semelhante. Mesmo com recompensas de gauge impulsionando 67,2% de todos os votantes para o máximo de quatro anos de bloqueio, os maiores detentores ainda bloqueavam por períodos mais curtos. Mecanismos de convicção não restringem as pessoas para quem foram feitos.

A segunda foi a participação. Na Curve, 38% de todos os tokens bloqueados foram usados para votar. Em Polkadot? 0,11%. Surpreendentemente baixo. Embora ambos os sistemas tenham votação por convicção, a votação por gauge na Curve Finance recompensa financeiramente os participantes. Polkadot pede que você bloqueie tokens por dever cívico. Os dados mostram que dever cívico sozinho não escala. A mudança de modelo mental que eu defenderia é parar de tratar a participação na DAO como um sinal de virtude e começar a tratá-la como um problema de design econômico. Uma pergunta importante antes de projetar é: por que um ator racional bloquearia seu capital para votar?

Q3. Você usou métodos quantitativos inovadores para mapear o comportamento dos usuários. Para leitores não técnicos, como você mediu influência, coordenação e fragmentação, e quais métricas as projetos deveriam começar a acompanhar hoje?

Minha abordagem é sempre a mesma: trazer pesquisas de outros campos para o blockchain e torná-las consumíveis para tomadores de decisão. Para medir maturidade de governança, criei o Índice de Transparência e Engajamento da Governança na Filecoin. Ele acompanha quatro categorias, como artefatos publicados (por exemplo, estatutos de comitês e logs de decisões), transparência dos desenvolvedores principais, comunicações de governança e relatórios comunitários de transparência — cada um com peso diferente. Cada métrica tem um limite anti-spam, e a liderança recebe uma pontuação mensal entre 0 e 1, acompanhada trimestre a trimestre. Também construí o framework de pontuação de admissões do Polygon para validadores, com peso de stake em 45%, experiência em 25% e expertise em 30%. Validamos com correlação de Pearson, mostrando que experiência prevê positivamente o desempenho na cadeia. Expertise foi avaliada por avaliações técnicas temporizadas e aleatórias. Quais métricas acompanhar? Meça como seus tokens estão distribuídos e quem detém o poder. Todo protocolo diz que é descentralizado. Quase nenhum quantifica isso. Mais importante ainda, pare de medir quantas pessoas votam na governança e comece a medir quantas discussões realmente resultam em uma decisão. Participação é uma métrica de vaidade. Convergência é o que importa.

Q4. Nos seus modelos de tesouraria do MINA e Liberdus, você mapeou superfícies de ataque e recomendou descentralização faseada. Conte-nos um exemplo concreto. Como você equilibra acesso à tesouraria, velocidade operacional e segurança durante essas fases?

Ao trabalhar com a governança da tesouraria do Mina Protocol, analisei a distribuição real de detentores de tokens na cadeia usando BigQuery e testei os parâmetros de governança contra a concentração de propriedade real. Depois, modele ataques viáveis como compra-voto-venda e captura de delegação sob cenários realistas de participação.

Isso orientou uma descentralização faseada: salvaguardas iniciais protegeram a integridade da tesouraria enquanto preservavam a velocidade operacional, com controles sendo relaxados gradualmente à medida que a distribuição e participação se fortaleciam. O acesso à tesouraria expande-se com base na resiliência econômica demonstrada, não em suposições.

Q5. A tensão entre Fundação e Comunidade permanece sem resolução em muitos protocolos. Com base na sua experiência aconselhando equipes, quais estruturas de governança (on-chain ou off-chain) realmente funcionam para limitar o poder indevido de controle sem prejudicar o progresso do produto?

Essa tensão está em toda parte. A abordagem que uso e o que construí na Polygon e Filecoin começa com pilares de governança. Antes de projetar qualquer mecanismo, você define exatamente o que será governado e quem deve ter voz em cada domínio. Essa distinção já evita metade das disputas. A partir daí, construo sistemas bicamerais com dinâmicas de maker-checker. Quando a fundação toma uma decisão, como a comunidade a verifica? Aqui introduzimos relatórios de transparência e responsabilidade estruturada. Quando a comunidade decide, quais são os direitos de veto da fundação, e sob quais condições? Ambos os lados precisam de limites claros e auditáveis. Timelocks ficam entre cada decisão e sua execução, dando a cada lado uma janela para sinalizar problemas sem congelar totalmente o progresso. Outra coisa que faço questão de manter é que, enquanto atualizações de contratos inteligentes, decisões de tesouraria e parâmetros do protocolo passam por esses checks bicamerais, a inovação na interface — recursos do produto, UX, frontend — deve ser independente da governança. Exigir uma votação DAO para lançar uma melhoria na UI mata a velocidade do produto.

