다원적 관리: 탈중앙화 커뮤니티에서 누구의 말이 통할 것인가? (하)
글: Tobin South, Leon Erichsen, Shrey Jain, Petar Maymounkov, Scott Moore, E. Glen Weyl
번역: Tiao
역자 서문: 「다원적 관리」의 후반 세 절에는 이 메커니즘에 대한 수학적 설명이 상당히 많이 포함되어 있으며, 번역 과정에서도 어려움을 느꼈지만, 형식화되고 수학적인 특성 덕분에 응용 및 반복 개발에 용이합니다. 탈중앙화 커뮤니티 거버넌스 기술에 관심 있는 분들께 도움이 되길 바랍니다.
본문은 「다원적 관리(Plural Management)」 논문의 후반 세 절입니다. 전편은 『다원적 관리: 탈중앙화 커뮤니티에서 누가 결정하는가? (상)』를 참고하시기 바랍니다.
제3절 모델 세부 사항
다원적 관리 프로토콜은 두 가지 핵심 활동을 정의합니다: 우선순위 하위 시스템과 승인 하위 시스템입니다. 이러한 하위 시스템들은 함께 존재하여 보다 광범위한 조직 구조를 구성하며, 개인은 다양한 행동을 취하기 위한 관리 포인트를 획득할 수 있습니다. 조직 설립 초기에 이러한 포인트를 배분할 수 있으며, 새로운 구성원의 참여와 함께 자연스럽게 배분될 수도 있습니다(결과적으로 창립자의 통제력이 시간이 지남에 따라 실질적으로 약화됨). 포인트는 단순한 원장에 저장되며, 프로토콜과의 상호작용 시 수정됩니다.
이러한 관리 포인트의 공유, 통제 및 가시성과 관련하여 추가 고려사항들이 존재합니다. 예를 들어, 조직이 각 구성원의 점수를 공개함으로써 포인트를 동적으로 운영해야 하는가?(이는 본질적으로 암묵적인 권위 순위를 생성함), 개인이 다른 구성원에게 직접 관리 포인트를 양도할 수 있어야 하는가?(이러한 방식은 신규 구성원의 가입을 간소화하고 숙련된 구성원이 체면 있게 퇴출할 수 있도록 하지만, 엘리트 지배를 약화시키고 담합이나 음모를 초래할 수 있음). 이러한 열린 문제들에 대해서는 결론 부분에서 다시 다룰 것입니다.
3.1 우선순위 설정
개요: 모든 이슈들은 칸반보드에 나열되며, 구성원들은 관리 포인트를 사용해 이차방 자금조달 메커니즘을 통해 문제의 우선순위를 설정합니다(예: 각 구성원이 Pi 포인트를 지출하면 총 우선순위는 (√Pi)²). 대량의 포인트를 보유한 자는 매칭 풀에 추가될 수 있습니다. 기여가 발생한 경우, 우선순위 포인트와 매칭 포인트는 동결되며, 기여가 투표를 통과하면 해당 기여자에게 배분됩니다.
첫 번째로 고려할 하위 시스템은 칸반보드를 통한 우선순위 설정 절차입니다. 보드 상에서 각 주요 작업 또는 전략적 과제는 하나의 이슈로 할당되어야 하며, 이는 대부분의 오픈소스 프로젝트가 GitHub에서 운영되는 방식과 유사합니다.
각 구성원은 자신의 일부 관리 포인트를 소비하여 우선순위를 설정할 수 있습니다. 이것은 동적인 과정으로, 구성원은 언제든지 각 이슈에 대해 포인트를 추가하거나 철회할 수 있습니다. 특정 이슈 j에 대해 Pi 포인트를 소비한 각 구성원 i의 우선순위 기여도는 √Pji이며, 전체 우선순위 QPj는 (∑√Pji)²로 계산됩니다. 이는 이차방 자금조달의 원리와 완전히 동일하며, 매칭 펀드(Matching Fund) 개념도 차용합니다. 매칭 펀드는 투표에 사용된 포인트로부터 생성되거나, 대량의 관리 포인트를 보유한 자(초기 창립 멤버 등)에 의해 추가될 수 있으며, 이들은 자금을 매칭 풀에 기부함으로써 새로운 기여자를 유인할 수 있습니다.
