Q1. Вы описали управление как камеру давления Web3. Когда протокол сталкивается с настоящим кризисом, например, концентрированная голосовая власть, ценовые шоки токенов или инцидент безопасности, какие предсказуемые режимы сбоя обычно проявляются первыми и почему?
Честный ответ — это полностью зависит от типа кризиса… Все они разные. Например, когда концентрированная голосовая власть сталкивается с кризисом, появляется то, что я называю «координационным вакуумом». Большие держатели токенов замораживаются. Они рассчитывают свою экспозицию по позициям. В то же время меньшие держатели кричат в Discord, но их голоса не влияют на ситуацию. Протокол входит в это странное состояние, когда технически управление функционирует, но практически решения не принимаются.
Мы видели подобное в прошлом году с Cardano, когда один DRep по имени «Whale» накопил достаточно делегированной голосовой силы, чтобы полностью заблокировать все предложения от IOG, основной компании-разработчика Cardano. Ценовые шоки токенов вызывают совершенно другой каскад сбоев, и он гораздо более осязаемый. Вы видите обрыв. Он начинается с давления на продажу, распространяющегося среди операторов узлов и держателей токенов, а институциональные держатели начинают делать OTC-снятия. Затем растут розничные выводы, и внезапно вы оказываетесь в ситуации банковского кризиса. Именно так произошло с Terra в мае 2022 года, и поскольку блокчейн прозрачен, все могли наблюдать за этим в реальном времени. Именно поэтому такие биржи, как Binance, встроили механизмы безопасности в свои системы. Они периодически проводят обзоры по нескольким направлениям, таким как объем торгов, активность проекта, безопасность и соблюдение нормативных требований, и отмечают токены с помощью мониторинговых тегов или исключают их из листинга при появлении ранних сигналов тревоги. Эти механизмы существуют именно потому, что индустрия усвоила горький урок: некоторые каскады сбоев предсказуемы.
Q2. Ваше сравнительное исследование поведения избирателей в Curve и Polkadot оспорило многие предположения. Какие были самые удивительные эмпирические открытия и как DAO должны изменить свои ментальные модели «активного» против «представительного» управления в результате?
Два открытия действительно поставили под сомнение мои предположения. Когда мы изучали пользовательские персоны в управлении, мы классифицировали избирателей по размеру их владений: киты — верхние 1%, акулы — следующие 5%, и так далее до креветок с минимальными владениями. В Polkadot 93% китов и 98% акул заблокировали свои токены на 14 дней или меньше, в то время как меньшие держатели делали это на гораздо более длительные сроки. В Curve Finance мы обнаружили похожую картину. Даже при том, что награды за голосование стимулировали 67,2% всех избирателей к максимальной блокировке на четыре года, крупнейшие держатели всё равно блокировали свои токены на меньшие сроки. Механизмы убеждения не ограничивают тех, для кого они предназначены.
Второе — это явка избирателей. В Curve 38% всех заблокированных токенов использовались для голосования. В Polkadot? 0,11%. Удивительно низко. Хотя обе системы используют механизмы убеждающего голосования, голосование в Curve Finance финансово поощряет участников. Polkadot же просит вас блокировать токены из гражданской ответственности. Данные показывают, что гражданская ответственность сама по себе не масштабируется. Модель мышления, которую я предлагаю, — перестать рассматривать участие в DAO как сигнал добродетели и начать воспринимать это как проблему экономического дизайна. Важный вопрос перед проектированием: почему рациональный актор будет блокировать свой капитал для голосования?
Q3. Вы использовали новые количественные методы для картирования поведения пользователей. Для неспециалистов — как вы измеряли влияние, координацию и фрагментацию, и какие метрики проекты должны начать отслеживать сегодня?