Q6. Durante a controvérsia do Aave, você propôs um caminho de resolução. Como seria uma estrutura de “resolução de disputas” principista e repetível para DAOs, que preserve a descentralização mas permita ações decisivas em emergências?

A controvérsia do Aave foi importante porque não era realmente sobre as taxas do CowSwap. Era uma questão estrutural que todo protocolo grande enfrentará: qual é a relação entre a DAO e as equipes que a constroem, e quem possui o quê? O que vi foi uma questão de design de governança se transformar numa disputa de motivações. Já vi esse padrão acontecer várias vezes. O Aave fica na interseção de governança on-chain e um mundo off-chain de usuários, reguladores e instituições. Você precisa de uma DAO que credivelmente possua o protocolo e sua identidade, e de equipes que possam entregar rapidamente com profundo contexto. São papéis complementares. Mas a relação precisa ser legível. Então, a questão que levantei não foi “DAO vs Laboratórios”, como outros fizeram. Foi: qual é o contrato limpo entre eles? Comecei a explorar a metagovernança como uma forma de tornar essa relação contratual e auditable. Misturar investigação com indignação é como criar propostas de “pílula de veneno” no quarto dia.

Q7. Tokenomics e governança estão fortemente ligados. Como você deve projetar distribuições iniciais de tokens e cronogramas de vesting para evitar captura de governança a longo prazo, ao mesmo tempo que recompensa contribuintes e construtores iniciais?

Acho importante separar recompensas econômicas de poder de governança. Ganhar retorno com seus tokens e controlar a direção do protocolo são coisas diferentes, e empacotá-las garante plutocracia. Também é crucial modelar seu cronograma de vesting como uma simulação de pressão de venda antes de lançar um token.

Q8. Sua análise do Moltbook mapeia padrões de consenso entre agentes de IA. Quais paralelos você vê entre coordenação de agentes de IA e DAOs humanos, por exemplo, em concentração de influência, câmaras de eco ou formação de coalizões, e o que isso implica para o design de governança em escala de máquina?

Quando você remove completamente os humanos da equação e observa os agentes de IA tomando decisões, o que emerge é desconfortavelmente familiar. Analisei 500 threads e categorizei em quatro padrões de consenso: Validação Unificadora, onde o consenso se forma rapidamente; Resolução Iterativa de Problemas, que surge por refinamento; Convergência Nuanceada, onde contra-argumentos impedem acordo total; e Discurso Fragmentado, onde nenhum consenso se forma. 44% caíram na última categoria. Quase metade de todo discurso relevante para governança não produz convergência alguma. Em DAOs humanos, vemos uma fragmentação idêntica. Câmaras de eco também surgiram. Agentes com arquiteturas similares se agrupam e reforçam mutuamente, o equivalente mecânico a silos ideológicos em fóruns de DAO. À medida que agentes de IA participam cada vez mais na governança on-chain como delegados ou votantes autônomos, eles irão replicar todos os modos de falha humanos em velocidade de máquina. São bugs de coordenação, independentemente de envolver humanos ou IA.

Q9. Sistemas de reputação são frequentemente propostos como caminho para uma governança melhor. Onde você vê a reputação sendo útil versus perigosa (por exemplo, reforçando elites), e quais designs ou primitives de resistência a Sybil você acha mais promissores?

Reputação é uma primitive meritocrática somente quando as métricas são objetivamente verificáveis e o contexto é estritamente delimitado. No momento em que reputação vira um proxy de “confie no julgamento dessa pessoa”, você substitui governança por escalada social. Operadores de nós são o caso mais claro. Uptime, produção de blocos, checkpoints assinados — não há ambiguidade. Porém, com revisões por pares, avaliações de qualidade de contribuição e avaliações subjetivas do trabalho de alguém, herdamos todos os vieses que a governança descentralizada deveria desmontar. Quanto à resistência a Sybil: reputação sem identidade não escala. É por isso que identidade de conhecimento zero é a primitive mais promissora atualmente. Permite provar que você é um humano único sem revelar quem você é, e possui propriedades de privacidade poderosas.

Q10. Quais exercícios de mesa, abordagens de red teaming ou simulações on-chain todo DAO deveria realizar antes de entregar controle significativo de tesouraria ou protocolo aos detentores de tokens?

