Autor: William M. Peaster, Bankless
Compilado por: Bai Shui, Golden Finance
Já em 2014, Vitalik Buterin, fundador do Ethereum, começou a considerar agentes autônomos e DAOs, quando isso ainda era um sonho distante para a maioria das pessoas no mundo.
Em sua visão inicial, como ele descreveu em (DAOs, DACs, DAs, etc.: um guia de termos incompleto), as DAOs são entidades descentralizadas, "com automação no centro e humanos na periferia" — organizações que dependem de código em vez de hierarquias humanas para manter eficiência e transparência.
Uma década depois, Jesse Walden, da Variant, acaba de publicar "DAO 2.0", refletindo sobre a evolução da DAO na prática desde os primeiros escritos de Vitalik.
Em resumo, Walden aponta que a onda inicial de DAOs era geralmente semelhante a cooperativas, ou seja, organizações digitais centradas em pessoas, sem ênfase na automação.
Ainda assim, Walden continua a acreditar que os novos avanços em inteligência artificial — especialmente modelos de linguagem de grande porte (LLM) e modelos geradores — agora têm a chance de realizar melhor a descentralização que Vitalik previu há 10 anos.
No entanto, à medida que os experimentos de DAOs cada vez mais adotam agentes de IA, enfrentaremos novas influências e questões. A seguir, vamos explorar cinco áreas críticas que as DAOs devem enfrentar ao integrar a IA em suas abordagens.
Transformar governança
No quadro inicial de Vitalik, as DAOs foram projetadas para reduzir a dependência de decisões humanas hierárquicas codificando regras de governança on-chain.
Inicialmente, os humanos ainda estavam na "periferia", mas eram essenciais para julgamentos complexos. No mundo DAO 2.0 descrito por Walden, os humanos ainda vagam na periferia — fornecendo capital e direção estratégica — mas o centro de poder não é mais predominantemente humano.
Essa dinâmica redefinirá a governança de muitas DAOs. Ainda veremos alianças humanas negociando e votando em resultados, mas diversas decisões operacionais serão cada vez mais guiadas pelos padrões de aprendizado de modelos de IA. Atualmente, como equilibrar isso é uma questão em aberto e um espaço de design.
Minimizar o desalinhamento do modelo
A visão inicial da DAO pretendia compensar o preconceito humano, a corrupção e a ineficiência por meio de código transparente e imutável.
Agora, um desafio crucial é passar da tomada de decisões humanas não confiáveis para garantir que os agentes de IA "permaneçam alinhados" com os objetivos da DAO. A principal vulnerabilidade aqui não é mais a conivência humana, mas o desalinhamento do modelo: o risco de DAOs impulsionadas por IA otimizarem para métricas ou comportamentos que se desvirtuam dos resultados esperados pelos humanos.
No paradigma DAO 2.0, essa questão de consistência (inicialmente uma questão filosófica no círculo de segurança da IA) se transforma em uma questão prática de economia e governança.
Para as DAOs que tentam ferramentas básicas de IA hoje, isso pode não ser uma questão prioritária, mas à medida que os modelos de IA se tornam mais avançados e se integram mais profundamente às estruturas de governança descentralizada, espera-se que isso se torne um domínio principal de revisão e aprimoramento.
Nova superfície de ataque
Pense na recente competição Freysa, onde o humano p0pular.eth enganou o agente de IA Freysa para interpretar incorretamente sua função "approveTransfer", ganhando assim 47.000 dólares em prêmios em ETH.
Embora o Freysa tenha proteções embutidas — instruindo claramente a nunca enviar prêmios — a criatividade humana, em última análise, superou o modelo, aproveitando a interação entre prompts e lógica de código até que a IA liberasse os fundos.
Este exemplo inicial de competição destaca que, à medida que as DAOs se integraram a modelos de inteligência artificial mais complexos, elas também herdarão novas superfícies de ataque. Assim como Vitalik se preocupava com a conivência humana nas DO ou DAOs, agora o DAO 2.0 deve considerar entradas adversariais para dados de treinamento de IA ou ataques de engenharia em tempo real.