Мой подход всегда один и тот же: внедрять исследования из других областей в блокчейн и делать их понятными для принимающих решения. Для оценки зрелости управления я создал Индекс прозрачности и вовлеченности в управление (Governance Transparency and Engagement Index) в Filecoin. Он отслеживает четыре категории, такие как опубликованные артефакты (например, уставы комитетов и журналы решений), прозрачность основных разработчиков, коммуникации по управлению и отчеты сообщества о прозрачности — каждая с разным весом. У каждого метрика есть антиспам-лимит, и руководство получает один ежемесячный балл от 0 до 1, который отслеживается квартал за кварталом. Мы также разработали систему оценки допуска в Polygon для валидаторов, где вес стейка составляет 45%, опыт — 25%, а экспертиза — 30%. Мы подтвердили её корреляцией Пирсона, показывающей, что опыт положительно влияет на показатели в сети. Экспертиза оценивалась через временные, рандомизированные технические оценки. Какие метрики отслеживать? Изучайте распределение ваших токенов и кто обладает властью. Каждая протокольная система заявляет о децентрализации, но почти никто не дает конкретных чисел. Самое важное — перестать измерять количество голосов в управлении и начать измерять, сколько обсуждений действительно приводят к принятию решений. Участие — это показатель тщеславия. Важна конвергенция.
Q4. В ваших моделях казначейских систем MINA и Liberdus вы анализировали поверхности атак и рекомендовали поэтапную децентрализацию. Расскажите конкретный пример. Как вы балансируете доступ к казначейству, операционную скорость и безопасность на этих этапах?
Работая с управлением казначейством Mina Protocol, я анализировал реальное распределение держателей токенов в сети с помощью BigQuery и стресс-тестировал параметры управления на основе концентрации владения. Затем моделировал возможные атаки, такие как buy-vote-dump и захват делегирования, при реалистичных сценариях участия.
Это позволило сформировать поэтапную децентрализацию: на ранних этапах вводились меры защиты, сохраняющие целостность казначейства и операционную скорость, при этом контроль постепенно ослаблялся по мере укрепления распределения и участия. Доступ к казначейству расширяется на основе подтвержденной экономической устойчивости, а не предположений.
Q5. Напряженность между Фондом и сообществом остается нерешенной во многих протоколах. Исходя из вашего опыта консультирования команд, какие механизмы управления (на цепочке или вне цепочки) действительно работают для ограничения чрезмерной власти лабораторий и контроля, не тормозя развитие продукта?
Это напряжение есть везде. Мой подход и то, что мы построили в Polygon и Filecoin, начинаются с опорных принципов управления. Перед тем как проектировать механизм, четко определите, что будет управляться и кто должен иметь право голоса в каждой области. Эта разметка уже предотвращает половину конфликтов. Далее я строю двухпалатные системы с ролями maker и checker. Когда фонд принимает решение, как сообщество его проверяет? Здесь мы внедрили отчеты о прозрачности и структурированную ответственность. Когда сообщество принимает решение, какие у фонда есть право вето и при каких условиях? Обе стороны должны иметь четкие, проверяемые ограничения. Тейл-тайм-локи (задержки) стоят между каждым решением и его выполнением, давая возможность обеим сторонам выявлять проблемы, не останавливая полностью прогресс. Еще я сознательно отделяю интерфейсные инновации — такие как новые функции продукта, UX и фронтенд — от управления. Требовать голосование DAO для выпуска обновлений UI — это способ убить скорость развития продукта.
Q6. Во время конфликта с Aave вы предложили путь решения. Как бы выглядела принципиальная, повторяемая «система разрешения споров» для DAO, которая сохраняет децентрализацию, но позволяет принимать решительные меры в чрезвычайных ситуациях?
Конфликт с Aave был важен, потому что он не касался фактических сборов CowSwap. Он был о структурном вопросе, с которым рано или поздно столкнется любой крупный протокол: какова связь между DAO и командами, которые его развивают, и кто что владеет? Я увидел, что вопрос дизайна управления превращается в борьбу мотивов. Я неоднократно сталкивался с этим. Aave находится на пересечении on-chain управления и офф-чейн мира пользователей, регуляторов и институтов. Вам нужны и DAO, который надежно владеет протоколом и его идентичностью, и команды, способные быстро доставлять продукт с глубоким контекстом. Они дополняют друг друга. Но отношения должны быть прозрачными. Поэтому я начал исследовать метагосударство как способ сделать эти отношения контрактными и проверяемыми. Смешивание расследования и возмущения — это путь к появлению proposals с ядовитыми пилюлями на четвертый день.
