Monitoring Limits in DAO Governance: Capacity Breakpoints and Endogenous Concentration

Each language version is independently generated for its own context, not a direct translation.

🍕 비유: 거대한 피자 파티와 '피로한 감시자'들

DAO 를 상상해 보세요. 마치 수백, 수천 명이 모여서 거대한 피자 파티를 여는 것과 같습니다.

목표: 모든 사람이 피자를 어떻게 나눌지, 어떤 토핑을 올릴지 함께 투표해서 결정합니다. (탈중앙화)
현실: 하지만 피자가 너무 많아지고, 매번 새로운 제안이 쏟아지면, 모든 사람이 하나하나 다 확인하고 투표할 시간이 없습니다.

이 논문은 바로 이 "피로감" 과 "결국 소수만 결정하게 되는 현상" 을 수학적으로 증명합니다.

📉 1. "감시 능력"의 한계점 (Capacity Breakpoint)

연구자는 DAO 들의 데이터를 분석하며 다음과 같은 사실을 발견했습니다.

초기 단계: 제안 (피자 메뉴 변경 등) 이 조금씩 들어오면, 사람들은 흥미를 느껴 더 많은 사람이 투표에 참여합니다. "아, 우리 모두 함께 결정하는구나!"라고 생각하며 활발해집니다.
한계점 (Breakpoint): 하지만 제안이 어느 정도 수준을 넘어서면 (약 9~10 개의 제안이 한 번에 들어오는 정도), 상황이 바뀝니다.
결과: 제안이 더 많아져도, 일반 참여자들의 반응은 둔해집니다. 사람들은 "너무 많아서 다 볼 수가 없어!"라고 생각하며 지쳐버립니다.

비유: 처음에는 친구들이 "오늘 뭐 먹지?"라고 물어볼 때 다들 의견을 내지만, 하루에 100 번이나 메뉴를 바꾸자고 하면 사람들은 "아, 너희가 결정해. 나는 그냥 먹고 싶어"라고 말하며 손을 떼게 됩니다.

🎯 2. 소수 엘리트의 등장 (Endogenous Concentration)

일반인들이 지쳐서 손을 떼면, 누가 남을까요? 바로 가장 열성적이고 시간이 많은 소수입니다.

현상: 제안이 너무 많을 때, 전체적인 참여율은 떨어지지만, 실제 투표권을 가진 소수 (상위 3 개 계정 등) 의 영향력은 급격히 커집니다.
이유: 일반인은 "너무 많아서 못 봐"라고 포기하지만, 소수 전문가는 "내가 다 봐야지"라고 감당합니다. 결과적으로, 형식적으로는 모두의 조직이지만, 실제로는 소수만이 통제하는 조직이 되어버립니다.

비유: 피자가 너무 많아서 다들 피곤해지면, 결국 가장 열성적인 3~4 명만 "자, 이거 다 내가 결정할게"라고 말하며 나머지 99% 는 그냥 따라가게 됩니다. 이것이 바로 '감시할 수 없을 정도로 너무 커진 (Too Big to Monitor)' 상태입니다.

🔍 3. 연구의 핵심 발견

이 논문은 단순히 "소수만 투표한다"는 사실을 지적하는 것을 넘어, "왜" 그렇게 되는지 그 과정을 보여줍니다.

부담의 증가: 제안의 양이 참여자의 감시 능력을 압도하는 시점이 존재합니다.
전환점: 그 시점을 넘어서면, 더 많은 제안이 들어와도 새로운 참여자는 오지 않고, 기존에 참여하던 소수에게 권력이 쏠리게 됩니다.
결론: DAO 가 아무리 탈중앙화를 표방해도, 작업량 (부하) 이 너무 많으면 자연스럽게 다시 중앙화 (소수 통제) 로 돌아가는 경향이 있습니다.

💡 이 연구가 우리에게 주는 교훈

이 논문의 결론은 "DAO 는 실패했다"가 아닙니다. 대신 다음과 같은 교훈을 줍니다.

인간은 한계가 있습니다: 아무리 기술이 발전해도, 사람이 모든 정보를 감시하고 결정하는 데는 한계가 있습니다.
해결책: DAO 가 계속 성장하려면, 단순히 "더 많은 사람"을 모으는 게 아니라, 작업량을 줄이거나 (제안 필터링), 대표를 위임하는 시스템 (Delegate) 을 잘 설계해야 합니다.

한 줄 요약:

"모두가 함께 결정하려는 DAO 도, 제안이 너무 많으면 일반인들은 지쳐서 물러나고, 결국 소수 열성파만 남게 되어 실질적으로는 다시 소수에게 권력이 집중됩니다. 이것이 바로 '감시할 수 없을 정도로 너무 커진' 조직의 운명입니다."

