Monitoring Limits in DAO Governance: Capacity Breakpoints and Endogenous Concentration

Deze studie toont aan dat in DAO-governance de toenemende hoeveelheid voorstellen de capaciteit van brede participatie kan overtreffen, waardoor de effectieve controle bij een bepaalde drempel verschuift naar een kleiner, intensiever deelnemend groepje.

De kern

Hier is een uitleg van het onderzoek in eenvoudig Nederlands, met behulp van alledaagse vergelijkingen.

Het Kernprobleem: "Te groot om te bewaken"

Stel je voor dat je een groot buurthuis hebt gebouwd waar iedereen samen beslissingen mag nemen. Iedereen heeft een sleutel (een token) en mag stemmen over dingen zoals: "Moeten we de tuin verbouwen?" of "Kopen we een nieuwe piano?". Dit is een DAO (een Decentrale Autonome Organisatie). Het idee is prachtig: geen enkele baas, iedereen heeft gelijk.

Maar dit onderzoek van Guy Tchuente stelt een vervelende vraag: Wat gebeurt er als het buurthuis te druk wordt?

De Analogie: De Overvolle Vergaderzaal

Het onderzoek vergelijkt een DAO met een vergaderzaal waar mensen moeten luisteren, nadenken en stemmen.

1. Het begin (Kleine groep): Als er maar één of twee voorstellen zijn per maand, kan iedereen makkelijk meedoen. Iedereen leest het voorstel, denkt na en stemt. De macht is verdeeld.
2. De groei (Het probleem): Stel dat er plotseling 50, 100 of 200 voorstellen per maand binnenkomen. Nu wordt het lastig.
   • Je hebt maar 24 uur per dag.
   • Je kunt niet alle 200 voorstellen lezen, begrijpen en beoordelen.
   • Je raakt moe (in het paper: "participation fatigue").

Wat het onderzoek ontdekte: Het "Knelpunt"

De auteur keek naar data van echte DAO's en ontdekte een specifiek knelpunt (een "breukpunt").

• Vóór het knelpunt: Als er iets meer voorstellen komen, stemmen er ook iets meer mensen mee. Alles groeit samen.
• Na het knelpunt: Zodra het aantal voorstellen te hoog wordt, stoppen de gewone mensen met meedoen. Ze hebben geen tijd meer. Ze denken: "Ik heb geen idee wat er gebeurt, ik laat het maar aan anderen over."

Het resultaat: Hoewel iedereen officieel nog steeds mag stemmen, gebeurt het daadwerkelijk stemmen alleen nog maar door een kleine groepje super-actieve mensen. De macht verschuift van "iedereen" naar "die paar mensen die het allemaal kunnen bijhouden".

De Metaphor: De Wachtlijst bij de Dokter

Stel je een huisartsenpraktijk voor:

• Als er 10 patiënten per dag zijn, kan elke patiënt zelf zijn verhaal vertellen aan de dokter.
• Als er plotseling 500 patiënten per dag zijn, kan de dokter ze niet allemaal persoonlijk spreken.
• De "gewone" patiënten gaan niet meer zelf langs; ze sturen hun verhaal via een vertrouwde verpleegkundige (een gedelegeerde) of ze hopen dat de dokter het wel goed regelt.
• Uiteindelijk bepaalt die ene verpleegkundige of de dokter wat er gebeurt, omdat zij de enige zijn die de tijd hebben om alle dossiers te lezen.

In een DAO is die "verpleegkundige" de actieve stemmer. Zodra het werk te groot wordt, concentreren de echte beslissingen zich bij hen.

De Conclusie in Eenvoudige Woorden

Het onderzoek zegt niet dat DAO's slecht zijn. Het zegt wel dat decentralisatie niet oneindig werkt.

• De les: Als een organisatie te snel groeit en te veel beslissingen moet nemen, faalt het systeem van "iedereen beslist".
• De oplossing: Om dit te voorkomen, moeten DAO's slimme regels bedenken. Bijvoorbeeld:
  • Mensen die hun stem aan een ander geven (delegatie) moeten dat beter organiseren.
  • Er moet een "poortwachter" zijn die voorstellen filtert, zodat er niet te veel rommel is om te lezen.
  • Er moet een manier zijn om het werk te verdelen, zodat de "wachtlijst" niet te lang wordt.