Q7. Токеномика и управление тесно связаны. Как следует проектировать начальное распределение токенов и графики вестинга, чтобы избежать долгосрочного захвата власти и одновременно поощрять ранних участников и создателей?
Я считаю важным отделять экономические вознаграждения от управленческой власти. Получение дохода на свои токены и контроль над направлением протокола — это разные вещи, и их объединение гарантирует олигархию. Также важно моделировать график вестинга как симуляцию давления на продажу перед запуском токена.
Q8. Ваш анализ Moltbook отображает паттерны консенсуса среди AI-агентов. Какие параллели вы видите между координацией AI-агентов и человеческими DAO, например, в концентрации влияния, эхо-камерах или формировании коалиций, и что это означает для проектирования управления на машинном масштабе?
Когда полностью исключаешь человека и наблюдаешь за принятием решений AI-агентами, возникает очень знакомая картина. Я проанализировал 500 потоков и выделил четыре паттерна консенсуса: объединяющая валидация, где консенсус формируется быстро; итеративное решение проблем, возникающее через уточнение; нюансированная конвергенция, когда контраргументы мешают полному согласию; и фрагментированный дискурс, где никакого консенсуса не достигается. 44% попали в последнюю категорию. Почти половина дискуссий, связанных с управлением, не приводят к конвергенции. В человеческих DAO мы видим аналогичную фрагментацию. Также возникают эхо-камеры: агенты с похожими архитектурами группируются и усиливают друг друга — машинный аналог идеологических silo в форумах DAO. По мере того, как AI-агенты всё активнее участвуют в управлении как делегаты или автономные голосующие, они будут повторять все человеческие ошибки с машинной скоростью. Это баги координации, независимо от того, связаны ли они с людьми или AI.
Q9. Системы репутации часто предлагаются как путь к лучшему управлению. Где вы видите их полезными, а где опасными (например, укрепление элит), и какие дизайны или принципы сопротивления Sybil-атакам наиболее перспективны?
Репутация — это меритократическая примитивность, которая работает только тогда, когда метрики объективно проверяемы, а контекст строго ограничен. Как только репутация превращается в прокси для «доверяю мнению этого человека», управление превращается в социальное продвижение. Самый очевидный пример — операторы узлов: время работы, производство блоков, подписи контрольных точек — тут нет неоднозначности. Однако при оценке качества вклада, рецензиях и субъективных оценках работы человека мы наследуем все предубеждения, с которыми должна бороться децентрализованная власть. Что касается сопротивления Sybil-атакам: репутация без идентичности не масштабируется. Поэтому сейчас наиболее перспективной примитивностью является zero-knowledge-идентификация. Она позволяет доказать, что вы — уникальный человек, не раскрывая свою личность, и обладает мощными свойствами конфиденциальности.
Q10. Какие tabletop-упражнения, red-team подходы или симуляции на цепочке должен провести каждый DAO перед передачей значимых казначейских или протокольных полномочий держателям токенов?
Иногда меня расстраивает, что протоколы пропускают что-то очень базовое. Перед тем как настраивать параметры управления, возьмите данные о распределении держателей токенов и реально их проанализируйте. Насколько концентрирована ваша эмиссия? Сколько кошельков нужно, чтобы достичь кворума? Сколько — чтобы провести большинство голосов? Если вы не знаете этих чисел, вы проектируете управление вслепую. Когда я работал с Mina Protocol по их управлению казначейством, мы использовали реальные данные на цепочке через BigQuery и стресс-тестировали предложенные параметры на основе фактического распределения. Такой симуляции достаточно, чтобы проактивно рекомендовать адаптивное смещение кворума. Затем я моделировал возможные атаки, такие как buy-vote-dump, централизация делегирования, рынки аренды голосов, и симулировал реалистичную явку. Проектирование управления должно основываться на экономической правде, а не на идеализме.
