Autor original: 1 a 35 e 1
Traducción del texto original: Shenchao TechFlow
"Cuando el mundo que tratamos de explicar y mejorar no puede ser descrito claramente con un modelo simple, necesitamos mejorar constantemente nuestras teorías y métodos para entender mejor la complejidad, en lugar de simplemente negarla" — Elinor Ostrom
En los próximos años, la economía de redes basada en blockchain desarrollará un modo de operación complejo y diverso, que será radicalmente diferente de los modelos comerciales tradicionales que conocemos hoy.
Al investigar redes, sistemas o protocolos, a menudo evoco la escala de Kardashev, que es un indicador que mide la capacidad de una civilización para utilizar y controlar la energía. De manera similar, podemos evaluar la eficiencia operativa de una red a través de su capacidad para capturar y distribuir valor económico.
La captura de valor (Value Capture) se refiere a la capacidad de la red para generar ingresos a través de actividades operativas y convertir la participación de los usuarios en beneficios económicos.
La distribución de valor (Value Distribution) describe cómo la red distribuye eficazmente estos beneficios a los interesados, incluyendo inversores, desarrolladores, contribuyentes laborales, usuarios finales, e incluso el protocolo mismo.
Al evaluar diferentes redes blockchain, nos enfocamos principalmente en los siguientes atributos clave:
Adaptabilidad (Adaptability): ¿Puede la red ajustarse de manera flexible a las necesidades del proyecto y a los cambios en las condiciones del mercado?
Transparencia (Transparency): ¿Son claros y predecibles los cambios en la mecánica de beneficios y distribución?
Alineación de valor (Value-alignment): ¿La distribución de beneficios coincide con la creación de valor real?
Inclusividad (Inclusivity): ¿La distribución de beneficios cubre de manera justa a todos los interesados?
Basado en la idea de la escala de Kardashev, intento clasificar los tres tipos de economías de red que han surgido en el proceso de evolución de la tecnología blockchain utilizando los criterios mencionados.
Primera clase: Redes de mecanismo fijo (Type I: Fixed Mechanic Networks)
Las redes y tokens de primera generación de blockchain suelen basarse en el 'principio de reificación', es decir, la idea de diseñar modelos que imiten los modelos económicos tradicionales. Por ejemplo, los planes de emisión de tokens predefinidos simulan el proceso de extracción de minerales raros o la economía de bienes escasos, mientras que los mecanismos de participación y votación se basan en sistemas de votación pública tradicionales o modelos de gobernanza corporativa.
Bitcoin es un representante típico de este tipo, con reglas de operación que tienen una alta certeza: un límite de suministro de 21 millones, recompensas de minería fijas y ciclos de reducción a la mitad, y un consenso de Nakamoto basado en prueba de trabajo (Proof of Work). Este sistema funciona bien como herramienta de almacenamiento de valor.
Sin embargo, estos sistemas también enfrentan limitaciones significativas: carecen de la capacidad de adaptación a los cambios del mercado y son propensos al problema de 'captura económica', donde el valor de la red es excesivamente apropiado por ciertos interesados.
Este problema se manifiesta de manera particularmente evidente en el mecanismo de veLocking de Curve Finance y en otros tokens ERC-20 tempranos basados en narrativas de almacenamiento de valor. El plan de emisión fija de Curve limita de hecho el juicio del mercado sobre el valor real del token, y crea oportunidades para que actores externos como Convex 'exploten' las reglas del protocolo, destacando cómo los mecanismos del sistema pueden ser influenciados por optimizadores externos.
Segunda clase: Redes de parámetros ajustables (Type II: Governable Parameter Networks)
Una característica notable de las redes de segunda clase es que sus valores de parámetros pueden ajustarse de manera flexible. Estos sistemas en cadena pueden responder dinámicamente a través de oráculos (como Chainlink, el Oracle Optimista de UMA) o información algorítmica (como los creadores de mercado automatizados AMM), formando así sistemas adaptativos que responden a las condiciones cambiantes del mercado a través de protocolos de gobernanza.
El diseño económico de estas redes a menudo introduce mecanismos de teoría de juegos multilayer, destinados a alinear los incentivos de los interesados. La competencia entre stablecoins y protocolos de préstamos nos proporciona casos importantes, donde estos productos ajustan dinámicamente los parámetros para cubrir riesgos y garantizar el funcionamiento estable del protocolo.