실제로 매칭 펀드는 항상 이차방 우선순위를 완전히 보조할 만큼 충분한 포인트를 보유하지 못할 수 있습니다. 이를 해결하기 위해 총 기여 보상(Contribution Payout, CP)은 매칭 펀드의 비율에 따라 조정됩니다[2].
특정 이슈에 기여가 있을 경우, 해당 이슈의 보상을 동결해야 합니다[3]. 이후 기여는 아래와 같은 투표 과정을 거칩니다. 투표가 실패하면 해당 이슈는 다른 기여를 제안하기 위해 다시 칸반보드로 돌아갑니다.
3.2 승인
개요: 기여 투표는 어떤 구성원이라도 v²의 비용으로 v표를 행사해 지지 또는 반대할 수 있도록 합니다. 이는 표준적인 단일 이슈 이차방 투표 메커니즘입니다. 조직 관리자는 이슈 보상에서 포인트를 확보하여 기여의 성공 가능성을 예측하고 올바른 예측에 보상을 제공함으로써 구성원을 유인할 수 있습니다. 이는 소액 포인트 보유자가 조직 전체의 요구를 이해하고 기여에 대해 충분한 검토를 수행하도록 유도하는 데 도움이 됩니다. 예측자는 2v의 보상을 받으며, 관리자는 파라미터 K를 설정함으로써 투표 대비 예측 비용을 낮출 수 있습니다.
기여가 제안되면, 이는 투표 단계로 진입합니다. 관리 포인트를 보유한 구성원이라면 누구나 투표에 참여할 수 있습니다. 이차방 투표 규칙에 따라 한 표를 행사하는 비용은 v² 포인트입니다. 각 사람은 지지 또는 반대 투표를 할 수 있으며, 반대 투표는 결과 계산 시 -v로 간주됩니다. 다른 이차방 투표와 마찬가지로, 적절한 투표 기간이 있어야 하며, 그 기간이 끝난 후에는 투표 총합에 따라 결정이 내려집니다. 단순한 경우, 이슈의 우선순위 설정 기간 동안 해당 이슈에 투입된 모든 자금은 기여자에게 귀속됩니다. 투표 기간 동안 구성원이 사용한 모든 포인트는 우선순위 설정을 위한 일반 매칭 펀드로 직접 유입됩니다[4].
이러한 투표 행위는 간단하지만 비용이 발생합니다. 즉, 구성원은 자신이 벌어들인 포인트를 사용해 권위를 행사하고 조직이나 프로젝트의 방향에 영향을 미칠 수 있습니다. 따라서 소량의 포인트만 보유한 초기 구성원은 자신의 포인트에 비해 투표에 영향을 미치는 비용이 높을 수 있습니다. 이는 소액 관리 포인트를 보유한 구성원이 기여가 프로젝트에 적합한지 평가하기 위한 검토(일반적으로 큰 작업량)를 수행할 동기를 갖지 못할 수 있음을 의미합니다.
저권위 구성원의 투표 참여와 기여의 질 신호 제공을 유도하기 위해, 조직 관리자는 추가적인 예측 단계를 통해 투표자에게 보상을 줄 수 있습니다. 관리자는 투표 대비 예측 비용을 낮추기 위해 파라미터 K를 선택합니다. 올바른 투표에 대한 예측이 없으면 투표 비용은 Kv²입니다. 만약 동시에 v 포인트를 예측에 걸면, 비용은 Kv²+v가 됩니다. 이러한 올바른 예측에 대한 보상은 기여 보상에서 나오며, 기여에 대한 분석을 유도하기 위한 일종의 처리 수수료로 볼 수 있습니다.
예측자는 비용 없이 예측을 하지 않거나, 성공 시 [5] 2v의 보상을 받기 위해 정확히 v 포인트를 걸 수 있습니다[6]. 큰 K 값(예: 1 이상)의 경우, 투표의 이차방 비용 때문에 포인트가 매우 적을 때 외에는 투표가 수익성이 없습니다(그러나 예측자가 통과 가능성은 ½보다 크다고 생각한다면, v 포인트를 걸어 손실을 최소화할 수 있음). K=0일 경우, 투표 비용은 0이며, 투표자가 자신의 투표가 통과될 것이라고 믿는다면(위험 중립적이라고 가정하면) 가능한 많은 포인트를 걸어야 합니다. 그러나 K=0은 피해야 하며, 실제로 정리 3은 기여 보상에 대한 기대가 과도하게 감소되지 않도록 K 값을 충분히 높게 설정해야 함을 보여줍니다. 전반적으로 관리자는 다양한 행동 조합을 유도하기 위해 적절한 K 값을 점진적으로 학습하고 선택할 수 있습니다.