Kortom: Een democratie werkt goed zolang het werk te doen is voor de gemiddelde burger. Zodra het werk te groot wordt voor één persoon, neemt een kleine elite het over, zelfs als iedereen nog steeds de sleutel heeft.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Monitoring Limits in DAO Governance: Capacity Breakpoints and Endogenous Concentration" van Guy Tchuente, geschreven in het Nederlands.

1. Probleemstelling en Achtergrond

Decentralized Autonomous Organizations (DAO's) zijn ontworpen om controle te verspreiden via lidstemming in plaats van via gecentraliseerd management. Echter, recente empirische bevindingen tonen aan dat effectief bestuur vaak geconcentreerd is bij een klein aantal deelnemers, ondanks formele decentralisatie.

Het paper onderzoekt de onderliggende mechanismen van dit fenomeen. De kernhypothese is dat decentraal bestuur monitoringsintensief is. Deelnemers moeten voorstellen lezen, afwegingen maken en geïnformeerd stemmen. Naarmate de stroom van voorstellen toeneemt, kan deze monitoringlast de capaciteit van een brede participatie overtreffen. Dit leidt tot "participatievermoeidheid" en een endogene verschuiving van invloed naar een kleiner, zeer actief groepje deelnemers. Het paper test het concept "too big to monitor" (te groot om te monitoren) in de context van DAO's.

2. Data en Meting

De analyse maakt gebruik van een DAO-kwartaal panel (2020q2 tot 2022q3) bestaande uit 136 DAO's en 686 waarnemingen.

Variabelen:

• Bestuursomvang (Scale): Het aantal voorstellen ($P_{it}$) in een kwartaal. De voornaamste onafhankelijke variabele is $\ln(1 + P_{it})$.
• Deelnamecapaciteit: Het aantal actieve kiezers ($V_{it}$), gedefinieerd als unieke entiteiten die minstens één stem uitbrengen. De afhankelijke variabele is $\ln(V_{it})$.
• Monitoringlast (Load): Gedefinieerd als het aantal voorstellen per actieve kiezer ($P_{it}/V_{it}$), log-getransformeerd als $\ln(1 + P_{it}/V_{it})$.
• Concentratie: Twee maatstaven voor geactualiseerde stemconcentratie (niet alleen tokenbezit, maar daadwerkelijke stemuiting):
  1. HHI (Herfindahl-Hirschman Index): Som van de kwadraten van de stemaandelen.
  2. Top-3 Control Share: Het gezamenlijke stemaandeel van de drie grootste stemmers.

Steekproeven:
Er worden drie geneste steekproeven gebruikt: een volledige steekproef, een "capacity sample" (voor participatieanalyse) en een "harmonized concentration sample" (voor concentratieanalyse).

3. Methodologie

De empirische strategie is een reduced-form analyse met DAO-vaste effecten ($\alpha_i$) en kwartaal-vaste effecten ($\gamma_t$). Standaardfouten zijn geclusterd op DAO-niveau.

A. Kink-regressie voor Capaciteit
Om het punt te vinden waar participatie stopt met meegroeien met het werkvolume, wordt een vaste-effecten kink-model geschat:
$$y_{it} = \alpha_i + \gamma_t + \beta_1 x_{it} + \beta_2 (x_{it} - c)_+ + \varepsilon_{it}$$
Waarbij $x_{it} = \ln(1 + P_{it})$ en $(x_{it} - c)_+$ de knikterm is.

• $\beta_1$: Helling onder de drempel $c$.
• $\beta_1 + \beta_2$: Helling boven de drempel $c$.
• Een negatief $\beta_2$ duidt op een afname in de marginale responsiviteit van kiezers na het overschrijden van de capaciteitsdrempel.

B. Data-gedreven Breakpoint Selectie
De drempelwaarde $c$ wordt niet a priori vastgesteld, maar bepaald via een grid search over het 10e-90e percentiel van de verdeling van de onafhankelijke variabele. De waarde die de som van de gekwadrateerde residuen (RSS) minimaliseert, wordt gekozen als de geschatte drempel.

