Monitoring Limits in DAO Governance: Capacity Breakpoints and Endogenous Concentration

この論文は、DAO における提案数の増加が広範な参加者の監視能力を超えた時点で、実質的なガバナンス権限が少数の積極的な参加者に集中する傾向があることを、実証データを用いて示しています。

要約

この論文は、**「DAO（分散型自律組織）は、最初はみんなが参加できる民主的な場所に見えるけれど、活動が活発になりすぎると、実は少数の「熱心な人々」だけが実質的にコントロールするようになってしまう」**という現象を解明したものです。

著者は、この現象を**「監視しきれないほど大きくなりすぎた（Too Big to Monitor）」**という考え方を使って説明しています。

以下に、専門用語を排し、身近な例え話を使って分かりやすく解説します。

---

🏛️ 1. 物語の舞台：巨大な「町内会」の悲劇

DAO を想像してみてください。それは、中央のリーダー（社長や市長）がおらず、全員が平等に投票して決める巨大な町内会のようなものです。

• 理想： 誰でも参加でき、みんなの意見で決まる。
• 現実： 最近の研究では、実は少数の「熱心なメンバー」がほとんどを決めていることが多い。

この論文は、**「なぜ、みんなが参加できるはずのシステムが、いつの間にか少数派に支配されてしまうのか？」**というメカニズムを解明しています。

📝 2. 核心となるアイデア：「提案の洪水」と「疲れ」

この現象の鍵は、**「監視する力（キャパシティ）」**にあります。

• 提案（Proposal）： 町内会で「公園にベンチを置こう」「ゴミ集積所を変えよう」といった新しい案が出ること。
• 監視（Monitoring）： その案を読んで、メリット・デメリットを考え、投票すること。

【状況 A：提案が少ないとき】
提案が週に 1〜2 件しかないときは、町内会の全員が余裕を持って「あ、これ面白いな」「これは反対だ」と考え、投票できます。この頃は、本当に「分散型」で民主的です。

【状況 B：提案が洪水のように増えたとき】
しかし、活動が活発になり、週に 50 件、100 件と提案が殺到するとどうなるでしょうか？

• 「全部読む時間がない！」
• 「専門用語が難しすぎて分からない！」
• 「疲れてしまった…」

ここで**「参加の限界（キャパシティの壁）」**が訪れます。一般の参加者は、提案の量が増えすぎると、もはやついていけなくなります。

🎯 3. 論文が見つけた「転換点」

著者は、実際の DAO のデータを使って、この「限界」がどこで起こるかを数学的に分析しました。

• 発見 1：参加者の反応が鈍くなる
  提案の数が増えるにつれて、最初は投票する人も増えます。しかし、ある一定のライン（1 回で約 9〜10 件の提案が出たあたり）を超えると、「提案がもっと増えたからといって、新しい人が投票しにくる」という効果が急激に薄れることが分かりました。

  • 例え： 10 件の提案なら 100 人が投票するけど、100 件の提案になっても、投票する人は 105 人くらいしか増えない、という状態です。

• 発見 2：実質的な支配が「少数派」へ集中する
  一般の人が「読むのが大変で離脱」した結果、残ったのは**「どんなに提案が多くても、必死に読んで投票し続ける少数の熱心な人々」**だけです。

  • 結果として、投票権は形式的には全員にあるのに、実質的な決定権は、この「少数の熱心なグループ」の手に集中してしまいます。

🧩 4. 具体的なメタファー：「情報処理のオーバーフロー」

この現象を別の例で言うと、**「カフェの注文」**に似ています。

• 静かなカフェ（提案が少ない）：
  注文が少なければ、店員（DAO）は一人一人の客（参加者）の好みを聞いて、丁寧に作れます。みんなが満足します。
• 大混雑のカフェ（提案が多い）：
  注文が殺到すると、店員は「全員が何を注文したか」を把握しきれなくなります。
  • 普通の客は「注文するの面倒だ」と言って帰ってしまいます。
  • 残るのは、**「注文内容を全て把握し、店員に指示を出し続ける常連客（少数の支配者）」**だけです。
  • 結果、カフェのメニューや運営方針は、この「常連客」の好みに合わせて決まるようになります。