Q11. Для протокола среднего размера, обеспокоенного низкой явкой и покупкой голосов, назовите три конкретных, реализуемых изменения, которые можно внедрить за следующие 90 дней и которые измеримо улучшат качество управления.
Это вопрос, с которым я сталкиваюсь часто. Перед внесением изменений самое важное — понять, почему явка низкая. Причина может быть разной: апатия, ранняя стадия сообщества или отсутствие подходящей продуктовой рыночной модели у управления. Поэтому я обычно начинаю с ретроспективы. Общайтесь напрямую с сообществом, анализируйте данные участия и выявляйте источники трения или отчуждения. Структурные изменения, которые вы внедряете, будут гораздо более эффективными, если основаны на этом диагностическом анализе, а не на предположениях.1. Переключитесь с голосования на вето. Большинство систем требуют, чтобы держатели токенов активно одобряли все. Это утомительно, и предложения застревают, потому что невозможно достичь кворума по вопросам, которые не заслуживают такой церемонии. Переверните модель: пусть предложения проходят по умолчанию после периода обсуждения, если сообщество не наложит вето.2. Рандомизируйте снимки голосов или требуйте экономический интерес. Эти два подхода связаны, потому что оба делают покупку голосов структурно дорогой. Для снимков: если делать снимок голосов в случайном блоке за последние эпохи, злоумышленники не смогут предсказать, когда приобретать токены. Когда вы управляете казначействами сообщества и принимаете решения, влияющие на экономику протокола, требуйте, чтобы у голосующих был реальный, временно закрепленный капитал. Это я подробно исследовал в своей работе по голосованию с эскроу для Filecoin.3. Внедрите адаптивное смещение кворума. Это то, что я разработал для системы сигнализации стейкнутых держателей Polygon, и это одно из самых практичных улучшений для протокола среднего размера. Проблема с фиксированными кворумами в том, что они либо слишком низкие, позволяя небольшой группе проталкивать решения, либо слишком высокие, и ничего не проходит, потому что не хватает участников. Адаптивное смещение кворума динамически решает эту проблему и отлично сочетается с моделью вето, описанной в пункте один.
Q12. Какие открытые исследовательские вопросы или эксперименты в области управления вы особенно хотите увидеть в ближайшие 12–24 месяца? Если бы вы могли посоветовать трем грантовым организациям, куда направить деньги на исследования в области управления, что бы это было?
Я считаю, что в текущей форме управление все еще имеет существенные пробелы, и следующий этап потребует переосмысления некоторых его базовых предположений, а не только доработки существующих механизмов.
Одной из перспективных областей я считаю AI-поддерживаемую контекстуализацию. Предложения по управлению часто сложны и трудно интерпретируемы, а разные заинтересованные стороны подходят к ним с разными приоритетами. Системы, способные помогать суммировать и контекстуализировать предложения для разработчиков, держателей токенов или инвесторов, могут повысить участие и качество решений.
Еще одна перспективная область — использование prediction markets как сигнального слоя для управления. Они позволяют выявлять ожидания участников, что может дополнить голосование, показывая, как участники оценивают вероятные исходы различных решений.
И, наконец, многоагентские игры консенсуса: как разные AI-агенты будут взаимодействовать, держать репутацию, иметь ограничения и обсуждать, чтобы прийти к значимым выводам? Мое недавнее исследование топ-500 потоков Moltbook показало, что AI-агенты подвержены тем же социальным инженериям и манипуляциям, что и участники человеческого управления. Если бы я советовал грантодателям, приоритетом было бы более глубокое моделирование теории игр в управлении. Многие системы управления все еще основаны на предположениях о поведении, которые не были rigorously протестированы. Также важно финансировать структурированные эксперименты с разными моделями управления: контролируемые испытания, симуляции и эмпирические исследования — это огромный потенциал для понимания реального поведения участников и устойчивости различных дизайнов.
