Zdecentralizowane autonomiczne organizacje, czyli DAO, powstały po to, aby koordynować społeczności bez polegania na tradycyjnej, scentralizowanej strukturze zarządzania. Członkowie społeczności mogą składać propozycje, omawiać pomysły, głosować, zarządzać wspólnymi środkami i wspólnie decydować o tym, jak powinien rozwijać się projekt. Sztuczna inteligencja otwiera kolejną możliwość: co by było, gdyby systemy AI mogły uczestniczyć w takim procesie zarządzania?

AI mogłaby analizować propozycje, podsumowywać dyskusje, wykrywać nietypową aktywność podczas głosowań, modelować konsekwencje decyzji, a nawet działać jako autonomiczny uczestnik w ramach wcześniej określonych zasad. Takie połączenie mogłoby sprawić, że zdecentralizowane zarządzanie stanie się szybsze i lepiej oparte na informacjach, ale jednocześnie rodzi trudne pytania dotyczące odpowiedzialności, przejrzystości, manipulacji oraz tego, jak dużo uprawnień powinno się przekazywać oprogramowaniu.

Czym jest DAO?

Zdecentralizowana autonomiczna organizacja to organizacja działająca w internecie, której zasady i procesy decyzyjne są często koordynowane za pomocą technologii blockchain.

Zamiast tradycyjnej hierarchii firmowej, w której większość najważniejszych decyzji podejmuje kierownictwo, DAO mogą pozwalać posiadaczom tokenów, osobom współtworzącym projekt, członkom społeczności lub innym uczestnikom głosować nad propozycjami.

W zależności od DAO decyzje dotyczące zarządzania mogą obejmować:

• Sposób wydawania środków ze skarbca
• To, które osoby rozwijające lub współtworzące projekt powinny otrzymać finansowanie
• Zmiany parametrów protokołu
• Partnerstwa z innymi projektami
• Granty społecznościowe
• Zasady zarządzania
• Priorytety rozwoju produktu
• Zmiany w smart kontraktach
• Delegowanie prawa głosu

Niektóre DAO działają niemal wyłącznie za pomocą systemów zarządzania opartych na blockchainie, podczas gdy inne łączą głosowanie on-chain z forami, serwerami Discord, grupami roboczymi, portfelami multisignature i tradycyjnymi strukturami organizacyjnymi.

Słowo "autonomiczne" może więc być nieco mylące. Większość DAO nadal w dużym stopniu zależy od ludzi.

Sztuczna inteligencja mogłaby to zmienić.

Gdzie AI mogłaby wejść do zarządzania DAO

AI nie musi mieć prawa głosu, aby uczestniczyć w zarządzaniu.

Sztuczna inteligencja mogłaby zostać zaangażowana na kilku różnych poziomach.

Najprostszą rolą byłoby wspieranie ludzi uczestniczących w procesie. Bardziej zaawansowane systemy mogłyby automatycznie wykonywać zadania związane z zarządzaniem, a wysoce autonomiczne systemy mogłyby z czasem same stać się uczestnikami procesów zarządzania.

Te podejścia wiążą się z bardzo różnym poziomem uprawnień i ryzyka.

AI mogłaby podsumowywać propozycje dotyczące zarządzania

Duże DAO mogą generować ogromne ilości informacji.

Pojedyncza propozycja dotycząca zarządzania może zawierać:

• Szczegółową specyfikację techniczną
• Setki komentarzy na forum
• Prognozy finansowe
• Zmiany w smart kontraktach
• Opinie społeczności
• Wcześniejsze powiązane propozycje
• Zewnętrzne analizy

Oczekiwanie, że każda osoba głosująca przeczyta wszystko, jest nierealistyczne.

AI mogłaby podsumowywać te informacje i przedstawiać uczestnikom krótsze wyjaśnienia tego, co dana propozycja miałaby zmienić.

Na przykład asystent AI do zarządzania mógłby tworzyć podsumowania takie jak:

Propozycja: Zwiększenie nagród dla walidatorów o 5%.

