본 논문은 분산 거버넌스에서 자율적인 의사 결정자로서의 에이전트형 AI에 대한 최초의 경험적 연구를 제시한다. 주요 프로토콜의 3,000개 이상의 제안을 사용하여, 제안 컨텍스트를 해석하고, 과거 심의 데이터를 검색하며, 자체적으로 투표 입장을 결정하는 에이전트형 AI 투표자를 구축했다. 에이전트는 검증 가능한 블록체인 데이터를 기반으로 하는 현실적인 금융 시뮬레이션 환경 내에서 작동하며, Agentics 프레임워크를 통해 데이터 흐름과 도구 사용을 정의하는 모듈형 구성 가능한 프로그램(MCP) 워크플로우를 통해 구현되었다. 에이전트의 결정이 인간 및 토큰 가중치 결과와 얼마나 일치하는지 평가하고, 신중하게 설계된 평가 지표를 통해 강력한 일치도를 발견했다. 연구 결과는 에이전트형 AI가 현실적인 DAO 거버넌스 설정에서 해석 가능하고, 감사 가능하며, 경험적으로 근거한 신호를 생성함으로써 집단 의사 결정을 보완할 수 있음을 보여준다. 이 연구는 분산 금융 시스템을 위한 설명 가능하고 경제적으로 엄격한 AI 에이전트 설계를 기여한다.