Tomando a Aave como ejemplo, uno de los primeros protocolos de préstamos en la cadena dentro del ecosistema de Ethereum, que protegió con éxito 21 mil millones de dólares en fondos de usuarios durante períodos de extrema volatilidad del mercado. Para lograr esto, los mecanismos subyacentes del protocolo necesitan ser monitoreados y optimizados continuamente.
En comparación, aquellos sistemas que dependen de componentes fuera de la cadena pero que se presentan como 'protocolos' son a menudo susceptibles a problemas de agencia. Este problema se refiere a que los agentes pueden priorizar sus propios intereses sobre el interés general. Por ejemplo, Celsius fue promovido como un protocolo descentralizado, pero al solicitar la bancarrota, sus usuarios como acreedores no garantizados tenían deudas por un total de 4.7 mil millones de dólares.
De esto se deduce que los verdaderos sistemas en cadena ofrecen una mayor capacidad de protección a través del control algorítmico y la gobernanza distribuida, y son menos susceptibles a la concentración de poder o errores de decisión humana.
Tercera clase: Redes autónomas (Type III: Autonomous Networks)
Las redes de tercera clase representan la dirección teórica de la evolución de la tecnología blockchain hacia sistemas completamente autónomos. Estos sistemas operarán con la mínima intervención humana, capaces de realizar ajustes altamente adaptativos en función de los cambios en el entorno, y mostrarán una alta capacidad en la eficiencia de la transmisión de información entre sistemas.
Aunque actualmente no hay ejemplos en la realidad, se pueden anticipar las siguientes características en estos sistemas:
Optimización de parámetros autónoma (Autonomous Parameter Optimization): múltiples agentes de IA optimizarán continuamente el protocolo, aprendiendo del mercado y ajustando dinámicamente los parámetros del sistema a través de la agregación de datos en tiempo real y algoritmos evolutivos.
Orquestación de valor algorítmica (Algorithmic Value Orchestration): basada en modelos predictivos y optimización de recompensas, la estructura de tarifas dinámica puede ajustarse automáticamente según el uso de la red, logrando así la sostenibilidad a largo plazo del protocolo.
Gobernanza en un Sistema Dinámico (Governance in a Dynamical System)
La complejidad de la economía de redes blockchain exige que el sistema tenga suficiente flexibilidad para hacer frente a amenazas potenciales a la supervivencia, mientras mantiene un estado de equilibrio operativo. En este proceso, los mecanismos de gobernanza juegan un papel crucial en cada etapa de desarrollo de la red.
La capacidad intrínseca de gobernanza del sistema le proporciona una ventaja de supervivencia en un entorno de 'bosque oscuro'. 'Bosque oscuro' se refiere generalmente a un entorno competitivo y lleno de amenazas en el ámbito de blockchain. La tensión entre la flexibilidad y la seguridad de la gobernanza se manifiesta más claramente en cómo la red responde a los cambios en el entorno externo.
Las redes de primera clase (como Bitcoin) priorizan la seguridad a través de una inmutabilidad estricta, mientras que las redes de segunda clase (como Aave) demuestran una mayor adaptabilidad mediante ajustes de parámetros. Sin embargo, ambas han fallado en resolver completamente la contradicción entre flexibilidad y estabilidad: una búsqueda excesiva de flexibilidad puede debilitar la seguridad, mientras que un énfasis excesivo en la estabilidad puede limitar la capacidad de adaptación del sistema.
Sistemas multicéntricos y bienes comunes (Polycentric Systems and the Commons)
Al explorar las mejores prácticas en gobernanza de blockchain, encontré la investigación pionera de la Premio Nobel Elinor Ostrom sobre la gestión de bienes comunes. Aunque su investigación no es exactamente lo mismo que la economía tokenizada, su estudio empírico proporciona una hoja de ruta clara para lograr sistemas de tercera clase (Type III).
Un sistema multicéntrico es un modelo de gobernanza en el que múltiples centros de decisión independientes poseen cierto grado de autonomía, pero operan en colaboración como parte de un sistema integral.
Las principales características de un sistema multicéntrico incluyen:
Existen múltiples autoridades y centros de decisión, y estos centros son formalmente independientes entre sí;
Los centros pueden tener superposiciones e interacciones en términos de jurisdicción y responsabilidades;
Dentro de un marco unificado, los centros poseen un grado significativo de autonomía;
Lograr coordinación a través de mecanismos formales o informales.