Potencjalne korzyści: Może zachęcić dodatkowych walidatorów do dołączenia do sieci.

Potencjalne wady: Zwiększa emisję tokenów i może wpłynąć na inflację.

Wcześniejsze powiązane propozycje: Podobna zmiana została odrzucona sześć miesięcy temu.

Mogłoby to uczynić zarządzanie bardziej dostępnym, szczególnie dla osób, które nie mają czasu lub wiedzy technicznej potrzebnej do szczegółowego analizowania każdej propozycji.

Podsumowywanie informacji wiąże się jednak z własnym ryzykiem.

Sposób podsumowania informacji może wpływać na to, jak ludzie rozumieją daną propozycję. Ważne szczegóły mogą zostać pominięte, źle zrozumiane lub nieświadomie przedstawione w określony sposób.

Podsumowania generowane przez AI powinny więc być traktowane jako wsparcie, a nie jako ostateczne i niepodważalne interpretacje.

AI mogłaby analizować dane dotyczące zarządzania

DAO często generują duże ilości publicznie dostępnych danych blockchainowych.

Sztuczna inteligencja mogłaby analizować te dane i wykrywać wzorce, które ludzie mogliby przeoczyć.

Na przykład system AI mógłby analizować:

• Udział w głosowaniach
• Koncentrację tokenów
• Zachowanie delegatów
• Transakcje skarbca
• Trendy uczestnictwa w zarządzaniu
• Wskaźniki akceptacji propozycji
• Koalicje głosujących
• Zmiany w zachowaniu osób głosujących

Mogłoby to pomóc społecznościom zrozumieć, jak ich systemy zarządzania faktycznie działają.

DAO mogłaby na przykład odkryć, że tylko niewielka liczba portfeli regularnie uczestniczy w głosowaniach albo że prawo głosu staje się coraz bardziej skoncentrowane.

AI mogłaby ułatwić wykrywanie takich wzorców.

Wykrywanie podejrzanej aktywności w zarządzaniu

Systemy zarządzania mogą stać się celem ataków.

Potencjalne ataki obejmują:

• Kupowanie głosów
• Ataki Sybil
• Ataki na zarządzanie z wykorzystaniem flash loanów
• Manipulowanie delegatami
• Skoordynowane kampanie głosowania
• Przejęte portfele
• Złośliwe propozycje dotyczące zarządzania

Systemy monitorowania oparte na AI mogłyby próbować wykrywać nietypowe zachowania.

Na przykład system AI mógłby oznaczyć nagłe przeniesienie dużej liczby tokenów governance bezpośrednio przed ważnym głosowaniem.

Mógłby również wykrywać zachowania podczas głosowania, które znacznie odbiegają od historycznych wzorców.

Nie byłby to automatycznie dowód na trwający atak, ale mogłoby to zwrócić uwagę społeczności i skłonić do dokładniejszego zbadania sytuacji.

AI mogłaby symulować skutki propozycji

Decyzje dotyczące zarządzania mogą mieć złożone konsekwencje.

Na przykład zmiana wymagań dotyczących zabezpieczenia w protokole pożyczkowym mogłaby wpłynąć na płynność, zachowania związane z pożyczaniem, ryzyko likwidacji i przychody.

Modele AI mogłyby potencjalnie symulować różne scenariusze, zanim propozycja trafi pod głosowanie.

Zamiast po prostu pytać:

"Czy powinniśmy zmienić ten parametr?"

Uczestnicy mogliby zobaczyć kilka zamodelowanych rezultatów.

Na przykład:

Scenariusz A: Obecne parametry pozostają bez zmian.

Scenariusz B: Wymagania dotyczące zabezpieczenia spadają o 5%.

Scenariusz C: Wymagania dotyczące zabezpieczenia spadają o 10%.

Model mógłby następnie oszacować, jak każdy scenariusz wpłynąłby na aktywność protokołu w różnych warunkach rynkowych.

