암호화폐에 투자하는 방법은 크게 두 가지입니다. 직접 구매하거나, 암호화폐를 통해 수익을 창출하는 것입니다. 구매자는 법정화폐/기존 자산을 암호화폐 자산으로 직접 교환하거나 암호화폐 거래 시스템에 투입하는 것을 의미합니다. 수익 창출자는 작업에 대한 대가로 암호화폐 자산을 받는 것을 말합니다.
지난 10년 동안 사람들은 대체로 첫 번째 경로를 따랐습니다. 하지만 앞으로 10년 동안에는 대다수가 두 번째 경로를 택할 것으로 예상합니다.
우리의 예측이 맞다면, 이 두 번째 물결은 참여자 수와 총 거래량 면에서 첫 번째 물결을 훨씬 능가할 것입니다. 왜냐하면 전 세계 대다수 의 사람들은 자산 구매나 가치 상승이 아닌 소득으로 생활하기 때문입니다. 이러한 현상이 나타나면서 중요한 2차 효과가 발생할 것으로 예상됩니다. 즉, 소득이 잔액이 되고, 잔액이 저축이 되고, 저축이 인터넷 자본 시장 에 대한 새로운 참여로 이어질 것입니다.
프로그래밍 가능한 소유권이 협업을 극대화합니다
오늘날 SpaceX, Scale, Deel과 같은 거대 기업들은 이미 스테이블코인과 달러를 사용하여 해외 직원과 계약직 직원에게 급여를 지급하고 있습니다. 이는 앞으로도 지속될 장기적인 추세이지만, 새롭게 발행된 암호화폐 기반 자본 을 통해 수익을 창출하는 개인들의 규모도 점점 커지고 있습니다. 현재로서는 이러한 수익이 주로 부수적인 수입원이며, 주된 소득원은 아닌 것으로 이해되고 있습니다. 그러나 이 분야가 성숙해짐에 따라, 저는 이러한 수익 창출 방식이 전 세계에 분포된 많은 참여자들에게 주된 소득원이 될 것이라고 생각합니다.
암호화폐의 가장 큰 강점은 언제나 협업 능력이었습니다. 첫 번째 사례는 비트코인입니다. 비트코인은 모든 곳에서 실행되는 매우 특정한 연산 기본 요소(해싱)를 통해 단일 원장을 생성했습니다. 그 후 DePIN/DeVIN이 등장했습니다. 파일코인(Filecoin) 과 같은 네트워크는 새로운 유형의 작업을 토큰에 매핑하고, 비허가형(Permissionless) 참여자들이 직접 작업을 수행하여 공급량을 늘릴 수 있도록 했습니다. DePIN은 온체인 협업의 가장 좋은 사례 중 하나입니다. Helium과 Hivemapper 같은 네트워크는 개발자들이 암호화폐 자본 시장과 암호화 기본 요소를 활용하여 자본 지출을 역전시키고, 물리적 작업 증명에 대한 비용을 지불하고, 토큰을 사용하여 프로젝트 비전을 믿는 초기 참여자들에게 초기 투자 위험을 전가할 수 있음을 보여주었습니다. DePIN은 온체인 협업에 필요한 전제 조건인 1) 빠르고 저렴한 결제, 2) 검증 가능한 결과물, 3) 공급 측 참여자에 대한 강력한 신뢰 및 평판 보장을 개척했습니다.
비허가형(Permissionless) 자본 시장은 대규모 분산 조정을 가능하게 합니다. 이는 위험 집중 비용을 낮추고, 위치나 신념에 관계없이 낯선 사람들이 특정 목표를 중심으로 자발적으로 조직화할 수 있도록 합니다.
하지만 그것만으로는 충분하지 않습니다. DePIN은 비허가형(Permissionless) 조정을 확장하기 위해 다른 고려 사항도 함께 구축해야 하며, 다행히 지난 몇 년 동안 상당한 발전을 이루었습니다.
