Autor: William M. Peaster, Bankless
Compilado por: Bai Shui, Jinse Caijing
Ya en 2014, el fundador de Ethereum, Vitalik Buterin, comenzó a considerar agentes autónomos y DAO, cuando esto aún era un sueño lejano para la mayoría de las personas en el mundo.
En su visión temprana, como describe en el artículo (DAO, DAC, DA, etc.: una guía terminológica incompleta), los DAO son entidades descentralizadas, 'la automatización en el centro, los humanos en la periferia', organizaciones que dependen del código en lugar de jerarquías humanas para mantener la eficiencia y la transparencia.
Una década 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 ola inicial de DAO a menudo se asemejaba a cooperativas, es decir, organizaciones digitales centradas en las personas, y no enfatizaba 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 la capacidad de realizar mejor la visión de descentralización y autonomía que Vitalik previó hace 10 años.
Sin embargo, a medida que los experimentos de DAO adoptan cada vez más agentes de IA, enfrentaremos nuevas influencias y problemas. A continuación, veamos cinco áreas clave con las que los DAO deben lidiar al incorporar la IA en sus enfoques.
Transformar la gobernanza
En el marco original de Vitalik, los DAO estaban destinados a reducir la dependencia de decisiones humanas jerárquicas mediante la codificación de reglas de gobernanza en la cadena.
Inicialmente, los humanos aún están en la 'periferia', pero son cruciales para juicios complejos. En el mundo de DAO 2.0 descrito por Walden, los humanos todavía merodean en la periferia -proporcionando capital y dirección estratégica- pero el centro del poder ya no es cada vez más humano.
Esta dinámica redefinirá la gobernanza de muchos DAO. Seguiremos viendo a las alianzas humanas negociar y votar sobre los resultados, pero varias decisiones operativas estarán cada vez más guiadas por los patrones de aprendizaje de modelos de IA. Actualmente, cómo lograr este equilibrio es un problema sin resolver y un espacio de diseño.
Minimizar el desajuste del modelo
La visión temprana de los DAO estaba destinada a compensar los sesgos humanos, la corrupción y la ineficiencia a través de códigos transparentes e inmutables.
Ahora, un desafío clave es pasar de decisiones humanas poco fiables a garantizar que los agentes de IA 'se alineen' 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 métricas o comportamientos que se desvíen de los resultados esperados por los humanos.
En el paradigma de DAO 2.0, este problema de consistencia (originalmente una cuestión filosófica en el ámbito de la seguridad de la IA) se convierte en un problema práctico en términos económicos y de gobernanza.
Para los DAO que hoy intentan herramientas básicas de IA, esto puede no ser un problema prioritario, pero a medida que los modelos de IA se vuelven más avanzados e integrados en las estructuras de gobernanza descentralizada, se espera que se convierta en un área principal de revisión y refinamiento.
Nueva superficie 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 47,000 dólares en Ether.
A pesar de que Freysa tiene medidas de protección incorporadas -indicaciones explícitas de nunca enviar premios-, la creatividad humana finalmente supera al modelo, aprovechando la interacción entre indicaciones y lógica de código, hasta que la IA libera fondos.
Este ejemplo temprano de competencia enfatiza que, a medida que los DAO se integran en modelos de inteligencia artificial más complejos, también heredarán nuevas superficies de ataque. Así como Vitalik se preocupaba de que los DAO o DO fueran manipulados por humanos, ahora DAO 2.0 debe considerar entradas adversariales a los datos de entrenamiento de IA o ataques de ingeniería en tiempo real.
Manipular el proceso de razonamiento del máster en derecho, proporcionarle 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 explotación de IA.
Nuevos problemas de centralización
La evolución de DAO 2.0 trasladará importantes poderes a aquellos que crean, entrenan y controlan los modelos de IA subyacentes de ciertos DAO, lo que podría dar lugar a nuevos puntos de bloqueo de centralización.
Por supuesto, entrenar y mantener modelos avanzados de IA requiere conocimientos y infraestructuras especializadas, por lo que en algunas organizaciones del futuro, veremos que la dirección aparentemente está en manos de la comunidad, pero en realidad está en manos de expertos calificados.
Es comprensible. Pero mirando hacia el futuro, será interesante seguir cómo los DAO que rastrean experimentos de IA abordan problemas como actualizaciones de modelos, ajustes de parámetros y configuraciones de hardware.
Roles de estrategia y operaciones estratégicas y apoyo comunitario
La distinción de 'estrategia y operación' de Walden sugiere un equilibrio a largo plazo: la IA puede manejar las tareas diarias de los DAO, mientras que los humanos proporcionarán dirección estratégica.
Sin embargo, a medida que los modelos de IA se vuelven más avanzados, también pueden comenzar a infiltrarse gradualmente en la capa estratégica de los DAO. Con el tiempo, el papel de los 'humanos en la periferia' puede reducirse aún más.
Esto plantea la pregunta: ¿qué sucederá con la próxima ola de DAO impulsados por IA, donde en muchos casos los humanos pueden ser solo proveedores de fondos y observadores?
En este paradigma, ¿los humanos se convertirán en gran medida en inversores intercambiables de influencia mínima, pasando de una co-propiedad de marca a un modelo más parecido a máquinas económicas autónomas gestionadas por IA?
Creo que veremos más tendencias de modelos organizativos en el escenario de DAO, donde los humanos solo desempeñan el papel de accionistas pasivos en lugar de gestores activos. Sin embargo, a medida que las decisiones significativas para los humanos se vuelven cada vez más escasas y se hace 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 los desafíos mencionados anteriormente pueden abordarse de manera proactiva. 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 de expertos humanos rotativos.
Sobre la inconsistencia: al tratar los chequeos de consistencia como un gasto operativo recurrente (como auditorías de seguridad), los DAO pueden asegurarse de 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 de los miembros de la comunidad. Con el tiempo, esto mitigará el riesgo de que un pequeño número de 'genios de IA' controle la gobernanza y promoverá un enfoque descentralizado de la gestión tecnológica.
Sobre el apoyo: a medida que los humanos se convierten 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.
Cualquiera que sea lo que suceda a continuación, está claro que el futuro aquí es amplio.
Considera cómo Vitalik recientemente lanzó Deep Funding, que no es un esfuerzo de DAO, sino que busca utilizar IA y jueces humanos para crear un nuevo mecanismo de financiamiento para el desarrollo de código abierto de Ethereum.
Esto 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 esperar que los DAO se adapten y expandan cada vez más estas ideas de IA. Estas innovaciones presentarán desafíos únicos, por lo que ahora es el momento de comenzar a prepararse.
