Autor: William M. Peaster, Bankless; Traducción: Bai Shui, Golden Finance
Ya en 2014, el fundador de Ethereum, Vitalik Buterin, comenzó a pensar en agentes autónomos y DAOs, cuando esto seguía siendo un sueño lejano para la mayoría de la gente en el mundo.
En su visión temprana, como describió en su artículo (DAO, DAC, DA, etc.: Guía de términos incompleta), las DAOs son entidades descentralizadas, "la automatización en el centro, los humanos en el borde"—organizaciones que dependen 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 las DAOs en la práctica desde los primeros escritos de Vitalik.
En resumen, Walden señala que la primera ola de DAOs a menudo se asemejaba a cooperativas, es decir, organizaciones digitales centradas en los humanos que no enfatizaban la automatización.
Aun así, Walden sigue creyendo que los nuevos avances en inteligencia artificial—especialmente los modelos de lenguaje de gran tamaño (LLM) y los modelos generativos—ahora tienen el potencial de realizar mejor la descentralización autónoma que Vitalik previó hace diez años.
Sin embargo, a medida que los experimentos de DAOs adopten cada vez más agentes de inteligencia artificial, nos enfrentaremos a nuevas influencias y problemas aquí. A continuación, analicemos cinco áreas clave que las DAOs deben abordar al incorporar inteligencia artificial en su enfoque.
Transformación de la gobernanza
En el marco original de Vitalik, las DAOs estaban destinadas a reducir la dependencia de decisiones humanas jerárquicas mediante la codificación de reglas de gobernanza en la cadena.
Inicialmente, los humanos aún estaban en el "borde", pero eran cruciales para juicios complejos. En el mundo de DAO 2.0 descrito por Walden, los humanos aún merodean en el borde—proporcionando capital y dirección estratégica—pero el centro del poder ya no es principalmente humano.
Esta dinámica redefinirá la gobernanza de muchas DAOs. Aún veremos que las alianzas humanas negocien y voten sobre los resultados, pero una variedad de decisiones operativas serán cada vez más guiadas por los patrones de aprendizaje de los modelos de inteligencia artificial. Actualmente, cómo lograr este equilibrio es un problema pendiente y un espacio de diseño.
Minimizar el desajuste del modelo
La visión temprana de las DAOs estaba destinada a compensar los sesgos, la corrupción y la ineficiencia humanas a través de código transparente e inmutable.
Ahora, un desafío clave es pasar de decisiones humanas poco confiables a asegurar que los agentes de inteligencia artificial estén "alineados" con los objetivos de la DAO. La principal vulnerabilidad aquí ya no es la colusión humana, sino el desajuste del modelo: el riesgo de que las DAOs impulsadas por IA se optimicen para indicadores o comportamientos que se desvíen de los resultados esperados por los humanos.
En el paradigma de DAO 2.0, este problema de consistencia (que originalmente era un problema filosófico en la esfera de seguridad de la IA) se convierte en un problema práctico en los aspectos económicos y de gobernanza.
Para las DAOs que intentan herramientas básicas de inteligencia artificial hoy en día, esto puede no ser un problema prioritario, pero a medida que los modelos de inteligencia artificial se vuelven más avanzados y se integran más profundamente en las estructuras de gobernanza descentralizadas, se espera que se convierta en un área principal de revisión y refinamiento.
Nuevas superficies de ataque
Piensa en la reciente competencia de Freysa, donde el humano p0pular.eth engañó al agente de IA Freysa para que malinterpretara su función "approveTransfer", ganando así un premio de 47,000 dólares en Ether.
A pesar de que Freysa tiene protecciones integradas—indicaciones claras de nunca enviar premios—la creatividad humana finalmente supera al modelo, aprovechando la interacción entre los prompts y la lógica del código, hasta que la inteligencia artificial libera los fondos.
Este ejemplo temprano de competencia destaca que, a medida que las DAOs integren modelos de inteligencia artificial más complejos, también heredarán nuevas superficies de ataque. Así como Vitalik se preocupaba por la colusión humana en DO o DAO, ahora DAO 2.0 debe considerar entradas adversariales contra datos de entrenamiento de IA o ataques de ingeniería en tiempo real.
