원저자: Jay Jo, Tiger Research
원문 번역: AididiaoJP, Foresight News
요약
InfoFi는 사용자의 주의와 활동을 정량화하고 이를 보상과 연결하려는 체계적인 시도입니다.
InfoFi는 현재 콘텐츠 품질 저하와 보상 중앙화 등 몇 가지 구조적 문제를 겪고 있습니다.
이는 InfoFi 모델 자체의 한계가 아니라 평가 기준과 보상 분배 방식의 설계 문제이며, 시급히 개선이 필요합니다.
토큰으로서의 관심의 시대
주의는 현대 산업에서 가장 희소한 자원 중 하나가 되었습니다. 인터넷 시대에 정보는 넘쳐나지만, 인간의 정보 처리 능력은 극히 제한적입니다. 이러한 희소성으로 인해 많은 기업들이 치열한 경쟁을 벌이고 있으며, 사용자의 주의를 끌기 위한 경쟁 능력은 기업의 핵심 경쟁 우위가 되었습니다.
암호화폐 산업은 더욱 극단적인 형태로 관심을 끌기 위한 경쟁의 강도를 보여주었습니다. 관심 점유율은 토큰 가격 책정 및 유동성 형성에 중요한 역할을 하며, 이는 프로젝트의 성공 여부를 결정하는 핵심 요소가 되었습니다. 기술적으로 진보된 프로젝트조차도 시장의 관심을 끌지 못하면 시장에서 도태되는 경우가 많습니다.
이러한 현상은 암호화폐 시장의 구조적 특성에서 비롯됩니다. 사용자는 참여자일 뿐만 아니라 투자자이기도 하며, 그들의 관심은 실제 토큰 구매로 직접 이어져 수요 증가와 네트워크 효과를 창출합니다. 관심이 집중되면 유동성이 생성되고, 이러한 유동성을 기반으로 내러티브가 형성됩니다. 이렇게 확립된 내러티브는 새로운 관심을 끌어 시장 발전을 촉진하는 선순환을 형성합니다.
InfoFi: 주의를 토큰화하려는 체계적인 시도
시장은 관심(attention)을 기반으로 운영됩니다. 이러한 구조는 핵심적인 질문을 제기합니다. 바로 누가 이러한 관심으로부터 실제로 이익을 얻는가 하는 것입니다. 사용자들은 커뮤니티 활동과 콘텐츠 제작을 통해 관심을 창출하지만, 이러한 행동은 측정하기 어렵고 명확한 직접적인 보상 메커니즘도 없습니다. 지금까지 일반 사용자는 토큰을 사고팔아서 간접적인 이익만 얻을 수 있었습니다. 실제로 관심을 창출하는 기여자에게는 현재 보상 메커니즘이 없습니다.
Kaito의 InfoFi 네트워크, 출처: Kaito
InfoFi는 이 문제를 해결하기 위한 시도입니다. InfoFi는 정보와 금융을 결합하여, 콘텐츠에 대한 관심(조회수, 댓글, 공유 등)을 기반으로 사용자 기여도를 평가하고 이를 토큰 보상과 연결하는 메커니즘을 구축합니다. Kaito의 성공으로 이러한 구조는 널리 확산되었습니다.
Kaito는 AI 알고리즘을 사용하여 게시물과 댓글을 포함한 소셜 미디어 활동을 평가합니다. 플랫폼은 점수에 따라 토큰 보상을 제공합니다. 사용자 생성 콘텐츠가 더 많은 관심을 받을수록 프로젝트는 더 많은 노출을 얻을 수 있습니다. Capital은 이러한 관심을 신호로 간주하여 투자 결정을 내리는 데 활용합니다. 관심이 증가할수록 프로젝트에 더 많은 자본이 유입되고 참여자에게 주어지는 보상 또한 증가합니다. 참여자, 프로젝트, 그리고 Capital은 관심 데이터를 매개체로 삼아 함께 협력하며 선순환 구조를 형성합니다.
InfoFi 모델은 세 가지 핵심 영역에서 탁월한 기여를 하고 있습니다.
첫째, 평가 기준이 불분명한 사용자 기여 활동을 정량화합니다. 포인트 기반 시스템은 사용자가 기여도를 체계적으로 정의할 수 있도록 하고, 특정 행동에 대해 어떤 보상을 받을 수 있는지 예측할 수 있도록 지원하여 사용자 참여의 지속 가능성과 일관성을 향상시킵니다.