이 메커니즘의 중요한 측면은 이러한 예측 보상이 소액 투표에만 유리하다는 점입니다. 투표의 이차방 비용으로 인해, 높은 영향력을 가진 대량 투표는 합리적인 비제로 K 값에서는 결코 수익성이 없습니다. 이는 중요한 특성으로, 대량의 관리 포인트를 보유한 권위자들이 단지 커뮤니티 선호도를 알고 있다는 이유만으로 보상을 받는 것을 방지하고, 적절한 방법으로 영향력을 추구하는 사람에게 보상을 주도록 보장합니다.
제4절 프로토콜 속성 분석
여기서 우리는 프로토콜의 투표 행동을 분석하여 그 특성을 보여주고, 다양한 목표 또는 보장을 달성하기 위한 파라미터 선택을 도출합니다. 위의 구조와 정의를 사용하며, 각 개인이 개인적 선호와 더 많은 관리 포인트 획득(미래 결과에 영향을 미치는 권한)을 위한 선형 조합을 통해 개인 효용을 극대화한다는 가정을 도입합니다. 이 분석은 메커니즘 설계에서 흔히 적용되는 준선형 효용 설정과 유사하며, 특정 조건 하에서(예: Buterin 등(2019)이 논의한 조건) 적용 가능합니다. Gorokh 등(2021)은 이러한 확장이 장기간 운영된 사적재 경제에서는 대략적으로 적용될 수 있다고 지적했지만, 우리가 주로 연구하는 공공재 경제에서는 적용 가능성이 명확하지 않습니다. 그럼에도 불구하고, 이는 이러한 환경에서 행동을 분석하는 표준적인 출발점입니다. 우리는 "관리자"의 행동을 명시적으로 모델링하지 않지만, 관리자는 타인의 선호를 지원하기 위해 매칭 펀드를 제공하며, 공동체의 공동 이익을 위해 행동한다고 이해할 수 있습니다. 이는 이타주의, 이데올로기 또는 모델링되지 않은 금전적 이유(예: 관리자가 조직 산출물의 지분을 보유할 수 있음) 때문일 수 있습니다[7].
우리는 일련의 정리와 증명을 통해 위의 구성체계를 뒷받침하고 특정 값 선택의 효과를 보여줄 것입니다. 먼저 투표 예측 단계에 집중하겠습니다.
정리 1(개인은 항상 0 포인트 또는 v 포인트를 건다): 기여 투표에 대해 포인트 극대화를 목표로 하는 합리적 개인은 v²의 비용으로 v표를 투표한 후, 성공 확률이 절반보다 작으면 0 포인트를 건다. 절반보다 크면 v의 추가 포인트를 건다.
증명: 개인이 이미 v표를 투표한 상태에서, 투표 예측 라운드의 보상은 2w 포인트입니다. 투표 결과는 이진적이므로, 반환값은 2w이거나 0이며, 따라서 성공 확률 p에 대해 개인의 기대 보상은 2wp입니다. 투표 및 건수 비용을 차감하면, 총 기대 수익은 2wp-Kv²-w = 2(p-½)w - Kv²입니다.
v 조건하에서, 예상 선호 발생 확률이 ½을 초과하면 기대 수익은 v 증가에 따라 선형적으로 증가합니다. Kv²는 이미 고정 비용으로 지불되었으므로, p＞½인 경우 개인은 v를 극대화해야 합니다.
이는 순수하게 이윤 극대화를 추구하는 예측자가 예상 성공 확률이 50%를 초과할 경우 가능한 최대값 v를 건 것이 좋고, 그렇지 않으면 전혀 건지 않는다는 직관적인 결과를 제공합니다.