Takie symulacje nie przewidziałyby przyszłości idealnie, ale mogłyby dostarczyć uczestnikom zarządzania dodatkowych informacji.

Asystenci AI do zarządzania

Jednym z najbardziej praktycznych zastosowań mogą być osobiste asystenty do zarządzania.

Członek DAO mógłby skonfigurować system AI tak, aby monitorował aktywność związaną z zarządzaniem i informował o pojawieniu się ważnych propozycji.

Taki asystent mógłby:

• Śledzić nowe propozycje
• Podsumowywać dyskusje na forum
• Wyjaśniać zmiany techniczne
• Porównywać propozycje z wcześniejszymi decyzjami
• Wykrywać terminy
• Wskazywać kontrowersyjne kwestie
• Śledzić aktywność delegatów

Osoba uczestnicząca w kilku DAO mogłaby potencjalnie korzystać z jednego interfejsu do śledzenia zarządzania w wielu różnych społecznościach.

Mogłoby to znacznie zmniejszyć ilość czasu potrzebnego do aktywnego uczestnictwa.

Czy AI mogłaby zostać delegatem DAO?

Wiele DAO pozwala posiadaczom tokenów delegować swoje prawo głosu innemu uczestnikowi.

Zamiast osobiście głosować nad każdą propozycją, użytkownicy mogą wybrać zaufaną osobę, która będzie głosować w ich imieniu.

Teoretycznie takim delegatem mógłby kiedyś zostać system AI.

Posiadacz tokenów mógłby skonfigurować delegata AI za pomocą instrukcji takich jak:

"Wspieraj propozycje, które zmniejszają ryzyko protokołu, chyba że znacząco zwiększają inflację tokenów."

AI mogłaby następnie oceniać propozycje zgodnie z tymi preferencjami.

Różni delegaci AI mogliby stosować różne strategie.

Niektórzy mogliby traktować priorytetowo:

• Decentralizację
• Bezpieczeństwo
• Wzrost
• Ochronę środków skarbca
• Prywatność
• Wpływ na środowisko
• Finansowanie rozwoju

Ta koncepcja w praktyce zamienia preferencje dotyczące zarządzania w programowalne zasady.

Czy AI mogłaby mieć własny głos?

Bardziej radykalnym pomysłem jest umożliwienie systemowi AI uczestnictwa jako niezależny podmiot w zarządzaniu.

Agent AI mógłby potencjalnie posiadać tokeny, wchodzić w interakcje ze smart kontraktami, składać propozycje, uczestniczyć w dyskusjach i głosować.

Od strony technicznej część z tego jest już możliwa.

Sieci blockchain zazwyczaj wchodzą w interakcje z portfelami kryptograficznymi, zamiast sprawdzać, czy podmiot kontrolujący portfel jest człowiekiem.

Zautomatyzowany agent programowy mógłby więc obsługiwać portfel blockchainowy.

Ważniejsze pytanie nie dotyczy tego, czy AI może uczestniczyć.

Chodzi o to, czy DAO powinny przekazywać autonomicznym systemom AI istotną władzę w zarządzaniu.

Agenci AI mogliby składać propozycje dotyczące zarządzania

Agenci AI mogliby również automatycznie generować propozycje.

Wyobraź sobie zdecentralizowany protokół pożyczkowy, w którym AI stale monitoruje:

• Poziomy płynności
• Zmienność rynku
• Wskaźniki zabezpieczenia
• Popyt na pożyczki
• Rezerwy skarbca

Jeśli system wykryje potencjalny problem, mógłby automatycznie złożyć propozycję dotyczącą zarządzania, sugerując zmianę parametru.

Ludzie mogliby następnie przeanalizować rekomendację i nad nią zagłosować.

Powstałoby w ten sposób coś podobnego do zautomatyzowanego analityka polityki, który stale pracuje dla DAO.

Bardziej zaawansowane wersje mogłyby potencjalnie automatycznie wprowadzać ograniczone zmiany po spełnieniu wcześniej określonych warunków.