Each language version is independently generated for its own context, not a direct translation.

1. 연구 문제 (Problem)

탈중앙화 자율 조직 (DAO) 은 구성원 투표에 의한 권한 분산을 목표로 설계되었으나, 최근 실증 연구들은 실제 거버넌스가 소수의 참여자에게 집중되어 있음을 보여줍니다. 본 논문은 이러한 집중 현상의 기저 메커니즘을 규명하는 것을 목표로 합니다.

핵심 가설: "감시 불가능한 규모 (Too big to monitor)" 메커니즘.
문제 제기: DAO 의 거버넌스는 제안 (Proposal) 을 읽고, 평가하며, 투표하는 등 높은 수준의 '감시 (Monitoring)' 노동을 요구합니다. 제안의 유입량이 증가함에 따라 광범위한 참여자들의 감시 역량을 초과하는 지점이 발생합니다.
가정: 제안의 양이 광범위한 참여의 수용 능력을 초과할 때, 실질적인 통제권은 소수의 고도로 활동적인 참여자 (Highly active participants) 로 내생적으로 재집중됩니다. 즉, 규모 확대가 단순히 투표율 저하를 넘어, 공식적 탈중앙화 시스템 내에서 영향력의 재집중을 초래한다는 것입니다.

2. 데이터 및 측정 (Data and Measurement)

데이터 구성: 2020 년 이후의 DAO-분기 (Quarter) 패널 데이터를 사용했습니다. 총 136 개 DAO 의 686 개 분기 관측치를 포함하며, 제안 및 투표 기록을 기반으로 구축되었습니다.
주요 변수:
- 거버넌스 규모 (Scale): $P_{it}$ (분기별 제안 수). 분석 변수는 $\ln(1 + P_{it})$ 입니다.
- 참여 역량 (Participation Capacity): $V_{it}$ (분기별 활동적 유권자 수, 최소 1 회 이상 투표한 고유 주소/엔티티). 분석 변수는 $\ln(V_{it})$ 입니다.
- 감시 부하 (Monitoring Load): 제안 수를 활동적 유권자 수로 나눈 값 ( $P_{it}/V_{it}$ ). 이는 참여자 1 인당 감시 부담을 나타냅니다.
- 집중도 지표 (Concentration):
  - HHI (Herfindahl-Hirschman Index): 실현된 투표 권력의 집중도.
  - Top-3 Control Share: 상위 3 개 엔티티가 행사하는 투표 지분 합계.
- 참고: 토큰 보유량이 아닌, 실제 실현된 투표 결과 (Realized voting outcomes) 를 기반으로 집중도를 측정하여 실질적 통제력을 분석했습니다.

3. 방법론 (Methodology)

본 논문은 고정효과 (Fixed Effects) 를 포함한 킥 (Kink) 모델을 사용하여 비선형적 전환점을 식별합니다.

계량 모형:
$y_{it} = \alpha_i + \gamma_t + \beta_1 x_{it} + \beta_2 (x_{it} - c)_+ + \varepsilon_{it}$
- $y_{it}$ : 종속변수 (참여율 또는 집중도 지표).
- $x_{it}$ : 독립변수 (제안 규모 또는 감시 부하).
- $c$ : 데이터 기반으로 결정된 절단점 (Breakpoint).
- $(x_{it} - c)_+$ : 킥 항 (절단점 이상일 때만 0 이 아닌 값).
- $\alpha_i, \gamma_t$ : DAO 고정효과 및 분기 고정효과.
절단점 선정: 잔차 제곱합 (RSS) 을 최소화하는 그리드 서치 (Grid Search) 를 통해 데이터 내적 분포 (10~90 백분위수) 에서 최적의 절단점 $c$ 를 추정합니다.
분석 단계:
1. 역량 분석: 제안 규모 ( $\ln(1+P)$ ) 가 증가함에 따라 활동적 유권자 수 ( $\ln(V)$ ) 가 어떻게 반응하는지 분석하여 참여의 한계점을 찾습니다.
2. 집중도 전환 분석: 제안 규모와 감시 부하 ( $\ln(1 + P/V)$ ) 가 HHI 및 Top-3 집중도에 미치는 영향을 분석합니다. 각 결과 변수마다 별도의 절단점을 허용하여 전환 패턴을 확인합니다.
3. 강건성 검토: 활동적 유권자 대신 전체 유권자 수 ( $N_{it}$ ) 를 분모로 사용하는 대안적 부하 지표를 사용하여 결과를 검증합니다.