둘째, InfoFi는 사용자 관심을 추상적인 개념에서 정량화 및 거래 가능한 데이터로, 사용자 참여를 단순한 소비에서 생산적인 활동으로 전환합니다. 기존 온라인 참여는 대부분 투자나 콘텐츠 공유를 기반으로 하며, 플랫폼은 이러한 활동을 통해 생성된 관심을 통해 수익을 창출합니다. InfoFi는 이러한 콘텐츠에 대한 사용자들의 시장 반응을 정량화하고 이 데이터를 기반으로 보상을 지급하여 참여자들의 행동을 생산적인 활동으로 인식하게 합니다. 이러한 전환을 통해 사용자는 단순한 커뮤니티 구성원이 아닌 네트워크 가치 창출자로서의 역할을 수행하게 됩니다.
셋째, InfoFi는 정보 생산의 문턱을 낮춥니다. 과거에는 트위터 인플루언서와 기관 계정이 정보 배포를 장악하고 대부분의 관심과 보상을 차지했지만, 이제 일반 사용자도 일정 수준의 시장 관심을 얻으면 실질적인 보상을 받을 수 있게 되어 다양한 배경의 사용자들이 참여할 수 있는 기회가 더 많아졌습니다.
InfoFi가 야기한 주의 경제 함정
InfoFi 모델은 사용자 기여도를 정량화하고 이를 보상과 연계하는 암호화폐 업계의 새로운 보상 설계 실험입니다. 그러나 관심은 지나치게 중앙화된 가치로 전락했으며, 그 부작용이 점차 드러나고 있습니다.
첫 번째 문제는 과도한 관심 경쟁과 콘텐츠 품질 저하입니다. 관심이 보상의 기준이 되면서, 콘텐츠 제작의 목적은 정보 제공이나 의미 있는 참여 유도에서 단순한 보상으로 전환됩니다. 생성적 AI는 콘텐츠 제작을 더욱 쉽게 만들어 주지만, 실질적인 정보나 통찰력이 부족한 콘텐츠들이 빠르게 확산되고 있습니다. 이른바 AI 찌꺼기 콘텐츠가 생태계 전반에 퍼져나가면서 우려를 불러일으키고 있습니다.
Loud Mechanism, 출처: Loud
Loud 프로젝트는 이러한 추세를 명확히 보여줍니다. Loud는 관심을 토큰화하려고 시도하며, 플랫폼은 특정 기간 동안 가장 많은 관심을 받은 상위 사용자에게 보상을 분배합니다. 이러한 구조는 실험적으로 흥미롭지만, 관심이 보상의 유일한 기준이 되어 사용자 간의 과도한 경쟁을 유발하고 저품질 중복 콘텐츠가 대량 생성되도록 유도하여 궁극적으로 커뮤니티 전체의 콘텐츠 동질화를 초래합니다.
출처: Kaito Mindshare
두 번째 문제는 보상의 중앙화입니다. 관심 기반 보상은 특정 프로젝트나 주제에 집중되기 시작하고, 다른 프로젝트의 콘텐츠는 시장에서 사실상 사라지거나 감소하는데, 이는 Kaito의 데이터 공유에서 분명히 드러납니다. Loud는 한때 트위터 암호화폐 콘텐츠의 70% 이상을 차지하며 생태계 내 정보 흐름을 장악했습니다. 보상이 관심에 집중되면 콘텐츠의 다양성이 감소하고, 정보는 점차 높은 토큰 보상을 제공하는 프로젝트를 중심으로 쏠립니다. 궁극적으로 마케팅 예산의 규모가 생태계 내 영향력을 결정합니다.
InfoFi의 구조적 한계: 평가 및 배포
콘텐츠 평가에 대한 간단한 접근 방식의 한계
관심 중심의 보상 구조는 근본적인 질문을 제기합니다. 콘텐츠는 어떻게 평가되어야 하고 보상은 어떻게 배분되어야 할까요? 현재 대부분의 InfoFi 플랫폼은 조회수, 좋아요, 댓글과 같은 간단한 지표를 기반으로 콘텐츠 가치를 판단합니다. 이러한 구조는 참여도가 높으면 좋은 콘텐츠가 된다는 가정을 전제로 합니다.
참여도가 높은 콘텐츠는 정보의 질이나 전달 방식이 더 좋을 수 있지만, 이러한 구조는 주로 매우 고품질의 콘텐츠에 적용됩니다. 대부분의 중저가 콘텐츠의 경우 피드백 양과 질의 상관관계가 명확하지 않아 반복적인 형식과 지나치게 긍정적인 콘텐츠가 높은 점수를 받는 경우가 많습니다. 동시에, 다양한 관점을 제시하거나 새로운 주제를 탐구하는 콘텐츠는 마땅히 받아야 할 인정을 받기 어려울 수 있습니다.
