DAO-AIを探る：エージェンティックシステムが集合的意思決定を変革する方法

分散型ガバナンスが成長するにつれて、構造的な逆説は避けられなくなりました。DAOは集合的知性を約束しますが、ほとんどのメンバーは提案、議論、データの流れについていけません。通常、投票に参加するトークンホルダーは10人に1人未満です。問題は無関心ではなく、認知過負荷です。ガバナンスフォーラムは情報で膨れ上がり、提案はますます技術的になり、熟慮のペースは人間の注意を超えています。

提案を理解するためのエージェンティックアプローチ

コロンビア大学とIBMリサーチの研究者によって開発された「DAO-AI」は、提案を解釈し、議論を分析し、自らの透明な立場を明確にするためのエージェント的意思決定システムを導入しています。このシステムは予測の神託として機能するのではなく、コミュニティの議論に埋め込まれた論理を反映し、テストするための構造化された方法として機能します。

スケールでの読書、推論、投票

DAO-AIはIBM Agenticsフレームワーク上に構築されており、情報をATypesとして知られる型付き構造で表現します。これらのオブジェクトは、ガバナンスフォーラムおよびオンチェーンデータから得られたテキスト、メトリクス、およびコンテキスト信号をエンコードします。論理的なトランスダクションがこれらの信号を接続し、意味を捉えます。

モジュラーコンポーザブルプログラム (MCPs) は、これらの信号をエンドツーエンドの推論フローに組み立てます。彼らは提案のメタデータを収集し、議論のトレンドを合成し、歴史的な前例を分析し、市場の反応を評価します。システムは投票を生成します — 賛成、反対、または棄権 — そしてそれに説明と信頼度を組み合わせます。

Aave、Lido、Uniswapなどからの3,383の提案の中で、DAO-AIは人間の投票結果と約92〜93%の一致を示しました。人間の感情が分かれた論争のあるケースでも、モデルは一貫性があり、解釈可能でした。その推論はまた、投票後のパフォーマンスの向上と相関が見られ、エージェンシー分析が基礎的な経済論理やコミュニティのムードを反映できることを示唆しています。

アライメントのエッジと不確実性

著者は、アラインメントが優越性を意味するわけではないことを強調しています。DAO-AIは、人工エージェントがより良い選択をすることを証明するものではなく、透明性を持って集団的な推論に近づくことができることを示しています。そのトレーニングウィンドウと設定は限られており、この研究は因果的な妥当性を主張していません。

今後の作業には、追加のガバナンスエコシステムへの拡張、対立する決定のためのベンチマークの作成、および人間とエージェントの論理の乖離を評価するためのヒューマン・イン・ザ・ループ監査の導入が含まれます。このような研究は最終的には因果テストをサポートする可能性があり、エージェントの参加がガバナンスの質を測定可能に改善するかどうかを判断することができます。

自動化から解釈へ

DAO-AIを際立たせるのは自動化ではなく翻訳です。これにより、広範で非構造的な議論が一貫した説明に変換されます。投票者を置き換えるのではなく、エージェンティックシステムは、各提案をコミュニティの推論のより広い歴史の中に位置づける透明なアドバイザーになることができます。これには、以前のトレードオフや前例も含まれます。

このアプローチは「デリゲートパスポート」という概念を指し、人間と自律エージェントの両方が、彼らの推論が集団的な結果とどれだけ一致しているかに基づいて評判のプロフィールを構築します。信頼性は、一貫性に結びつき、従属ではなくなります。アドバイザーはメンバーが責任を損なうことなく推論するのを助け、デリゲートは権威ではなく共有論理の継続性を表します。

進化する集合知への道

DAO-AIは、分散型ガバナンスの未来が人間の判断と合成的推論の協力に依存していることを示唆しています。目標は、意思決定を機械に委ねることではなく、両方の知性が透明性、解釈、共有目的を強化するシステムを開発することです。

意思決定が説明可能になると、ガバナンスは単なる投票の集計を超え、その投票の背後にある理由が重要となる領域に入ります。エージェンティックガバナンスシステムは、誠実さを失うことなく討議が拡大する未来を指し示しています — 分散型コミュニティのための新しい形の集合的理由です。