💡 5. この研究が教えてくれること

この論文の結論は、**「DAO が失敗したからではない。むしろ、DAO が成功して活動が活発になりすぎたからこそ、この問題が起きた」**という皮肉な事実です。

• ** decentralization（分散化）には限界がある：**
  誰にでも参加できるシステムでも、「人間が情報を処理できる量」には上限があります。
• 対策が必要：
  活動が活発になりすぎた DAO は、ただ「もっと参加者を増やそう」とするだけでは解決しません。
  • 代理投票（Delegation）の設計： 忙しい人が、信頼できる人に投票を任せる仕組み。
  • 提案の選別： 重要なものだけを選び、ノイズを減らす仕組み。
  • 参加を助けるツール： 情報を分かりやすくまとめる仕組み。

これら「参加の負担を減らす工夫」をしないと、「民主的なはずの DAO」は、いつの間にか「少数の熱心な人々による独裁」に変わってしまうという警告です。

まとめ

この論文は、**「DAO は大きくなりすぎると、みんなが監視しきれなくなる。その結果、実質的なコントロールは、少数の「情報処理能力が高い（または時間がある）人々」に自然と移ってしまう」**という、デジタル時代の新しい組織論を提示しています。

**「自由な民主主義も、情報というリソースが枯渇すれば、再び少数の支配者を生み出してしまう」**というのが、この研究が伝える最も重要なメッセージです。

技術概要

論文要約：DAO ガバナンスにおける監視の限界と権力の集中

1. 研究の背景と問題提起

分散型自律組織（DAO）は、中央集権的な管理に代わってメンバーによる投票を通じて権力を分散させることを目的として設計されています。しかし、近年の実証研究（Appel & Grennan, 2023, 2026 など）は、実効的なガバナンスが少数の参加者に集中している傾向を示しています。

本論文は、この集中現象を生み出すメカニズムとして**「監視能力の限界（Monitoring Capacity Constraints）」**を提唱します。

• 核心的な問題: DAO における意思決定には、提案の読解、トレードオフの評価、議論の追跡、投票などの「監視（モニタリング）」コストが伴います。提案の流入量（ワークロード）が増加し、分散された参加者の監視能力を超えると、広範な参加が追いつかなくなります。
• 仮説: 提案の増加に伴い参加は増えますが、ある閾値（ブレイクポイント）を超えると、参加の伸びが鈍化し、実効的なコントロールが少数の高度に活動的な参加者へと「内生性（endogenously）」に再集中する。これを「監視しすぎ（Too Big to Monitor）」のメカニズムと呼びます。

2. データと測定

• データセット: 2020 年以降の DAO における提案および投票記録から構築された、DAO-四半期パネルデータ（136 の DAO、10 四半期、686 観測値）。
• 主要変数:
  1. ガバナンス規模（ワークロード）: 四半期あたりの提案数 $P_{it}$。対数変換 $\ln(1 + P_{it})$ を使用。
  2. 参加容量: 四半期あたりの「アクティブな投票者数」$V_{it}$（少なくとも 1 回投票した固有のエントリ/アドレス）。対数変換 $\ln(V_{it})$ を使用。
  3. 監視負荷（Monitoring Load）: 1 人のアクティブな投票者あたりの提案数 $P_{it}/V_{it}$。対数変換 $\ell_{it} = \ln(1 + P_{it}/V_{it})$。
  4. ガバナンス集中度:
     • HHI (Herfindahl-Hirschman Index): 実現された投票権の集中度。
     • Top-3 支配率: 上位 3 者の投票シェアの合計。
     • 注: 単なるトークン保有量ではなく、実際の投票結果に基づく「実効的な支配」を測定。

3. 研究方法論

本研究は、DAO 内での時間的変動（Within-DAO variation）に焦点を当てた**固定効果モデル（Fixed Effects Model）**を用いた実証分析です。

3.1 容量の分岐点モデル（Kink Model）

提案規模とアクティブな投票者数の関係が、ある閾値で変化するかを検証するために、**固定効果付きのキック回帰（Kink Regression）**を推定します。
$$y_{it} = \alpha_i + \gamma_t + \beta_1 x_{it} + \beta_2 (x_{it} - c)_+ + \varepsilon_{it}$$