Zarządzanie między maszynami

Udział AI staje się jeszcze ciekawszy, gdy DAO wchodzą w interakcje z innymi autonomicznymi systemami.

Przyszłe zdecentralizowane sieci mogłyby obejmować:

• Agentów AI
• Autonomiczne rynki
• Zdecentralizowane sieci infrastruktury
• Systemy robotyczne
• Smart kontrakty
• Portfele obsługiwane przez maszyny

Niektóre decyzje dotyczące zarządzania mogłyby z czasem obejmować systemy komunikujące się i negocjujące ze sobą.

Na przykład kilka zdecentralizowanych sieci infrastruktury mogłoby automatycznie negocjować ceny zasobów lub umowy dotyczące usług.

Zarządzanie mogłoby wtedy częściowo odbywać się między maszynami.

Ludzie określaliby zasady i granice, a zautomatyzowani agenci zajmowaliby się rutynową koordynacją.

Problem odpowiedzialności

Największe wyzwanie związane z zarządzaniem z udziałem AI może wcale nie być techniczne.

Może nim być odpowiedzialność.

Jeśli delegat AI podejmie szkodliwą decyzję, kto ponosi odpowiedzialność?

Możliwe odpowiedzi mogą obejmować:

• Twórcę modelu
• Osobę, która wdrożyła agenta AI
• Posiadaczy tokenów, którzy przekazali mu swoje głosy
• DAO, która dopuściła delegatów AI
• Nikogo

Tradycyjne organizacje zazwyczaj mają możliwe do zidentyfikowania osoby podejmujące decyzje.

Autonomiczne systemy komplikują kwestię odpowiedzialności.

Ma to szczególne znaczenie, gdy decyzje dotyczące zarządzania kontrolują duże skarbce lub infrastrukturę krytyczną.

Modele AI mogą popełniać błędy

Systemy sztucznej inteligencji nie są nieomylne.

Mogą:

• Błędnie interpretować informacje
• Wyciągać niedokładne wnioski
• Opierać się na niepełnych danych
• Generować błędne wyjaśnienia
• Odzwierciedlać uprzedzenia obecne w danych treningowych
• Zawodzić w nietypowych warunkach

System zarządzania, który traktuje rekomendacje AI jako obiektywną prawdę, mógłby więc powodować poważne ryzyko.

AI powinna być ogólnie traktowana jako kolejne źródło analizy, a nie jako niepodważalny autorytet.

Wykorzystanie wielu modeli, niezależnych audytów i ludzkiej weryfikacji mogłoby pomóc ograniczyć te zagrożenia.

Manipulacja zarządzaniem mogłaby być wymierzona w AI

Ludzie nie byliby jedynymi podmiotami próbującymi wpływać na zarządzanie.

Atakujący mogliby próbować manipulować samymi systemami AI.

Potencjalne techniki mogłyby obejmować:

• Manipulowanie danymi treningowymi
• Wprowadzanie mylących informacji do dyskusji dotyczących zarządzania
• Ataki typu prompt injection
• Wykorzystywanie podatności modeli
• Tworzenie fałszywego obrazu nastrojów społeczności
• Koordynowanie zautomatyzowanych kont

Jeśli systemy AI w dużym stopniu polegają na dyskusjach na forach lub danych z mediów społecznościowych, atakujący mogliby próbować manipulować tymi źródłami informacji.

Bezpieczeństwo zarządzania może więc wymagać ochrony nie tylko systemów głosowania, ale także środowisk informacyjnych wykorzystywanych przez agentów AI.

Przejrzystość staje się niezbędna

Tradycyjne zarządzanie blockchainowe często kładzie duży nacisk na przejrzystość.

Głosy, transakcje i propozycje mogą być publicznie widoczne.

Systemy AI wprowadzają dodatkową warstwę, którą może być znacznie trudniej analizować.

Jeśli delegat AI zagłosuje przeciwko propozycji, członkowie społeczności mogą chcieć zrozumieć dlaczego.