어떤 전략을 사용하든(K=1인 경우, 그림 2 참조), 투표는 결코 양의 수익을 창출하지 않습니다. 실제로 투표자가 결과에 매우 관심이 있을 때, 건수 보상은 이차방 비용에 비해 사소합니다. 일반적으로 투표자가 투표가 통과될 것이라고 믿는다면, 비용을 최소화하기 위해 건수를 선택할 수 있습니다. 작은 K 값의 경우, 소액 투표자는 수익을 얻을 수 있습니다.
사실, 순수하게 이윤 극대화를 추구하는 개인에게는 v의 최적 선택이 존재합니다.
정리 2($v$의 최적값): 주어진 K 값에 대해, 오직 이윤 극대화만을 추구하는 개인은 v=(p-½)/K의 투표를 해야 하며, 이는 p＞½일 경우에만 해당하고, 그렇지 않으면 투표하지 말아야 합니다. 이 결과를 활용하면 예측 보조로 인해 기여 보상이 과도하게 소모되는 것을 방지할 수 있습니다.
정리 3(기여 보상 과도 소모 금지): 기여 보상에서 예측 보상에 사용되는 비용이 α를 초과하지 않도록 보수적인 K 값을 선택할 수 있습니다.
증명: N명의 포인트를 보유하고 순수하게 포인트 극대화를 추구하는 개인들이 있고, 선택된 K 값이 있다고 가정합시다. 각 개인이 정확하게 예측하고 성공할 것이라고 믿을 때만 건수를 건다면, 성공할 것이라고 믿고 실제로 맞춘 각 개인은 v=1/2K로 투표하고 건수를 걸어 1/K의 보상과 2×(1/2K)-K×(1/2K)-(1/2K)=1/4K의 수익을 얻습니다. 따라서 우선순위 설정에서 기여 보상의 총 손실은 N/K가 됩니다.
기여 보상 CPj의 소모가 α를 초과하지 않기를 원하므로, K는 αCPj＞N/K가 되도록 설정되어야 합니다. 이 최대 보상은 모든 포인트 보유 구성원이 동일한 방향으로 투표할 경우에만 발생합니다.
이 경우, 총 예측 보상을 초과할 수 있습니다: 대량 포인트 보유자가 투표가 통과될 것임을 이미 알고 있으면(모든 구성원이 지지 투표를 한다고 가정) 매우 높은 포인트 비용으로 투표하고 예측을 하여 기여 보상을 추가로 줄일 수 있습니다. 이 보유자는 기여자에 대한 보상과 투표자 자신의 비용을 줄이고자 하는 의도를 가질 수 있으며, 이것이 그러한 상황을 초래할 수 있습니다. 그러나 이차방 비용으로 인해, 이 투표는 막대한 투표 포인트를 소모하므로 거의 발생하지 않습니다.
이 분석을 통해, 0보다 큰 합리적인 K 값에 대해 소액 투표는 소액 보상을 받지만, 대량 투표는 거의 항상 비용이 큼을 알 수 있습니다. 이는 설계의 중요한 효과로서, 이차방 처벌을 만들어 더 많은 참여를 유도하고 소액 투표자의 의사결정 참여를 추가로 보상하며, 현재 대량의 포인트를 보유한 구성원이 순수하게 포인트 축적을 추구하는 동기를 최소화합니다.
그림 2: 좌상: K=v=1일 때, 다양한 p 값에 기반하여 이윤 극대화를 위해 b의 최적값. p＞½이면 b는 v로 설정되어야 하고, 그렇지 않으면 0으로 설정. K=1일 때 이윤은 엄격히 음수. 우상: 작은 K 값의 경우, 큰 건수는 올바른 예측 시 양의 수익을 가져올 수 있음. K 값의 선택은 순수한 이윤 추구 행동을 유도하거나 억제하는 데 사용될 수 있음. 하단: v표를 투표하고 해당 예측을 한 구성원의 최대 이윤.
4.1 혼합 효용 분석
포인트 보상 극대화 분석은 인센티브와 행동을 이해하는 데 도움이 되지만, 명백히 개인들은 단지 포인트를 얻기 위해서만 행동하지는 않습니다. 사실, 포인트를 얻는 주요 동기는 미래 투표에서 개인의 선호나 신념을 실현하기 위한 것입니다.