첫째, DePIN 창립자들은 전반적인 인센티브 설계 능력을 크게 향상시켰습니다. 과거 DePIN은 보상 인플레이션 메커니즘과 작업증명 위조를 방지하는 사기 방지 시스템이 제대로 설계되지 않아 어려움을 겪었습니다. 그러나 시장 선도 기업들은 집단적인 시행착오를 통해 최적의 설계 방식을 개발해 왔습니다. 이제 DePIN은 작업 검증(zkTLS와 같은 기본 요소 활용), 스팸 방지(정교한 본딩/ 슬래싱 메커니즘), 그리고 기여도에 상응하는 보상(예: 수동적 작업에 대한 시간 기반 고정 보상이 아닌 반복 기여 기반 보상)에 있어 훨씬 더 엄격한 기준을 적용하고 있습니다.
둘째, DePIN은 토큰으로 수익을 얻는 행위를 일반화하는 데 도움이 되었다고 생각합니다. 오늘날 수천만 명의 사람들이 갤럭시(Galxe) 나 Kaito 같은 플랫폼을 통해 소셜 퀘스트에 참여하거나, ImmuneFi 같은 플랫폼을 통해 버그 바운티를 해결하거나, 아크함(Arkham) 에서 바운티를 통해 정보를 제공하는 등 공동의 목표를 달성하기 위해 특정 행동을 수행하여 암호화폐를 얻고 있습니다.
셋째, DePIN은 이상적인 작업 단위 규모를 정립했습니다. 2021년 당시 범용 DAO의 부진한 지속성은 기여 영역이 작을수록 네트워크 효율성이 높아진다는 것을 보여주었습니다. 결과적으로, 채굴자 기지국 설치와 같은 단순한 활동을 조정하는 네트워크가 자본 배분 의사결정 방식을 혁신하려는 네트워크(예: LAO )보다 훨씬 더 효과적이었습니다.
이제 우리는 이 디자인 공간의 다음 단계로 진입하고 있는 것으로 보입니다. 이 단계에서는 DePIN을 비롯한 여러 조직들이 자신들이 제공하는 업무의 구체성 단위와 그에 따른 정확한 보상을 훨씬 더 구체적으로 명시할 수 있게 됩니다.
이는 특정 작업 부하에 대한 요구 사항이 "근처 커피숍에 와이파이 핫스팟을 설치하고 토큰을 무기한으로 받으세요"와 같은 수동적인 기여에서 "A 지점에서 B 지점으로 이 소포를 배송하고 고정된 보상을 받으세요" 또는 "오후 7시부터 10시 사이에 에너지 소비량을 100kW 줄이고 다음 전기 요금 할인에 사용할 수 있는 토큰을 받으세요 "와 같은 능동적인 기여로 바뀐다는 것을 의미합니다.
저는 AI가 이러한 추세를 가속화하고 온체인 협업을 현재 시장 상황보다 훨씬 빠르게 촉진할 것이라고 믿습니다. AI는 소프트웨어 개발 비용과 지연 시간을 줄여줍니다. 즉, 기존에 필요했던 인력의 극히 일부만으로도 한 사람이 제품을 출시하고, 개선하고, 유통까지 도달할 수 있게 됩니다. 결과적으로 기업은 더 적은 인원으로 시작할 수 있고, 더 빠르게 규모를 확장할 수 있습니다.
하지만 이러한 "소프트웨어 기반" 조직이라 할지라도 여전히 소프트웨어 외적인 요소, 즉 데이터, 라벨링, 평가, 통합, 배포, 물리적 구축, 도메인 전문 지식, 예외 상황 처리 등에 의존합니다. 이러한 기능 전반에 걸쳐 투입되는 자원은 단속적이고, 전 세계적이며, 전통적인 방식으로는 인력을 충원하기 어렵습니다.
과거에는 단일 직종이었던 것이 이제는 서로 관련 없는 영역에 걸쳐 여러 개의 작고 모듈화된 역할로 이루어진 포트폴리오가 되었습니다. 택시 운전사는 이제 우버 네트워크 내에서 차량 공유 서비스를 제공하고, 신문 편집자는 서브스택과 X 네트워크에서 글을 쓰고, 우체국 직원은 도어대시에서 배달 업무를 하며, 점점 더 많은 원격 근무자들이 도시의 반자율 로봇 차량을 운영하고 있습니다.