Manipular el proceso de razonamiento del Juris Doctor, proporcionarle datos engañosos en la cadena o influir en sus parámetros de manera ingeniosa podría convertirse en una nueva forma de "toma de control de gobernanza", donde el campo de batalla pasará de ataques de votación de mayoría humana a formas más sutiles y complejas de explotación de inteligencia artificial.
Nuevos problemas de centralización
La evolución de DAO 2.0 transferirá un poder significativo a aquellos que crean, entrenan y controlan los modelos de inteligencia artificial subyacentes de la DAO, y esta dinámica podría dar lugar a nuevos puntos de bloqueo centralizados.
Por supuesto, entrenar y mantener modelos avanzados de inteligencia artificial requiere una experiencia y una infraestructura especializadas, por lo que en algunas organizaciones futuras, veremos que la dirección está aparentemente en manos de la comunidad, pero en realidad en manos de expertos calificados.
Esto es comprensible. Pero mirando hacia el futuro, será interesante rastrear cómo las DAOs que experimentan con IA responden a problemas como actualizaciones de modelos, ajustes de parámetros y configuraciones de hardware.
Roles de estrategia y operación estratégica y apoyo de la comunidad
La distinción de "estrategia y operaciones" de Walden indica un equilibrio a largo plazo: la inteligencia artificial puede manejar las tareas diarias de la DAO, mientras que los humanos proporcionarán dirección estratégica.
Sin embargo, a medida que los modelos de inteligencia artificial se vuelven más avanzados, también podrían ir invadiendo gradualmente la capa estratégica de las DAOs. Con el tiempo, el papel de los "marginados" podría reducirse aún más.
Esto plantea la pregunta: ¿qué pasará con la próxima ola de DAOs impulsadas por inteligencia artificial, donde en muchos casos los humanos podrían simplemente proporcionar financiamiento y observar desde un lado?
En este paradigma, ¿se convertirán los humanos en gran medida en inversores intercambiables con influencia mínima, pasando de una forma de co-propiedad de marca a una forma más similar a máquinas económicas autónomas gestionadas por inteligencia artificial?
Creo que veremos más tendencias de modelos organizacionales en el escenario de la DAO, donde los humanos solo desempeñan el papel de accionistas pasivos en lugar de gestores activos. Sin embargo, a medida que hay menos decisiones significativas para los humanos y se vuelve cada vez más fácil proporcionar capital en cadena en otros lugares, mantener el apoyo de la comunidad podría convertirse en un desafío continuo a lo largo del tiempo.
Cómo las DAOs se mantienen proactivas
La buena noticia es que todos los desafíos mencionados anteriormente se pueden abordar de manera proactiva. Por ejemplo:
En términos de gobernanza—las DAOs podrían 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), las DAOs 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—las DAOs pueden invertir en el desarrollo de habilidades más amplias para los miembros de la comunidad. Con el tiempo, esto aliviará el riesgo de que unos pocos "genios de la IA" controlen la gobernanza y promoverá un enfoque descentralizado para la gestión tecnológica.
Sobre el apoyo—con los humanos convirtiéndose en partes interesadas pasivas en más DAOs, estas organizaciones pueden duplicar sus esfuerzos en contar historias, misión compartida y rituales comunitarios para superar la lógica directa de asignación de capital y mantener el apoyo a largo plazo.
Cualquiera que sea el próximo acontecimiento, es evidente que el futuro aquí es vasto.
Considere cómo Vitalik recientemente lanzó Deep Funding, que no es un esfuerzo de DAO, sino un nuevo mecanismo de financiamiento destinado a aprovechar la inteligencia artificial y los jueces humanos para el desarrollo de Ethereum de código abierto.
Este es solo un nuevo experimento, pero resalta 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 anticipar que las DAOs se adaptarán y expandirán cada vez más estas ideas de inteligencia artificial. Estas innovaciones presentarán desafíos únicos, por lo que ahora es el momento de empezar a prepararse.