반대로, 효용(U)을 주어진 투표에서의 관리 포인트 수익과 개인의 선호 결과에 대한 기대(γ) 및 그 결과 실현 여부를 나타내는 이진 지표(A)로 구성될 수 있습니다.
공식은 다음과 같습니다:
U=γA+2wp-Kv²-w
혼합 효용을 극대화하기 위해 베팅할 때, 베팅은 여전히 0 또는 $v$에서 최적점을 갖는다는 것을 알 수 있습니다(이것은 (d/dw)γA=0에서 자연스럽게 도출되며, 즉 베팅은 투표 결과에 영향을 미치지 않음).
이제 개인의 중요도 φ:=dA/dv, 즉 개인이 투표 A의 결과를 바꿀 수 있는 능력을 고려합시다. 기호 표현의 편의를 위해, W=1 if p＞½ else 0을 도입하여 w에 대한 미분 과정을 단순화합니다. w는 v 또는 0이 될 것입니다.
정리 4(혼합 효용 하에서 v의 최적값): 주어진 K에 대해, 결과가 거의 발생하지 않을 때(p＜½), 개인은 γφ/2K를 투표해야 하며, 예상 결과가 매우 발생할 가능성이 있을 때는 추가 보상을 얻기 위해 (p-½)/K를 증가시켜야 합니다.
증명: v에 대한 혼합 효용을 극대화합니다.
이는 정리 2와 유사한 결과이지만, γ > 0일 때 v 값이 증가합니다. 실질적으로, 구성원이 결과에 대해 선호가 없다면(γ = 0), 이전의 포인트 보상 극대화 방식에 따라 투표해야 합니다. 선호가 있다면, 자신의 욕구와 투표가 결과에 미치는 영향 정도에 따라 v 값을 선택해 투표해야 합니다.
4.2 구체적인 예시
이러한 숫자와 분석이 추상적으로 느껴질 수 있으므로, 가상의 작은 예시를 통해 설명을 돕겠습니다.
커뮤니티에 창립자가 2000 포인트를 가지고 있고, 각각 1000 포인트씩 기여를 통해 획득한 8명의 구성원이 있다고 가정합시다. 그러면 전체 풀은 총 10000 포인트입니다. 창립자는 신규 구성원을 지원하기 위해 1000 포인트의 매칭 펀드를 만들었습니다. 이슈 보드에서, 프로젝트는 현재 10개의 해결되지 않은 이슈를 가지고 있습니다. 창립자를 제외한 8명의 구성원 모두 하나의 이슈를 우선순위 5로 설정했습니다(각자 25 포인트 소비). 이 이슈의 총 포인트 풀은 Capj(t)=5²×8=200이며, 이 이슈의 이차방 우선순위는 QFJ(t)=(5×8)²=1600입니다. 매칭 풀에 충분한 포인트가 없으므로 모든 기여 보상은 비례적으로 감소합니다. 모든 이슈의 우선순위가 균등하게 설정되었다고 가정하면, 감소 비율은 k=0.1입니다. 결과적으로 기여 지출은 CPj(t)=200+100=300입니다. 이러한 모든 계산은 자동으로 수행되며, 구성원은 각 이슈의 총 기여 보상에만 주목하면 됩니다.
이 이슈에 대한 기여를 통해 새로운 구성원이 커뮤니티에 가입합니다. 높은 보상은 그녀가 다른 이슈보다 이 이슈을 선택하도록 유인하지만, 그녀는 흥미만으로 커뮤니티에 가입합니다. 관리 포인트는 현재 커뮤니티 내에서만 유용합니다.
기여가 투표 단계에 들어갔을 때, 구성원들은 이미 많은 포인트를 소비했고 기여를 검토하는 것이 매우 힘들기 때문에 아무도 투표를 원하지 않습니다. 구성원들을 유인하기 위해, 관리자(여기서는 창립자)는 K=0.1을 설정하여 정확한 예측에 보상할 수 있습니다. 이제 각 구성원이 기여를 검토했으며, 5명은 반대 투표를 하고, 나머지 절반은 찬성 투표를 했습니다. K=0.1이므로, 각 구성원의 예측 및 건수 비용은 0.1×5²+5=7.5입니다(각 구성원이 자신의 판단에 매우 확신하기 때문). 창립자는 이후 불필요하게 큰 투표 12를 행사하여 0.1×12²=14.4를 소비했습니다. 투표는 결국 통과되었고, 올바른 예측을 한 각 구성원은 보상 풀에서 2×5=10의 보상을 받았습니다(이것은 기여 보상에서 단 40 포인트만 소모하며, 기본적으로 투표 참여 및 검토에 대한 처리 수수료).