우리는 다음과 같은 분명한 패턴이 있다고 생각합니다. 기술은 조정 비용을 낮추고 작업의 최소 단위를 축소합니다. 조정 비용이 감소하면 위험 분담이 개선되고 기업은 사업 부문을 분할하며, 직무는 아웃소싱 및 프로그램 방식으로 조정할 수 있는 개별적인 역할과 기능으로 분해됩니다.
이러한 업무 방식에 필요한 위험 분담 인프라는 암호화폐 기반의 프로그래밍 가능한 인센티브를 통해 가장 효과적으로 구축될 수 있습니다. 암호화폐 자본 시장과 암호화 기본 요소는 작업량을 정의하고, 완료 여부를 검증하며, 보상 및 지급금을 정산하는 데 도움을 줄 수 있습니다. 인공지능은 기업 규모를 축소 시키지만, 토큰은 참여 인원을 확장시켜 줍니다. 이미 1인 기업이 수억 원의 수익을 달성하는 사례가 나타나고 있습니다.
이것이 바로 인터넷 노동 시장의 시작입니다.
인터넷 노동 시장
인터넷 노동 시장(ILM)은 참여자가 소유하는 마켓플레이스로, 작업 단위는 검증 가능한 작업이며 암호화폐 네트워크를 통해 즉시 정산됩니다. 기존의 DePIN과 달리, 이러한 네트워크의 두 가지 핵심 특징은 임의로 맞춤화된 재고를 관리할 수 있는 능력과 강력한 검증 보증을 통해 참여자에게 참여 건별로 보상 또는 지급을 제공하는 능력입니다.
임의로 맞춤 제작된 재고
우리는 ILM(통합 라이프사이클 관리)의 핵심 특징은 네트워크의 요구 사항 변화에 따라 동적으로 생성, 가격 책정 및 폐기할 수 있는 작업 기본 요소로 작업이 표현된다는 점이라고 생각합니다. 고정된 범주를 중심으로 구축된 플랫폼은 새롭고 떠오르는 작업을 기존 형식에 맞추도록 강요하며, 이러한 불일치는 부실한 사양, 일관성 없는 품질 및 높은 조정 오버헤드로 나타납니다.
ILM(Inventory Lifecycle Management)에서는 작업 명세, 자격 조건, 검증 방법, 지급 함수와 같은 소수의 매개변수를 통해 재고가 지속적으로 정의됩니다. 매개변수가 설정되면 작업을 전 세계에 공개하고, 경쟁 또는 할당을 통해 작업을 배정하고, 암호화 검증을 통해 확인하고, 암호화 시스템을 통해 지급할 수 있습니다. 이러한 특징 때문에 ILM은 혁신적인 작업에 매우 적합합니다. 혁신적인 작업은 장기간 동안 기존의 정의에 부합하는 경우가 드물기 때문입니다.
ILM(통합 라이프사이클 관리자)은 "작업: 특정 의료 워크플로에 대한 인용 및 구조화된 메타데이터를 포함하여 신호가 높은 에지 케이스 200개를 수집하세요. 자격: 의사; 검증: 의료 자격 증명 및 스텔라루멘(XLM) 파일; 보상: 토큰 100개"와 같은 작업을 게시한 후, 해당 분야에 대한 전문성과 높은 과거 정확도를 입증한 기여자에게만 참여 자격을 부여할 수 있습니다. 보안 마켓플레이스는 "계약 버전 X에 대한 최소한의 재현 가능한 익스플로잇을 제작하고 테스트 스위트를 통과하는 패치를 제출하세요"와 같은 작업을 게시한 후, 패치에 대한 확정적 검증과 익스플로잇 심각도에 대한 심사 검증이 완료된 후에만 보상을 지급할 수 있습니다. 물리적 네트워크는 "위치 X를 방문하여 타임스탬프가 찍힌 사진을 캡처하고 운영 시간을 확인하세요"와 같은 작업을 게시한 후, 지오펜싱 증명과 감사 기반 검토를 결합하여 모호성을 해결할 수 있습니다. 각 경우에, 기본 마켓플레이스는 새로운 카테고리 페이지나 새로운 워크플로를 만들 필요가 없습니다. 작업 정의 자체가 워크플로를 포함하고 있기 때문입니다.