Ocho principios de Ostrom
Basándose en el estudio de más de 800 casos globales, Ostrom resumió ocho principios sobre la gestión de bienes comunes. Estos principios también tienen una importancia significativa en la gobernanza de blockchain y criptomonedas:
Límites claros: definición clara del alcance del uso de recursos y usuarios;
Reglas adaptadas al entorno local: las reglas deben ser adecuadas al lugar;
Decisión participativa: los interesados establecen las reglas conjuntamente;
Monitoreo efectivo: asegurar que las reglas sean cumplidas;
Medidas de sanción progresivas: castigos escalonados por violaciones;
Mecanismos accesibles de resolución de conflictos: proporcionar vías justas y eficientes para la resolución de disputas;
Derechos organizativos: permitir que los miembros de la comunidad se autoorganicen;
Empresas en red: incluir múltiples niveles de estructuras organizativas dentro de un marco de gobernanza más amplio.
Si creemos que la economía tokenizada es la tendencia del futuro, debemos reconocer que la tecnología de gobernanza es clave para el éxito de estos nuevos sistemas.
Conclusión (Conclusion)
A pesar de la gran inversión actual en economía tokenizada e infraestructura de criptomonedas, hemos invertido insuficientemente en el núcleo de los sistemas de gobernanza. El verdadero desafío no es crear nuevos tokens, sino construir un sólido marco de toma de decisiones colectivas y supervisión. El enfoque excesivo del capital de riesgo en los tokens refleja un desajuste entre los incentivos de ganancias a corto plazo y la sostenibilidad a largo plazo de los sistemas descentralizados. Sin mecanismos de gobernanza complejos y robustos, incluso el diseño de tokens más ingenioso tendrá dificultades para lograr un valor duradero.
La evolución de la economía de redes desde sistemas de primera clase hasta sistemas de tercera clase no es solo un avance técnico, sino una búsqueda continua de cómo construir ecosistemas digitales más resilientes, adaptativos y justos. Los mecanismos fijos de Bitcoin, la gobernanza parametrizada de Aave, y el potencial teórico de las redes autónomas, ofrecen valiosas experiencias para este proceso evolutivo.
La investigación de Ostrom sobre sistemas multicéntricos y gestión de bienes comunes ha establecido un puente importante entre la sabiduría de gobernanza tradicional y el futuro de las redes digitales. Sus principios han sido validados a través de cientos de casos reales, proporcionando valiosas orientaciones para abordar los desafíos centrales de la gobernanza de redes: cómo equilibrar la seguridad y la flexibilidad, garantizar una distribución justa del valor, y promover la evolución del sistema mientras se mantiene la integridad del mismo.
A medida que la economía de redes avanza hacia direcciones más complejas, la clave del éxito puede radicar en integrar los siguientes enfoques diferentes:
El pensamiento 'prioridad de seguridad' de las redes de primera clase: garantizar la seguridad del sistema a través de reglas fijas;
La capacidad de adaptación de los sistemas de segunda clase: responder a los cambios mediante el ajuste dinámico de parámetros;
Potencial de autonomía de la red de tercera clase: minimizar la intervención humana a través de AI y algoritmos;
Sabiduría empírica de la gobernanza multicéntrica: lograr coordinación y desarrollo a través de estructuras de gobernanza multilayer y multicéntricas.
El futuro de la economía de redes no será determinado por la capacidad tecnológica o la cultura popular, sino por nuestra capacidad para implementar estos sistemas de una manera que sirva a todos los interesados, al mismo tiempo que mantenemos la resiliencia operativa. A medida que la red evoluciona continuamente, la integración de inteligencia artificial, optimización de parámetros dinámicos y nuevas estructuras de gobernanza puede crear formas de organización económica que aún no entendemos completamente.
Es seguro que el camino hacia adelante requiere que aceptemos la complejidad en lugar de tratar de evitarla. Como sugirió Ostrom, nuestra tarea no es simplificar estos sistemas, sino desarrollar mejores marcos para entender y gestionarlos. La próxima generación de economía de redes necesita ser tan compleja como los problemas que intenta resolver, y al mismo tiempo debe ser amigable y justa para todos los participantes.