기여가 검사를 통과했고, 이 40 포인트는 올바른 예측을 한 구성원들에게 주어졌으며, 300-40=260 포인트는 기여자에게 주어졌고, 기여자는 이제 미래 투표에서 이 포인트를 사용할 수 있습니다. 투표에 사용된 모든 포인트 26.4+7.5×8=86.4는 미래 기여를 유도하기 위해 매칭 펀드로 돌아갑니다.
제5절 열린 문제들
이론적으로 다원적 관리는 유연하지만, 다양한 조직 상황에서 실제적인 도전에 직면합니다. 현대 오픈소스 환경과 전통적인 계층 구조에 적응하는 능력은 현실 세계에서의 효과성과 구현 전략에 대한 질문을 제기합니다. 본 절은 이러한 미묘한 점들에 접근하며, 다양한 환경에서 다원적 관리를 적용할 때 발생하는 복잡성을 해결하기 위한 더 깊은 탐구와 협업 연구를 초청합니다.
(1) 다원적 관리의 이차방 투표 메커니즘을 완성할 때, 조직 내 동질적인 사회문화적 집단(지리적 위치, 부서, 역할, 출처 등의 차원) 사이에 발생할 수 있는 공모 문제를 인식하고 전략적으로 해결하는 것이 중요합니다. 기초 연구(Miller 등)를 기반으로, 특정 집단의 과도한 영향력을 적극적으로 제거하는 정교한 메커니즘을 주장합니다. 이러한 시스템은 공정성을 높일 뿐만 아니라 진정으로 다양하고 대표적인 의사결정 과정을 촉진하며, 조직 구조 내 어느 단일 계파도 부당한 통제력을 얻지 못하도록 보장하여 복잡한 조직 구조의 현실과 더욱 밀접하게 일치합니다.
(2) 이 방법을 확장하여 조직 내 다층 의사결정 프레임워크를 만들 수 있을까요? 이는 서로 연결된 독립적인 시스템을 개발하여 다양한 조직 계층(예: 부서 또는 팀)에 각각 맞춤형 투표 메커니즘이 있는 시스템을 의미합니다. 이러한 모델은 지역화되고 관련성 높은 의사결정을 촉진하면서도 더 넓은 조직 목표와의 일관성을 유지할 수 있습니다. 개별 팀 역학과 전체 조직 구조를 융합할 잠재력으로 인해, 이 접근법은 추가 탐구를 위한 가치가 있습니다.
(3) 합리적인 행위자는 외적 인센티브로 동기를 강화할 수 있지만, 외적 인센티브의 과도한 사용은所谓 '동기 배제(Motivation Crowding)' 현상을 초래할 수 있으며, 이는 내재적 동기에 따른 기여자가 프로젝트 참여를 꺼릴 수 있음을 의미합니다(Frey and Jegen, 2000). 관리 포인트 자체는 금전적이지 않지만, 이를 기반으로 보상 배분을 결정하는 것은 기존 조직 문화의 맥락에서 이루어져야 합니다.
(4) 급여 관련 연구에서 자주 발견되듯이, 조직 내 지위 등급의 투명성은 기여자 행동에 명확한 영향을 미칠 수 있습니다(Cullen, 2023). 이는 직원 생산성을 높일 수 있지만, 내부 협업을 줄이고 조직의 장기 목표를 해칠 수도 있습니다. 쉽게 구현 가능하다는 점에서, 다원적 관리는 팀 내 성과에 포인트의 공개 또는 비공개 기록이 어떻게 영향을 미치는지를 비교·대조할 수 있는 샌드박스를 제공합니다.