이러한 유연성은 시간이 지남에 따라 더욱 강화됩니다. 네트워크는 병목 현상이 변화함에 따라 구매하는 항목을 진화시킬 수 있으면서도 동일한 기여자 기반, 검증 계층 및 평판 시스템을 재사용 가능한 인프라로 유지할 수 있기 때문입니다.
강력한 검증 보장
기존 고용 시스템에서 업무 흐름은 기계적으로 반복됩니다. 업무 제출, 송장 발행, 송장 승인, 지급 개시, 그리고 며칠 후 최종 정산이 이루어집니다. 이러한 흐름은 규모가 크고 발생 빈도가 낮은 결과물에는 적합해 보이지만, 빈번하고 경쟁적인 업무에는 적합하지 않다고 생각합니다. 업무 처리 비용이 업무 자체 비용보다 더 커지기 때문입니다(예: 의료 보험 시스템).
ILM(Instruction Lifecycle Management)은 이러한 흐름을 결정론적 검증으로 대체하여 사람의 판단 없이 즉각적인 정산을 가능하게 합니다. 예를 들어, Hivemapper 및 Nosh와 같은 매핑 네트워크에서는 GPS 추적의 타당성과 경로 일치 여부를 확인할 수 있습니다. ImmuneFi와 같은 버그 바운티 시스템에서는 제출된 코드를 미리 정의된 테스트 스위트를 사용하여 검증할 수 있습니다. Crunch와 같은 네트워크에서는 테스트 환경이 잘 정의되어 있을 경우, 모델 평가 작업을 홀드아웃 데이터셋의 기준선과 비교하여 점수를 매길 수 있습니다.
하지만 인간의 검토가 필수적인 작업물들이 항상 존재할 것입니다. 라이브피어(Livepeer) 작업 토큰 모델을 개척했는데, 이 모델에서는 작업물이 담보를 제공하고, 검토자는 정확성에 따라 보상을 받으며, 적대적인 행동을 하는 작업물과 검토자는 슬래싱 메커니즘을 통해 제재를 받을 수 있습니다. 이러한 방식의 보증 검증은 사기를 완전히 근절하지는 못하지만, 충분한 억제 효과를 제공합니다.
대부분의 ILM은 두 가지 방식을 모두 결합합니다. 결정론적 검증은 처리 문제를 해결하고, 결합 검증은 분쟁 및 질적 예외 사례에 대한 해결책을 제공하기 때문입니다.
디자인 공간 매핑
우리는 ILM을 3차원에 매핑합니다.
차원 1: 작업 세분화 × 지급 빈도
개별 작업의 규모와 참여자의 보수 지급 빈도는 통합 라이프사이클 관리(ILM)에서 가장 중요한 두 가지 요소입니다. 작업 세분화는 작업 단위당 명세화, 검증 및 판정에 투입해야 하는 간접비용을 결정합니다. 보수 지급 빈도는 참여자의 운전자본 부담을 설정하고 시스템이 계약, 포상금, 교대 근무 또는 작업 교환 방식 중 어떤 방식으로 작동할지 결정합니다.
결제 빈도가 낮은 대규모 작업은 암호화폐 기반 계약과 유사합니다. 명확한 예로는 "이 통합 기능을 작성하고 배포하세요", "보안 검토를 수행하고 보고서를 작성하세요", "데이터 세트를 구축하고 수집 방법론을 문서화하세요", 또는 "규정 준수 정책 및 통제 체크리스트를 작성하세요"와 같은 일회성 고맥락 결과물이 있습니다. 검증은 부분적으로 주관적이므로 검토자/중재자의 신뢰성과 평판이 중요합니다.