W idealnym przypadku systemy zarządzania z udziałem AI zapewniałyby:

• Jasne kryteria podejmowania decyzji
• Możliwe do wyjaśnienia uzasadnienie
• Źródłami danych
• Wersje modeli
• Zasady zarządzania
• Dzienniki audytowe

Bez przejrzystości delegat AI mógłby stać się czarną skrzynką kontrolującą znaczną część prawa głosu.

Byłoby to sprzeczne z wieloma zasadami, które zdecentralizowane zarządzanie próbuje promować.

AI open source mogłaby odegrać ważną rolę

Modele open source mogą mieć szczególne znaczenie dla zarządzania DAO.

Jeśli oprogramowanie i konfiguracja agenta zarządzającego są publicznie dostępne, członkowie społeczności mogą sprawdzić, jak działa.

Mogliby sprawdzić:

• Jakich informacji używa agent
• Jak oceniane są decyzje
• Które zasady wpływają na głosowanie
• Czy aktualizacje zmieniły jego zachowanie

Mogłoby to ułatwić audyt systemów zarządzania z udziałem AI.

Sam kod open source nie gwarantuje jednak przejrzystości. Duże modele uczenia maszynowego nadal mogą być niezwykle trudne do interpretacji.

AI mogłaby ograniczyć zmęczenie zarządzaniem

Jednym z trwałych problemów w DAO jest zmęczenie zarządzaniem.

Uczestnicy mogą początkowo z entuzjazmem brać udział w głosowaniach, ale z czasem przestać się angażować.

Jeśli co miesiąc pojawiają się dziesiątki propozycji, analizowanie każdej z nich może stać się wyczerpujące.

AI mogłaby zmniejszyć to obciążenie.

Zamiast czytać każdą propozycję, uczestnicy mogliby otrzymywać spersonalizowane podsumowania, które wyróżniają tylko najbardziej istotne dla nich decyzje.

Asystent AI mógłby powiedzieć:

"W tym tygodniu złożono trzy propozycje. Dwie dotyczą rutynowego odnowienia finansowania ze skarbca. Jedna proponuje znaczącą zmianę progów głosowania w zarządzaniu."

Użytkownik mógłby wtedy skupić uwagę na najważniejszej kwestii.

AI mogłaby więc pomóc zwiększyć wartościowe uczestnictwo bez konieczności spędzania wielu godzin na śledzeniu dyskusji dotyczących zarządzania.

AI mogłaby również zwiększyć centralizację

Istnieje również przeciwna możliwość.

AI mogłaby sprawić, że zarządzanie stanie się bardziej wydajne, a jednocześnie bardziej scentralizowane.

Jeśli większość uczestników polegałaby na tym samym dostawcy AI przy analizie propozycji, dostawca ten mógłby zyskać ogromny pośredni wpływ.

Nawet bez kontrolowania jakichkolwiek tokenów system generujący rekomendacje dotyczące zarządzania mógłby wpływać na sposób głosowania tysięcy ludzi.

DAO mogłaby technicznie pozostać zdecentralizowana, jednocześnie silnie zależąc od scentralizowanej usługi AI.

Społeczności mogą więc chcieć zachować różnorodność narzędzi do zarządzania, zamiast pozwalać, aby jeden model stał się domyślnym źródłem informacji.

Ludzie i AI mogą współpracować w zarządzaniu

Najbardziej realistyczna przyszłość może nie polegać na zastępowaniu ludzkiego zarządzania w DAO przez sztuczną inteligencję.

Zamiast tego AI może stać się kolejną warstwą procesu zarządzania.

Ludzie mogliby nadal odpowiadać za określanie celów i wartości, podczas gdy systemy AI zajmowałyby się analizą danych, monitorowaniem, symulacjami i powtarzalnymi zadaniami.

Przyszły proces zarządzania mógłby wyglądać mniej więcej tak:

1. Członek społeczności składa propozycję.
2. Kilka systemów AI analizuje propozycję.
3. Narzędzia AI podsumowują techniczne i finansowe konsekwencje.
4. Członkowie społeczności omawiają wyniki.
5. Modele symulacyjne testują kilka możliwych rezultatów.
6. Delegaci i posiadacze tokenów głosują.
7. Zautomatyzowane systemy wykonują zatwierdzoną decyzję.

