Autor: William M. Peaster, Bankless; Traducido por: Bai Shui, Jinse Caijing
Tan pronto como 2014, el fundador de Ethereum Vitalik Buterin comenzó a considerar agentes autónomos y DAO, un concepto que todavía era un sueño lejano para la mayoría de las personas en el mundo.
En su visión temprana, tal como lo describe en el artículo (DAO, DAC, DA, etc.: una guía de términos incompleta), el DAO es una entidad descentralizada, "con la automatización en el centro y los humanos en los márgenes"—una organización que depende del código en lugar de jerarquías humanas para mantener la eficiencia y la transparencia.
Diez años después, Jesse Walden de Variant acaba de publicar "DAO 2.0", reflexionando sobre la evolución de los DAO en la práctica desde los primeros escritos de Vitalik.
En resumen, Walden señala que la primera ola de DAO a menudo se asemejaba a cooperativas, es decir, organizaciones digitales centradas en los humanos que no enfatizaban la automatización.
A pesar de ello, Walden sigue creyendo que los nuevos avances en inteligencia artificial—especialmente los modelos de lenguaje grande (LLM) y los modelos generativos—ahora tienen el potencial de lograr mejor la descentralización autónoma prevista por Vitalik hace 10 años.
Sin embargo, a medida que los experimentos de DAO adoptan cada vez más agentes de inteligencia artificial, enfrentaremos nuevas influencias y problemas. A continuación, veamos cinco áreas clave que los DAO deben enfrentar al integrar la inteligencia artificial en su enfoque.
Transformar la gobernanza
En el marco original de Vitalik, el DAO estaba destinado a reducir la dependencia de decisiones humanas jerárquicas mediante la codificación de reglas de gobernanza en la cadena.
Inicialmente, los humanos todavía están en los "márgenes", pero son cruciales para juicios complejos. En el mundo del DAO 2.0 descrito por Walden, los humanos todavía merodean en los márgenes—proporcionando capital y dirección estratégica—pero el centro de poder ya no es gradualmente humano.
Esta dinámica redefinirá la gobernanza de muchos DAO. Aún veremos alianzas humanas negociando y votando sobre resultados, pero diversas decisiones operativas estarán cada vez más guiadas por los patrones de aprendizaje de los modelos de inteligencia artificial. Actualmente, cómo lograr este equilibrio es un problema abierto y un espacio de diseño.
Minimizar el desajuste del modelo
La visión temprana del DAO tenía como objetivo contrarrestar los sesgos, la corrupción y la ineficiencia humanos a través de código transparente e inmutable.
Ahora, un desafío clave es pasar de decisiones humanas poco confiables a garantizar que los agentes de inteligencia artificial estén "alineados" con los objetivos del DAO. La principal vulnerabilidad aquí ya no es la colusión humana, sino el desajuste del modelo: el riesgo de que los DAO impulsados por IA optimicen indicadores o comportamientos que se desvíen de los resultados esperados por los humanos.
En el paradigma del DAO 2.0, este problema de alineación (que originalmente era una cuestión filosófica en el ámbito de la seguridad de IA) se ha convertido en un problema práctico en términos económicos y de gobernanza.
Para los DAO que intentan herramientas de inteligencia artificial básicas hoy en día, esto puede no ser una prioridad, pero a medida que los modelos de IA se vuelvan más avanzados y se integren en estructuras de gobernanza descentralizada, se espera que se convierta en un área principal de revisión y perfeccionamiento.
Nuevas superficies de ataque
Piense en la reciente competencia de Freysa, donde el humano p0pular.eth engañó al agente de IA Freysa haciéndolo malinterpretar su función "approveTransfer", ganando así un premio en etéreo de $47,000.
A pesar de que Freysa tiene salvaguardias integradas—indicaciones claras de no enviar premios—la creatividad humana finalmente superó al modelo, aprovechando la interacción entre las indicaciones y la lógica del código, hasta que la inteligencia artificial liberó los fondos.
Este primer ejemplo de competencia destaca que, a medida que los DAO se integren en modelos de inteligencia artificial más complejos, también heredarán nuevas superficies de ataque. Así como Vitalik se preocupa por la colusión humana con los DO o DAO, ahora el DAO 2.0 debe considerar las entradas adversariales contra los datos de entrenamiento de AI o ataques de ingeniería en tiempo real.