보상이 자주 지급되는 대규모 작업은 현상금 지급 방식과 유사합니다. 보상은 사전에 고정되어 있으며, 플랫폼은 암호화 또는 심사 방식의 승인 절차를 거칩니다. 예를 들어 버그 현상금이나 취약점 공개, "벤치마크에서 이 모델을 능가하는 성과를 내세요", "테스트 스위트를 통과하는 작동하는 익스플로잇 또는 패치를 제작하세요", "소스 코드와 함께 200개의 고품질 엣지 케이스를 찾아 문서화하세요"와 같은 작업들이 있습니다.
처리 빈도가 높은 소규모 작업은 마치 거래소처럼 작동하기 시작합니다. 처리량, 스팸 방지, 검증 지연 시간이 가장 중요합니다. 예를 들어, 모델 출력에 대한 마이크로 평가("이 의학적 추론은 안전한가?", "이 법적 주장은 유효한가?", "이 답변은 올바른 출처를 인용했는가?"), 신속한 데이터 검증("이 스크린샷이 주장과 일치하는가?", "이 GPS 추적은 타당한가?", "이 영수증이 이 거래와 일치하는가?"), 간단한 라벨링 작업("이 이미지를 분류하는가?", "이 단락에 태그를 지정하는가?") 등이 있습니다. 이러한 작업은 거의 즉각적인 처리와 확정적 검증이 가능하고, 판정은 예외적인 경우에만 이루어져야 합니다.
차원 2: 검증 방법 × 업무 영역
이는 ILM 디자인 공간의 두 번째 세분화이며, 이를 통해 시장 요구 사항이 의미 있게 구분되는 네 개의 사분면이 생성된다고 생각합니다.
가상 + 결정론적 사분면은 검증 오버헤드가 가장 낮지만, 검증이 쉽다는 것은 그만큼 방어력이 약하다는 것을 의미합니다. 충분한 자본 있다면 누구나 경쟁 시장을 조성하여 동일한 참여자 기반을 놓고 경쟁할 수 있습니다. 이 사분면에서의 방어력은 검증 인프라 자체보다는 신뢰, 평판, 그리고 수요 측의 관계에 달려 있습니다.
물리적 + 결정론적 사분면은 하드웨어 인증 및 암호화 검증 인프라에 상당한 투자가 필요하며, 이는 복제하기 어렵고 더욱 지속적인 경쟁 우위를 제공합니다. Hivemapper 및 Geodnet과 같은 네트워크는 검증 시스템 구축이 실제로 어렵다는 점에서 이점을 누립니다.
심사 영역은 검토자 네트워크 구축을 필요로 하는데, 이는 기존의 ILM 기여자 네트워크 위에 추가되는 2차적인 조정 문제입니다. 이 과정은 어렵지만, 검토자 네트워크가 충분한 규모와 품질을 갖추게 되면 강력한 방어 수단이 됩니다. 단순히 프로토콜을 포크(Fork) 해서 검토자들이 그대로 따라줄 거라고 기대할 수는 없습니다. 물리적 검토 및 심사 영역은 현장 인력과 검토 인프라가 필요하기 때문에 확장하기 가장 어려운 영역이지만, 일단 구축되면 가장 강력한 방어력을 자랑합니다. 이 영역에서 운영되는 네트워크는 진입 장벽이 매우 높기 때문에 경쟁이 덜합니다(Daylight 또는 Nosh 참조).
차원 3: 기여자 역량 × 지급 빈도
세 번째 차원은 참여자 자체에 관한 것입니다. 즉, 참여자들이 네트워크에 어떤 기술을 제공하는지, 그리고 어떤 재정적 제약이 그들의 참여를 좌우하는지를 살펴봐야 합니다. 이 차원을 잘못 이해하는 것은 ILM 설계에서 가장 흔한 실패 원인일 수 있는데, 이는 참여자의 요구와 근본적으로 어긋나는 보상 구조로 이어지기 때문입니다.