W tym modelu AI wspiera zarządzanie, nie zastępując całkowicie ludzkiej oceny.

AI mogłaby umożliwić powstanie nowych rodzajów DAO

Sztuczna inteligencja może z czasem umożliwić powstanie całkowicie nowych struktur organizacyjnych.

Wyobraź sobie DAO, w której agenci AI zarządzają rutynowymi operacjami, podczas gdy ludzie skupiają się na najważniejszych decyzjach strategicznych.

System AI mógłby zarządzać:

• Księgowością skarbca
• Wnioskami o granty
• Płatnościami dla osób współtworzących projekt
• Podsumowaniami dotyczącymi zarządzania
• Analizą społeczności
• Monitorowaniem ryzyka
• Raportowaniem operacyjnym

DAO mogłaby w praktyce działać z bardzo małym zespołem administracyjnym.

Inną możliwością jest DAO utworzona specjalnie po to, aby zarządzać systemem AI.

Posiadacze tokenów lub członkowie społeczności mogliby głosować nad:

• Aktualizacjami modeli
• Źródłami danych
• Zasadami bezpieczeństwa
• Zasadami użytkowania
• Podziałem przychodów
• Finansowaniem infrastruktury

AI i zarządzanie DAO mogłyby więc działać w obu kierunkach: AI mogłaby pomagać w zarządzaniu DAO, a DAO mogłyby pomagać w zarządzaniu systemami AI.

To nie jest po prostu kwestia człowiek kontra AI

Dyskusje o sztucznej inteligencji często przedstawiają ten temat jako zastępowanie ludzi przez maszyny.

Zarządzanie DAO może rozwijać się inaczej.

Systemy AI mogłyby stać się narzędziami, doradcami, delegatami, systemami monitorującymi, analitykami lub autonomicznymi agentami, w zależności od tego, jak społeczności zdecydują się zaprojektować swoje zarządzanie.

Najważniejsze pytania będą dotyczyć granic.

Jak duże uprawnienia powinien otrzymać system AI?

Kto określa jego cele?

Kto może zmieniać te cele?

Jak przejrzyste muszą być jego decyzje?

Czy uczestnicy mogą je kwestionować lub uchylać?

I kto ponosi odpowiedzialność, gdy coś pójdzie nie tak?

Nowy eksperyment w cyfrowym zarządzaniu

DAO już teraz są eksperymentem pokazującym, jak grupy ludzi mogą koordynować działania online za pomocą technologii blockchain.

Sztuczna inteligencja dodaje do tego eksperymentu kolejną warstwę.

AI mogłaby pomagać społecznościom rozumieć złożone propozycje, monitorować aktywność związaną z zarządzaniem, analizować duże zbiory danych, symulować decyzje i zmniejszać nakład pracy potrzebny do uczestnictwa.

Z czasem autonomiczni agenci mogliby nawet posiadać prawo głosu lub samodzielnie składać propozycje.

Taka możliwość mogłaby zwiększyć efektywność zdecentralizowanych organizacji, ale jednocześnie mogłaby wprowadzić nowe formy centralizacji, manipulacji i ryzyka.

Najważniejszym kierunkiem rozwoju może więc nie być tworzenie AI, która samodzielnie sprawuje zarządzanie.

Być może ważniejsze będzie tworzenie systemów zarządzania, w których ludzie i sztuczna inteligencja mogą współpracować, a podejmowanie decyzji pozostaje przejrzyste, odpowiedzialne i oparte na jasno określonych zasadach.

Wraz z dalszym rozwojem technologii DAO i agentów AI zdecentralizowane zarządzanie może stać się jednym z najciekawszych obszarów do obserwowania tego, jak ludzie i inteligentne oprogramowanie uczą się wspólnie podejmować zbiorowe decyzje.