이러한 문제를 해결하려면 더욱 완벽한 콘텐츠 품질 평가 시스템이 필요합니다. 참여도에만 기반한 평가 기준은 고정되어 있는 반면, 콘텐츠의 가치는 시간이나 환경에 따라 변화합니다. 예를 들어, AI는 의미 있는 콘텐츠를 식별할 수 있으며, 커뮤니티 기반 알고리즘 조정 방식도 도입할 수 있습니다. 후자는 정기적으로 제공되는 사용자 피드백 데이터를 기반으로 알고리즘이 평가 기준을 조정하도록 하여 평가 시스템이 변화에 유연하게 대응할 수 있도록 지원합니다.
보상 구조 집중과 균형의 필요성
콘텐츠 평가의 한계는 보상 구조 문제와 공존하며, 이는 정보 흐름 편향을 심화시킵니다. 현재 InfoFi 생태계는 일반적으로 각 프로젝트별로 별도의 리더보드를 운영하며, 각 프로젝트는 자체 토큰으로 보상을 받습니다. 이러한 구조 하에서 대규모 마케팅 예산을 투입한 프로젝트는 더 많은 콘텐츠를 유치할 수 있으며, 사용자의 관심은 특정 프로젝트에 집중되는 경향이 있습니다.
이러한 문제를 해결하려면 보상 분배 구조를 조정해야 합니다. 각 프로젝트는 자체 보상을 유지할 수 있고, 플랫폼은 콘텐츠 집중도를 실시간으로 모니터링하여 플랫폼 토큰을 활용하여 조정할 수 있습니다. 예를 들어, 콘텐츠가 특정 프로젝트에 지나치게 집중될 경우 플랫폼 토큰 보상을 일시적으로 줄이고, 상대적으로 낮은 커버리지를 보이는 주제에는 플랫폼 토큰을 추가로 지급할 수 있습니다. 여러 프로젝트를 다루는 콘텐츠에도 추가 보상을 지급할 수 있습니다. 이를 통해 다양한 주제와 관점을 가진 환경을 조성할 수 있습니다.
평가와 보상은 InfoFi 구조의 핵심입니다. 콘텐츠 평가 방식은 생태계의 정보 흐름을 결정하며, 누가 어떤 보상을 받는지도 매우 중요합니다. 현재 구조는 단일 기준 평가 시스템과 마케팅 중심의 보상 구조를 결합하여 정보의 다양성을 약화시키는 동시에 관심의 독점을 가속화합니다. 지속 가능한 운영을 위해서는 평가 기준의 유연성이 필수적이며, 유통 구조의 균형 잡힌 조정 또한 InfoFi 생태계가 직면한 핵심 과제입니다.
결론
InfoFi의 구조화된 실험은 관심을 정량화하고 이를 경제적 가치로 전환하여 기존의 일방적인 콘텐츠 소비 구조를 생산자 중심의 참여 경제로 전환하는 것을 목표로 하며, 이는 매우 중요한 의미를 지닙니다. 그러나 현재 InfoFi 생태계는 관심 토큰화 과정에서 콘텐츠 품질 저하 및 정보 흐름의 편향 등 구조적인 부작용에 직면하고 있습니다. 이러한 부작용은 모델의 한계라기보다는 초기 설계 단계에서 발생하는 딜레마에 가깝습니다.
단순 피드백 기반 평가 모델은 한계를 드러냈고, 마케팅 자원에 영향을 받는 보상 구조 또한 문제점을 드러냈습니다. 콘텐츠의 품질을 정확하게 평가할 수 있는 시스템 개선, 커뮤니티 기반 알고리즘 조정 메커니즘, 그리고 플랫폼 차원의 밸런스 조정 메커니즘 개선이 시급합니다. InfoFi는 회원들이 정보 생산 및 확산에 참여하여 공정한 보상을 받을 수 있는 생태계를 구축하고자 합니다. 이를 위해서는 기술적 개선과 더불어, 디자인 과정에 커뮤니티의 참여를 장려하는 것이 필수적입니다.
암호화폐 생태계에서 관심은 토큰처럼 작동합니다. InfoFi는 새로운 경제 구조를 설계하고 운영하는 데 있어 중요한 실험입니다. InfoFi의 잠재력은 가치 있는 정보와 통찰력을 공유할 수 있는 구조로 발전할 때만 완전히 실현될 수 있습니다. 이 실험의 결과는 디지털 시대의 정보 양적 경제 발전을 가속화할 것입니다.