고숙련 기여자들은 크게 "신봉자"와 "전문가"로 나뉩니다. 신념을 가진 사람들은 가치 창출과 직접적으로 연결되는 토큰 보상, 베스팅, 심지어 스테이킹까지 기꺼이 받아들입니다. 예를 들어, 높은 현금 보상보다 많은 토큰 보상을 선호하는 엘리트 보안 연구원이나, 장기적인 소유권과 명성을 원하여 네트워크 평가 기준 마련에 기여하는 분야 전문가를 생각해 볼 수 있습니다. 반면, 전문가들은 예측 가능한 보상을 원합니다. 토큰 보상은 소득에 더해질 수 있지만, 임금과는 다릅니다. 의료 평가를 수행하는 의사나 간호사, 논리와 인용문을 검토하는 변호사, 코드 검토나 사고 대응을 하는 선임 엔지니어 등이 그 예입니다. 이들은 위험 부담이 큰 업무에 대해 토큰만으로 보상을 받는 것을 일반적으로 받아들이지 않습니다.
숙련도가 낮은 기여자는 "축적자"와 "임금 지급자"로 나뉩니다. 축적자는 일반적으로 파트타임으로 일하며 복리 효과를 노립니다. 예를 들어 주말에 운전 경로를 기록하는 지도 제작자, 네트워크를 위해 지역 데이터(영업 시간, 메뉴 사진, 가격 등)를 수집하는 사람, 기기나 노드의 가동 시간을 유지하는 운영자 등이 있습니다. 임금 지급자는 유동성이 제한적이며 가격 안정성과 빠른 지급을 필요로 합니다. 예를 들어 "현장 A에 가서 기기 B를 설치하고 증거를 업로드하는" 현장 설치 기사, 배달/심부름과 같은 업무, 신흥 시장에서 고객 방문 및 검증 작업을 수행하는 사람들이 있습니다. 규모가 커질수록 "진입로로서의 수익 창출"은 급여에 대한 투기를 유발하는 토큰 기반 컴파운드(COMP) 보다는 스테이블코인 우선 지급 방식에 선택적 소유권 부여 방식을 더하는 것을 의미합니다.
AI는 촉매제 역할을 한다
인공지능 시스템의 능력이 향상됨에 따라 인간 노동의 가치가 떨어질 것이라는 것이 합의 견해 입니다. 저는 정반대의 입장을 취합니다. 인공지능은 개인의 역량을 극적으로 증대시키고 해결 가능한 문제의 범위를 넓혀주기 때문에 인간 노동은 오히려 번창할 것이라고 생각합니다. 인공지능은 작업을 더 작은 단위로 분해하고, 유능한 구성원의 생산성을 극대화하며, 다양한 형태의 기여를 가시화하고 금전적 가치를 창출함으로써 이를 가능하게 합니다.
창작 비용이 급격히 감소함에 따라 추구할 수 있는 문제의 범위가 넓어지고, 주변부에서의 조정에 대한 요구가 증가합니다.
이제는 현대적인 도구를 사용하는 한 명의 창업자도 이전에는 전체 엔지니어링 조직이 필요했던 것을 구축할 수 있습니다. 그러나 창업자에게는 여전히 인간적인 판단, 검증, 책임감, 그리고 현실 세계에 직접 존재하는 사람이 필요합니다. 중대한 결정에는 여전히 책임 있는 당사자가 필요합니다.
조직 형태는 이러한 새로운 현실에 맞춰 변화해야 할 것입니다. 핵심 팀 규모는 축소되고, 필요에 따라 투입되는 인력의 범위는 급격히 확대될 것으로 예상합니다. 이러한 새로운 현실에는 새로운 조정 인프라가 필요합니다. 왜냐하면 이제 제약 조건은 "얼마나 많은 직원을 고용할 수 있을까?"가 아니라 "얼마나 신속하게 필요한 인력을 확보하고, 검증하고, 비용을 지불할 수 있을까?"이기 때문입니다.