C. Concentratie-analyse
Voor concentratie-uitkomsten (HHI en Top-3) wordt een vergelijkbaar kink-model gebruikt, waarbij elke uitkomst zijn eigen drempel ($c_z$) bepaalt. Dit wordt gedaan voor zowel het aantal voorstellen als de monitoringlast per deelnemer.

D. Robuustheid
Er wordt getoetst met een alternatieve lastmaat (voorstellen per geregistreerde kiezer in plaats van actieve kiezer) en er wordt gebruikgemaakt van cluster-bootstrap (op DAO-niveau) om de onzekerheid rondom de geschatte drempels te evalueren.

4. Belangrijkste Resultaten

A. Participatiecapaciteit bereikt een knikpunt

• Er is een statistisch significant knikpunt gevonden bij $\hat{c}_{cap} \approx 2.34$ in $\ln(1 + \text{voorstellen})$, wat overeenkomt met ongeveer 9,4 voorstellen per kwartaal.
• Onder de drempel: De helling is 1.104 (sterke positieve relatie; meer voorstellen trekken evenredig meer kiezers aan).
• Boven de drempel: De helling daalt significant naar 0.601.
• Interpretatie: Zodra het voorstelvolume een bepaalde drempel overschrijdt, kan de brede participatie niet meer in gelijke mate mee groeien. De marginale responsiviteit van actieve kiezers neemt af.

B. Concentratie neemt toe bij hoge werklast

• Monitoringlast: Wanneer de last (voorstellen per actieve kiezer) toeneemt, stijgt de concentratie (HHI en Top-3) eerst sterk, maar de helling neemt af na het bereiken van een specifieke drempel. Dit suggereert een verzadigingsmechanisme: bij lage last leidt meer werk al snel tot meer concentratie; bij hoge last is de toename minder steil, maar de concentratie blijft wel hoog.
• Voorstelvolume: Bij analyse van puur het aantal voorstellen, vertoont de HHI een omkering. Bij lage tot gemiddelde volumes neemt concentratie af (meer decentralisatie), maar na een drempel ($\approx 2.87$ in log-schaal) neemt concentratie weer toe. Dit ondersteunt de hypothese dat schaalvoordelen in decentralisatie niet oneindig doorgaan.

C. Robuustheid en Bootstrap

• De resultaten houden stand bij het gebruik van een bredere definitie van kiezers (geregistreerde vs. actieve).
• De bootstrap-analyse toont aan dat de capaciteitsdrempel redelijk stabiel is, terwijl de exacte locatie van concentratiedrempels minder precies is geschat, maar wel consistent een regime-overgang aangeeft.

5. Bijdragen en Significantie

Wetenschappelijke Bijdragen:

1. Uitbreiding van "Too Big to Monitor": Het paper past het bestaande kader van monitoringcapaciteitsbeperkingen toe op decentrale digitale organisaties, waar autoriteit per ontwerp gedecentraliseerd is.
2. Empirische Micro-fundering: Het biedt een empirische onderbouwing voor eerdere bevindingen (Appel & Grennan, 2023, 2026) dat DAO's vaak geconcentreerd zijn. Het toont aan dat dit niet alleen een eigenschap van tokenverdeling is, maar een dynamisch proces dat ontstaat door overbelasting.
3. Methodologische Innovatie: Het gebruikt data-gedreven kink-regressies om endogene overgangspunten in governance-gedrag te identificeren, in plaats van statische concentratiemaatstaven.

Praktische en Theoretische Implicaties:

• Beperkingen van Decentralisatie: Formele decentralisatie elimineert geen organisatorische capaciteitsbeperkingen. Zodra het governance-werkvolume de capaciteit van de gemeenschap overtreft, verschuift effectieve controle endogeen naar een kleiner, hyper-actief groepje.
• Institutioneel Ontwerp: DAO's moeten mechanismen ontwikkelen om deze "monitoringlast" te managen zodra ze groeien. Dit omvat slimme delegeringsontwerpen, screening van voorstellen, agenda-beheer of andere mechanismen om participatie-efficiëntie te verhogen.
• Conclusie: Decentralisatie is niet kosteloos. Zonder institutionele aanpassingen leidt schaalvergroting in DAO's onvermijdelijk tot een herconcentratie van macht, niet omdat de structuur faalt, maar omdat de menselijke monitoringcapaciteit beperkt is.