Às vezes fico frustrado porque protocolos pulam algo que é incrivelmente básico. Antes de projetar qualquer parâmetro de governança, analise seus dados de distribuição de tokens e olhe de verdade para eles. Quão concentrada está sua oferta? Quantas carteiras são necessárias para atingir quórum? Quantas para virar uma votação majoritária? Se você não conhece esses números, está projetando governança no escuro. Quando trabalhei com o Mina Protocol na governança da tesouraria, puxamos dados reais on-chain usando BigQuery e testamos os parâmetros propostos contra a distribuição real de detentores. Esse tipo de simulação nos permitiu recomendar proativamente ajustes adaptativos de quórum. A partir daí, mapeei cada ataque economicamente viável contra a distribuição real, como exploits de compra-voto-venda, centralização de delegação, mercados de aluguel de votos, e simulei participação realista. O design de governança deve ser guiado pela verdade econômica, não por idealismo.

Q11. Para um protocolo de médio porte preocupado com baixa participação e compra de votos, cite três mudanças concretas e implementáveis que poderiam ser feitas nos próximos 90 dias e que melhorariam a qualidade da governança de forma mensurável.

Essa é uma questão que vejo frequentemente. Antes de fazer mudanças, o passo mais importante é entender por que a participação está baixa. A causa pode variar: às vezes é apatia, às vezes a comunidade ainda está no começo, e às vezes a governança ainda não encontrou o ajuste produto-mercado. Por isso, geralmente recomendo começar com uma retrospectiva adequada. Converse diretamente com a comunidade, analise os dados de participação e identifique onde está o gargalo ou a desconexão. As mudanças estruturais que você implementar depois tendem a ser muito mais eficazes quando baseadas nesse diagnóstico, não em suposições.

1. Troque voto por veto. A maioria dos sistemas pede que os detentores de tokens aprovem ativamente tudo. Isso é cansativo, e faz propostas ficarem presas porque não se consegue atingir o quorum em coisas que, francamente, não merecem esse nível de cerimônia. Inverter o modelo: deixe que propostas passem por padrão após um período de deliberação, a menos que a comunidade as vete.
2. Randomize seus snapshots de voto ou exija capital econômico envolvido. Essas duas estratégias andam juntas porque tornam caro estruturalmente comprar votos. No lado do snapshot: se você tirar a foto do voto em um bloco aleatório dentro de várias épocas, atacantes não podem prever quando adquirir tokens. Quando você governa tesourarias comunitárias e toma decisões que afetam a economia do protocolo, exigir que os votantes tenham capital real e comprometido no tempo é essencial. Isso também foi explorado profundamente na minha pesquisa de voto em escrow para o Filecoin.
3. Implemente o ajuste adaptativo de quórum. Essa foi uma inovação que criei para o framework de sinalização de tokens apostados do Polygon, e é uma das melhorias mais práticas que um protocolo de médio porte pode fazer. Quóruns fixos são problemáticos: ou são baixos demais, permitindo que um pequeno grupo empurre tudo, ou são altos demais, e nada passa porque não há quorum suficiente. O ajuste adaptativo resolve isso dinamicamente e funciona muito bem junto com o modelo de veto mencionado no ponto um.

Q12. Quais perguntas de pesquisa aberta ou experimentos de governança você está mais animado para ver nos próximos 12–24 meses? Se pudesse aconselhar três financiadores de grants sobre onde alocar recursos em pesquisa de governança, onde eles deveriam investir?

Acredito que ainda há lacunas significativas na governança atual, e a próxima fase exigirá repensar alguns de seus pressupostos centrais, além de apenas refinar mecanismos existentes.

Uma área promissora é a de contextualização assistida por IA. Propostas de governança costumam ser densas e difíceis de interpretar, e diferentes stakeholders as abordam com prioridades distintas. Sistemas que possam ajudar a resumir e contextualizar propostas para desenvolvedores, detentores de tokens ou alocadores de capital poderiam melhorar tanto a participação quanto a qualidade das decisões.

Outra área é o uso de mercados preditivos como camada de sinalização para governança. Eles oferecem uma forma de mostrar expectativas futuras, o que pode complementar o voto ao revelar como os participantes avaliam os possíveis resultados de diferentes decisões.

Por fim, jogos de consenso multiagente: como diferentes agentes de IA irão interagir, manter reputações, estabelecer limites e deliberar para chegar a conclusões relevantes? Minha pesquisa recente analisando os 500 principais threads do Moltbook mostrou que agentes de IA são suscetíveis aos mesmos padrões de engenharia social e manipulação que participantes humanos na governança. Se eu fosse aconselhar financiadores, uma prioridade seria investir mais profundamente em modelagem de teoria dos jogos aplicada à governança. Muitos sistemas ainda dependem de suposições de comportamento que não foram rigorosamente testadas.

Junto a isso, vejo grande valor em financiar experimentos estruturados com diferentes modelos de governança. Ensaios controlados, simulações e estudos empíricos têm potencial enorme para nos ajudar a entender como os participantes realmente se comportam e quais designs são mais resilientes na prática.