4. 주요 결과 (Key Results)

A. 참여 역량의 한계 (Capacity Breakpoint)

결과: 제안 활동이 특정 임계값 (약 분기당 9.4 건, $\ln(1+P) \approx 2.34$ ) 을 넘기 전까지는 제안 수 증가가 활동적 유권자 수 증가와 비례하여 반응합니다 (기울기 1.104).
전환: 임계값을 초과한 후, 추가 제안에 대한 참여자의 반응은 유의미하게 둔화됩니다 (기울기 0.601 로 감소).
의미: 광범위한 참여는 초기에는 규모 확대에 따라 증가하지만, 일정 수준 이상의 감시 부하가 발생하면 참여가 제안을 따라가지 못하게 됩니다.

B. 거버넌스 집중도의 전환 (Concentration Transitions)

감시 부하와 집중도: 감시 부하 ( $P/V$ ) 가 증가할수록 집중도 (HHI, Top-3) 는 초기에는 급격히 상승하다가, 임계값 이후에는 상승 속도가 둔화되는 비선형적 패턴을 보입니다. 이는 감시 부담이 커질수록 소수에게 권력이 집중되는 경향이 강화되다가 포화 상태에 도달함을 시사합니다.
제안 규모와 집중도: 제안 수 ( $P$ $P$ ) 가 증가함에 따라 집중도는 초기에는 감소하다가 (분산 효과), 일정 수준을 넘어서면 다시 증가하는 (재집중) 'V 자' 또는 'U 자' 형태의 전환을 보입니다.
- HHI 의 경우: 임계값 전 기울기 -0.046 (분산), 임계값 후 기울기 +0.029 (집중).
- 이는 규모 확대가 초기에는 탈중앙화를 촉진할 수 있으나, 감시 역량을 초과하는 지점에서는 오히려 통제권이 소수로 다시 집중됨을 의미합니다.

C. 강건성 및 부트스트랩

대안적 부하 지표: 활동적 유권자 대신 전체 유권자 수를 분모로 사용해도 동일한 패턴이 관찰되어, 결과가 분모 선택의 인위적 산물이 아님을 확인했습니다.
불확실성: 참여 역량 절단점은 비교적 안정적이었으나, 집중도 절단점은 추정 오차가 더 컸습니다. 이는 감시 부하 (부담/참여) 가 단순 제안 수보다 집중도 변화를 설명하는 데 더 민감한 지표임을 시사합니다.

5. 주요 기여 (Key Contributions)

이론적 확장: 기존의 'Too big to monitor' 프레임워크를 규제 및 서비스 제공 환경에서 탈중앙화 디지털 조직 (DAO) 으로 확장하여, 권한이 처음부터 분산되어 있더라도 감시 능력의 한계가 존재함을 실증했습니다.
실증적 미시적 기초 (Micro-foundation): Appel and Grennan (2023, 2026) 이 관찰한 DAO 거버넌스의 집중 현상에 대한 동적 메커니즘을 제시했습니다. 즉, 집중이 단순한 토큰 소유 구조의 문제가 아니라, 작업량 (Workload) 과 참여 역량의 불일치에서 내생적으로 발생함을 보여줍니다.
방법론적 기여: 고정효과 킥 모델을 사용하여 데이터 기반의 절단점을 도출하고, 참여율과 집중도가 동일한 작업량 구간에서 어떻게 연동되어 변화하는지를 체계적으로 분석하는 파이프라인을 제시했습니다.

6. 의의 및 시사점 (Significance)

탈중앙화의 한계: 형식적인 탈중앙화 (Formal decentralization) 는 조직의 역량 제약 (Capacity constraints) 을 제거하지 못합니다. 작업량이 광범위한 참여가 감당할 수 있는 수준을 초과하면, 실질적인 통제권은 소수의 고도로 활동적인 참여자 (또는 위임받은 대리인) 로 재집중됩니다.
정책적 함의: DAO 가 규모를 확장하기 위해서는 단순히 참여를 독려하는 것을 넘어, 작업량 관리 (Workload management) 를 위한 제도적 설계가 필요합니다.
- 제안 선별 (Proposal screening)
- 의제 관리 (Agenda management)
- 위임 메커니즘의 설계 최적화
- 참여를 절약하는 메커니즘 도입
  등이 감시 부하가 임계점을 넘지 않도록 하는 데 필수적입니다.

결론적으로 본 논문은 DAO 거버넌스가 "너무 커서 감시할 수 없다 (Too big to monitor)"는 상태에 도달하면, 탈중앙화의 이점이 사라지고 내생적으로 권력이 집중될 수 있음을 경고하며, 이를 완화하기 위한 구조적 개입의 필요성을 강조합니다.