Manipular el proceso de razonamiento de un máster en derecho, proporcionar datos engañosos en la cadena o influir astutamente en sus parámetros podría convertirse en una nueva forma de "toma de control de gobernanza", donde el campo de batalla pasará de ataques de votación mayoritaria humana a formas más sutiles y complejas de aprovechamiento de inteligencia artificial.
Nuevos problemas de centralización
La evolución del DAO 2.0 transferirá importantes poderes a aquellos que crean, entrenan y controlan los modelos de inteligencia artificial subyacentes a los DAO, lo que podría resultar en nuevos puntos de bloqueo de centralización.
Por supuesto, entrenar y mantener modelos de inteligencia artificial avanzados requiere experiencia y infraestructura especializadas, por lo que en algunas organizaciones del futuro, veremos que la dirección está aparentemente en manos de la comunidad, pero en realidad en manos de expertos capacitados.
Esto es comprensible. Pero mirando hacia el futuro, será interesante rastrear cómo los DAO que experimentan con IA manejan problemas como actualizaciones de modelos, ajustes de parámetros y configuraciones de hardware.
Roles estratégicos y operativos y apoyo comunitario
La distinción de Walden entre "estrategia y operaciones" sugiere un equilibrio a largo plazo: la inteligencia artificial puede manejar las tareas diarias del DAO, mientras que los humanos proporcionarán la dirección estratégica.
Sin embargo, a medida que los modelos de inteligencia artificial se vuelven más avanzados, también pueden ir infiltrándose gradualmente en el nivel estratégico de los DAO. Con el tiempo, el papel de los "marginados" puede reducirse aún más.
Esto plantea la pregunta: ¿qué pasará con la próxima ola de DAO impulsados por IA, en muchos casos donde los humanos pueden ser solo financiadores y observar desde un lado?
En este paradigma, ¿se convertirán los humanos en gran medida en inversores intercambiables de mínima influencia, pasando de un modelo de propiedad compartida de la marca a uno más similar a máquinas económicas autónomas gestionadas por inteligencia artificial?
Creo que veremos más tendencias de modelos organizativos en el escenario del DAO, donde los humanos solo desempeñan el papel de accionistas pasivos en lugar de gestores activos. Sin embargo, dado que hay cada vez menos decisiones significativas para los humanos, y se vuelve cada vez más fácil proporcionar capital en la cadena en otros lugares, mantener el apoyo de la comunidad puede convertirse en un desafío continuo con el tiempo.
Cómo los DAO pueden mantenerse proactivos
La buena noticia es que todos estos desafíos pueden abordarse proactivamente. Por ejemplo:
En términos de gobernanza—los DAO pueden intentar mecanismos de gobernanza que reserven ciertas decisiones de alto impacto para votantes humanos o comités rotativos de expertos humanos.
Sobre la inconsistencia—al tratar los chequeos de consistencia como un gasto operativo recurrente (como auditorías de seguridad), los DAO pueden asegurar que la lealtad de los agentes de IA a los objetivos públicos no sea un problema único, sino una responsabilidad continua.
Sobre la centralización—los DAO pueden invertir en el desarrollo de habilidades más amplias entre los miembros de la comunidad. Con el tiempo, esto mitigará el riesgo de que unos pocos "genios de la IA" controlen la gobernanza y promoverá un enfoque descentralizado para la gestión técnica.
Sobre el apoyo—con los humanos convirtiéndose en partes interesadas pasivas en más DAO, estas organizaciones pueden redoblar esfuerzos en contar historias, misiones compartidas y rituales comunitarios para ir más allá de la lógica directa de la asignación de capital y mantener el apoyo a largo plazo.
No importa lo que suceda a continuación, está claro que el futuro aquí es amplio.
Considere cómo Vitalik recientemente lanzó Deep Funding, que no es un esfuerzo del DAO, sino que tiene como objetivo aprovechar la inteligencia artificial y jueces humanos para crear un nuevo mecanismo de financiamiento para el desarrollo de código abierto en Ethereum.
Este es solo un nuevo experimento, pero destaca una tendencia más amplia: la intersección de la inteligencia artificial y la colaboración descentralizada se está acelerando. Con la llegada y maduración de nuevos mecanismos, podemos esperar que los DAO se adapten y expandan cada vez más estas ideas de inteligencia artificial. Estas innovaciones traerán desafíos únicos, por lo que ahora es el momento de comenzar a prepararse.