(5) 현재, 관리 포인트의 비공식 거래를 방지하여 관리 권위의 상업화와 가격화를 막기 위해, 개인은 다른 구성원에게 직접 포인트를 양도할 수 없습니다. 이는 관리 권위의 금융화를 방지하여 특정 행동을 어렵거나 불가능하게 만듭니다. 예를 들어, 창립자가 신속하게 새로운 구성원을 유입하여 권위를 강화하고자 할 경우, 직접 포인트를 보낼 수 없으며, 복잡한 PR 보상 프로세스를 통해 전체 커뮤니티의 투표를 받아야 합니다(이는 일정 부분 매관매직을 방지하기도 함). 또한 구성원이 떠나고자 할 경우, 모든 포인트를 매칭 펀드에 투입하지 않는 한, 포인트를 신속히 타인에게 양도할 수 없습니다. 다원적 관리에 직접적인 포인트 거래를 통합하기 전에, 미래 연구는 포인트 직접 거래 허용이 가져올 영향을 평가해야 합니다.
(6) 언제 그리고 어떻게 직원을 승진시킬지는 조직에서 매우 중요한 문제입니다. 그러나 대규모 계층 구조에서 직원들은 일반적으로 고위 우선순위를 설정하는 능력보다는 기존 직책에서의 성과에 따라 승진하며, 이는 잘못된 관리를 초래합니다(Benson 등, 2018). 최고 기여자가 관리자 역할에서 어떻게 수행되는지를 평가함으로써 다원적 관리가 승진 결과에 미치는 영향을 평가하는 것이 도움이 될 것입니다.
(7) 현재의 다원적 관리 설계는 단일 조직, 커뮤니티 또는 프로젝트에 초점을 맞춥니다. 많은 대규모 조직은 부서, 단위 또는 프로젝트 팀과 같은 다수의 하위 조직으로 구성되어 있습니다. 미래 연구는 다원적 관리를 사용하여 부분적으로 중첩된 여러 버전을 만들어, 개인이 하위 조직 내에서 관리 권위를 행사하면서도 더 큰 직장에서 승진할 수 있도록 할 수 있습니다.
(8) 부정(Negative Voting) 투표는 유용한 신호를 제공할 수 있지만, 집단 내 양극화를 유발할 수 있습니다(Weber, 2021). Gitcoin 등의 플랫폼에서 운영되는 이차방 자금조달 라운드에서 실증적으로 관찰되었습니다(Buterin, 2020). 부정 투표가 있는 경우와 없는 경우에 다원적 관리를 운영함으로써 협업 행동에 대한 심리적 영향을 추가로 평가할 수 있습니다.
(9) 예측 시장의 결과가 참여자에 의해 영향을 받을 수 있는 경우, 공모를 통해 결과를 조작할 위험이 증가합니다(Ottaviani and Sørensen, 2007). 따라서 예측 결과 기회가 있는 경우와 없는 경우에 다원적 관리 참여자의 투표 행동을 분석함으로써 예측 보상 설정에 제한을 둘 필요가 있는지를 이해하는 데 도움이 될 것입니다.
제6절 결론
다원적 관리는 강경한 관리 계층과 평탄한 탈중앙화 조직各自의 장점 사이를 연결하는 프로토콜로서, 개인의 결과 및 관리 결정에 대한 장기적 기여를 기반으로 관리 권위를 동적으로 배분할 수 있게 합니다. 투표-예측 메커니즘의 할인 파라미터를 조정함으로써 관리자는 커뮤니티의 신규 구성원이나 소액 포인트 보유자를 보상하여 새로운 기여에 대해 충분한 검토를 수행하도록 유도할 수 있으며, 이는 기대 기준 또는 더 높은 권위를 가진 구성원의 기대에 도달하도록 보장합니다. 이러한 관리 방법은 이차방 자금조달 메커니즘을 활용하여 광범위한 참여자로부터 선호를 수집하며, 조직 외부에서는 화폐 가치가 없고 프로젝트 내에서만 사용 가능한 폐쇄된 포인트 시스템을 만듭니다. 이 관리 프로토콜 설계는 선택 및 조직 생산성에 긍정적인 결과를 달성하는 데 일부 열린 문제가 존재하지만, 표준 소프트웨어 설계 관행을 통해 구축 가능하며 오픈소스 프로젝트의 워크플로에 자연스럽게 통합될 수 있습니다. 전반적으로 이 다원적 관리 모델은 어떤 범위, 과제 또는 규모의 프로젝트에서도 권위를 배분하고 참여를 보상하는 동적이고 확장 가능한 방법을 제공할 수 있습니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@SSRN