이러한 AI 기반 조직들은 전통적인 노동 시장과는 구조적으로 맞지 않는 노동 수요를 갖게 될 것입니다.
우선, 최첨단 인간의 피드백이 필요합니다. 모델이 개선됨에 따라 필요한 피드백은 더욱 전문화되고 고도의 판단력을 요구하게 됩니다. 문제는 더 이상 "어떤 답변이 더 나은가"가 아니라 "이 법적 추론이 타당한가?", "의사가 실제로 이를 권장할 것인가?", 또는 "이 코드가 보안 취약점을 초래하는가?"와 같은 질문으로 바뀝니다. RLHF( Real-Led Health Feedback)의 병목 현상은 실제로 존재하며, 모델이 더 중요한 영역에 배포될수록 심화됩니다. 데이터 및 피드백 제공업체들은 이 분야에서 막대한 사업을 구축했지만, 수요 증가 속도가 공급 증가 속도를 훨씬 앞지르고 있습니다.
둘째, 에이전트 감독이 필요합니다. 에이전트가 자율성을 높여갈수록 지시, 예외 처리, 출력 검증, 중요 승인 등 인간 개입이 여전히 필요합니다. 에이전트는 작업 라우팅 역할을 하며, 판단이 구속력을 갖거나, 책임 소재가 중요하거나, 모호한 부분을 기계적으로 해결할 수 없을 때 인간의 개입이 요구됩니다. ILM(통합 라이프사이클 관리자)은 에이전트가 활용할 수 있는 상시 인력 풀 역할을 하게 됩니다.
셋째, 물리적 세계에서의 실행이 필요합니다. AI는 물리적 세계에 대해 추론할 수는 있지만, 그 안에서 직접 행동할 수는 없습니다. 설치 작업이 완료되어야 하고, 센서를 배치해야 하며, 고객을 방문해야 하고, 하드웨어를 다뤄야 합니다. 바로 이 지점에서 DePIN과 ILM이 융합된다고 생각합니다. 프로그래밍 가능한 인센티브는 실제 작업을 조율하고, 검증은 보상이 진정한 결과물과 연계되도록 보장합니다.
넷째, 대규모 검증이 필요합니다. 자동화 시스템을 통해 처리되는 활동이 많아질 거래량 메타 작업량도 증가합니다. 시스템이 올바르게 작동했는지 확인하고, 분쟁을 중재하고, 사기를 탐지하고, 기계 간 의견 불일치가 있을 때 정답을 확립하는 사람이 필요합니다. 이는 과도기적 요구 사항이 아닙니다. 자동화는 처리량을 증가시키고 검증 대상 영역을 넓히기 때문에 자동화 규모에 비례하여 이러한 요구 사항도 증가합니다.
향후 1년(혹은 몇 달) 안에 인터넷 기반 조직과 인터넷 기반 노동력이 등장하는 것을 목격하게 될 것이라고 생각합니다. 기업은 중심부는 축소되고 주변부는 확장될 것입니다. 기여자들은 더욱 글로벌화되고, 모듈화되고, 상호 교환 가능해질 것입니다. 이는 업무가 장기적인 역할이 아닌 검증 가능한 작업으로 정의되기 때문입니다. 수익이 온체인으로 이동함에 따라 수익은 자연스럽게 지출로 이어집니다. 사람들이 암호화폐 시스템에 익숙해지고 잔액을 보유하게 되면, 수익, 담보, 대출, 거래, 포트폴리오 구성 이더리움 클래식(ETC) 암호화폐의 기본적인 금융 기능을 활용하기 시작할 것입니다. 이는 인터넷 노동 시장에서 인터넷 자본 시장으로 이어지는 순환 고리를 완성합니다. 또한 누가 시스템에 참여하는지도 변화시킬 것입니다. 잠재적 참여자는 아침에 일어나 백서를 읽거나 밈코인을 구매하기로 결정하는 사람이 아닙니다. 잠재적 참여자는 작업을 완료하고, 보수를 받고, 시스템이 자신에게 가장 유리하기 때문에 시스템에 참여하는 사람입니다.