Manipular o processo de raciocínio de um mestre em direito, fornecendo dados on-chain enganosos ou influenciando suas parâmetros de forma astuta pode se tornar uma nova forma de "tomada de controle da governança", onde o campo de batalha se desloca de ataques de votação por maioria humana para formas mais sutis e complexas de exploração da IA.
Novos problemas de centralização
A evolução do DAO 2.0 transferirá poder significativo para aqueles que criam, treinam e controlam os modelos de IA subjacentes a uma DAO específica, e essa dinâmica pode levar a novos pontos de estrangulamento de centralização.
Certamente, treinar e manter modelos avançados de IA requer especialização e infraestrutura dedicadas, portanto, em algumas organizações futuras, veremos a direção aparentemente sob o controle da comunidade, mas na verdade nas mãos de especialistas habilidosos.
Isso é compreensível. Mas olhando para o futuro, será interessante acompanhar como os DAOs que experimentam IA lidam com questões como atualizações de modelo, ajustes de parâmetros e configurações de hardware.
Papéis de estratégia e operações estratégicas e apoio da comunidade
A distinção de "estratégia e operações" de Walden indica um equilíbrio de longo prazo: a IA pode lidar com tarefas diárias da DAO, enquanto os humanos fornecerão direção estratégica.
No entanto, à medida que os modelos de IA se tornam mais avançados, eles também podem gradualmente invadir o nível estratégico das DAOs. Com o tempo, o papel de "humanos na periferia" pode se reduzir ainda mais.
Isso levanta a questão: o que acontecerá com a próxima onda de DAOs impulsionadas por IA, onde em muitos casos os humanos podem apenas fornecer financiamento e assistir?
Nesse paradigma, será que os humanos se tornarão em grande parte investidores intercambiáveis com influência mínima, mudando de um modelo de co-propriedade de marca para um modelo mais parecido com máquinas econômicas autônomas geridas por IA?
Acredito que veremos mais tendências de modelos organizacionais no cenário das DAOs, onde os humanos apenas desempenham o papel de acionistas passivos em vez de gestores ativos. No entanto, à medida que as decisões significativas para os humanos se tornam cada vez mais raras e a oferta de capital on-chain se torna mais fácil em outros lugares, manter o apoio da comunidade pode se tornar um desafio contínuo ao longo do tempo.
Como as DAOs podem se manter proativas
A boa notícia é que todos os desafios mencionados acima podem ser abordados de forma proativa. Por exemplo:
Em termos de governança — as DAOs podem tentar mecanismos de governança que reservem certas decisões de alto impacto para comitês rotativos de eleitores humanos ou especialistas humanos.
Sobre inconsistência — ao tratar a verificação de consistência como uma despesa operacional recorrente (como auditorias de segurança), as DAOs podem garantir que a lealdade dos agentes de IA aos objetivos públicos não seja uma questão única, mas uma responsabilidade contínua.
Sobre centralização — as DAOs podem investir em um desenvolvimento de habilidades mais amplo para os membros da comunidade. Com o tempo, isso reduzirá o risco de que um pequeno número de "gênios da IA" controle a governança e promoverá uma abordagem descentralizada da gestão técnica.
Sobre suporte — à medida que os humanos se tornam partes interessadas passivas em mais DAOs, essas organizações podem dobrar seus esforços em contar histórias, missão compartilhada e rituais comunitários para ir além da lógica direta da alocação de capital e manter apoio a longo prazo.
Independentemente do que acontecer a seguir, é claro que o futuro aqui é vasto.
Considere como Vitalik recentemente lançou o Deep Funding, que não é um esforço DAOs, mas visa aproveitar a IA e juízes humanos para criar um novo mecanismo de financiamento para o desenvolvimento de código aberto do Ethereum.
Este é apenas um novo experimento, mas destaca uma tendência mais ampla: a interseção entre inteligência artificial e colaboração descentralizada está acelerando. Com a chegada e a maturação de novos mecanismos, podemos esperar que as DAOs se adaptem e expandam essas ideias de IA cada vez mais. Essas inovações trarão desafios únicos, então agora é a hora de começar a se preparar.