• $y_{it}$: $\ln(V_{it})$（アクティブ投票者）
• $x_{it}$: $\ln(1 + P_{it})$（提案規模）
• $c$: データ駆動型で選択される分岐点（カットオフ）。
• $\beta_2$: 閾値を超えた後の傾きの変化。$\beta_2 < 0$ なら、提案増加に対する参加の反応性が低下することを示唆。

3.2 分岐点の選択

分岐点 $c$ は、残差平方和（RSS）を最小化するグリッドサーチ（10〜90 パーセンタイル範囲）によってデータ駆動的に決定されます。

3.3 集中度の転換分析

ガバナンス負荷（提案数または 1 人あたりの負荷）が上昇するにつれて、集中度（HHI, Top-3）がどのように変化するかを同様のキックモデルで分析します。ここでは、参加の閾値を強制するのではなく、各アウトカムに対して最適な閾値を個別に選択します。

4. 主要な結果

4.1 参加容量の限界（Capacity Breakpoint）

• 結果: 提案数とアクティブ投票者数の間には明確な分岐点が存在します（推定カットオフ：$\ln(1+P) \approx 2.34$、つまり約 9.4 件の提案）。
• 傾きの変化:
  • 閾値以下：傾きは 1.104（提案増加に対して参加が比例して増加）。
  • 閾値以上：傾きは 0.601 に低下（統計的に有意な減少）。
• 解釈: 提案が増えすぎると、一般参加者の監視能力が追いつかず、提案増加に対する参加の伸びが鈍化します。

4.2 監視負荷と集中度の関係

• 負荷ベース（提案/アクティブ投票者）: 監視負荷が増加すると、集中度（HHI, Top-3）は初期に急激に上昇しますが、ある閾値を超えると上昇率が大幅に鈍化します（キック点での傾き変化が統計的に有意）。
  • これは、負荷が低い段階では参加者が分散していますが、負荷が高まると実効的なコントロールが少数の「常連」に集中し、その後の負荷増加に対しては集中度の増加分が小さくなる（飽和状態）ことを示唆しています。
• 提案規模ベース（Raw Proposal Scale）: 提案数そのものに対しては、集中度は最初は低下（分散化が進む）しますが、ある閾値を超えると再び上昇に転じます。
  • 結論: 規模の拡大による分散化のメリットは無限には持続せず、ある点を超えると再び集中化への転換が生じます。

4.4 ロバストネスとブートストラップ

• 代替指標: 「アクティブ投票者」ではなく「記録された全投票者」を分母とした負荷指標を用いても、同様の結果が得られました。
• 不確実性: ブートストラップ分析により、容量の分岐点は比較的安定していますが、集中度の閾値の正確な位置は推定誤差が大きいことが示されました。しかし、「体制変化（Regime Change）」そのものの存在は支持されています。

5. 貢献と意義

学術的貢献

1. 「監視しすぎ（Too Big to Monitor）」フレームワークの拡張: これまで規制やサービス提供の文脈で議論されていた同様のメカニズムを、権威が最初から分散されている DAO という文脈に初めて適用し、実証しました。
2. 集中の動的メカニズムの解明: 集中がトークン保有の静的な属性ではなく、ガバナンスワークロードの増加に伴う「参加の飽和」によって内生性（Endogenous）に生じるプロセスを明らかにしました。
3. 実証的マイクロファウンデーション: Appel and Grennan (2023, 2026) が指摘する DAO における集中現象に対し、提案フローと監視能力のミスマッチという具体的なメカニズムを提供しました。

政策的・実務的示唆

• DAO 設計への示唆: 単に「分散化」を謳うだけでは、ワークロードが増大した際に実効的な中央集権化を避けられません。
• 解決策の必要性: 提案フィルタリング、委任（Delegation）設計の最適化、アジェンダ管理など、参加コストを削減し、広範な監視を維持するための制度的対応が、規模が拡大した DAO には不可欠であることが示唆されます。

結論

本論文は、DAO における広範な参加は無限にスケールしないことを示しました。提案の流入が分散された参加者の監視能力を超えると、実効的なコントロールは少数の高度に活動的な参加者へと自然に再集中します。これは、形式的な分散化が組織的な容量制約を排除するものではなく、制約が「参加の飽和」として再出現することを意味します。