InfoFi adalah eksperimen penting dalam merancang dan mengoperasikan struktur ekonomi baru. Ketika ia berkembang menjadi struktur di mana informasi dan wawasan yang bernilai dapat dibagikan, potensi tersebut dapat terealisasi sepenuhnya.
Tulisan oleh: Jay Jo, Tiger Research
Disusun oleh: AididiaoJP, Foresight News
TL;DR
InfoFi adalah upaya terstruktur untuk mengukur perhatian dan aktivitas pengguna serta menghubungkannya dengan imbalan.
InfoFi saat ini menghadapi beberapa masalah struktural, termasuk penurunan kualitas konten dan konsentrasi hadiah.
Ini bukan keterbatasan dari model InfoFi itu sendiri, tetapi masalah desain dari standar evaluasi dan cara distribusi hadiah yang perlu segera diperbaiki.
Era Token sebagai Perhatian
Perhatian telah menjadi salah satu sumber daya yang paling langka dalam industri modern. Di era internet, informasi melimpah, sementara kemampuan manusia untuk memproses informasi sangat terbatas. Kelangkaan ini mendorong banyak perusahaan untuk bersaing secara ketat, dan kemampuan untuk merebut perhatian pengguna telah menjadi keunggulan kompetitif inti bagi perusahaan.
Industri kripto menunjukkan tingkat persaingan perhatian yang lebih ekstrem. Pangsa perhatian memainkan peran penting dalam penentuan harga token dan pembentukan likuiditas, yang juga menjadi faktor kunci dalam menentukan keberhasilan atau kegagalan proyek. Bahkan proyek yang memiliki teknologi unggul, jika gagal menarik perhatian pasar, sering kali akan tereliminasi dari pasar.
Fenomena ini berasal dari karakteristik struktural pasar kripto. Pengguna tidak hanya sebagai peserta, tetapi juga sebagai investor; perhatian mereka secara langsung menghasilkan tindakan pembelian token yang nyata, sehingga menciptakan permintaan yang lebih besar dan efek jaringan. Di tempat perhatian terkonsentrasi, likuiditas akan tercipta, dan narasi dapat berkembang di atas dasar likuiditas ini. Narasi yang sudah ada kemudian menarik perhatian baru dan membentuk siklus positif yang mendorong perkembangan pasar.
InfoFi: Upaya sistematis untuk memtokenisasi perhatian
Pasar beroperasi berdasarkan perhatian. Struktur ini menimbulkan pertanyaan kunci: siapa yang benar-benar bisa mendapatkan manfaat dari perhatian ini? Pengguna menghasilkan perhatian melalui kegiatan komunitas dan penciptaan konten, tetapi tindakan ini sulit diukur dan tidak memiliki mekanisme penghargaan langsung yang jelas. Hingga saat ini, pengguna biasa hanya dapat memperoleh manfaat tidak langsung melalui membeli dan menjual token. Untuk kontributor yang benar-benar menciptakan perhatian, belum ada mekanisme penghargaan yang tersedia.
Jaringan InfoFi Kaito, sumber: Kaito
InfoFi adalah salah satu upaya untuk mengatasi masalah ini. InfoFi menggabungkan informasi dengan keuangan, menciptakan mekanisme yang menilai kontribusi pengguna berdasarkan perhatian yang dihasilkan dari konten pengguna (seperti jumlah tampilan, komentar, dan berbagi) dan mengaitkannya dengan imbalan token. Keberhasilan Kaito telah memungkinkan struktur ini untuk menyebar secara luas.
Kaito mengevaluasi aktivitas media sosial melalui algoritma AI, termasuk posting dan komentar. Platform ini memberikan penghargaan token berdasarkan skor. Semakin banyak perhatian yang dihasilkan oleh konten yang dibuat pengguna, semakin besar paparan yang dapat diperoleh proyek. Modal melihat perhatian ini sebagai sinyal dan membuat keputusan investasi berdasarkan hal itu. Seiring dengan meningkatnya perhatian, lebih banyak modal mengalir ke proyek, dan penghargaan bagi peserta juga meningkat. Peserta, proyek, dan modal bekerja sama melalui data perhatian sebagai media, sehingga membentuk siklus yang menguntungkan.
Model InfoFi memberikan kontribusi yang menonjol di tiga bidang kunci.
Pertama, ia mengkuantifikasi kontribusi pengguna yang kriteria penilaiannya tidak jelas. Berdasarkan sistem poin, orang dapat secara terstruktur mendefinisikan kontribusi dan membantu pengguna memprediksi hadiah apa yang dapat mereka peroleh melalui perilaku tertentu, sehingga meningkatkan keberlanjutan dan konsistensi keterlibatan pengguna.
Kedua, InfoFi mengubah perhatian dari konsep abstrak menjadi data yang dapat diukur dan diperdagangkan, dan keterlibatan pengguna bergeser dari konsumsi sederhana ke aktivitas produktif. Sebagian besar keterlibatan online yang ada melibatkan investasi atau berbagi konten, dan platform menghasilkan uang dari perhatian yang dihasilkan oleh aktivitas ini. InfoFi mengukur respons pasar pengguna terhadap konten ini dan mengeluarkan imbalan berdasarkan data ini, sehingga tindakan peserta dianggap sebagai pekerjaan produktif. Pergeseran ini memberi pengguna peran sebagai pencipta nilai jaringan, bukan hanya anggota komunitas.
Ketiga, InfoFi menurunkan ambang batas produksi informasi. Dulu, akun besar di Twitter dan akun institusi mendominasi distribusi informasi dan menguasai sebagian besar perhatian dan penghargaan, sedangkan sekarang pengguna biasa setelah mendapatkan tingkat perhatian pasar tertentu, juga dapat memperoleh penghargaan yang nyata, menciptakan lebih banyak peluang partisipasi bagi pengguna dengan latar belakang yang berbeda.
InfoFi yang Memicu Perangkap Ekonomi Perhatian
Model InfoFi adalah eksperimen desain penghargaan baru di industri kripto yang mengkuantifikasi kontribusi pengguna dan mengaitkannya dengan penghargaan. Namun, perhatian telah menjadi nilai yang terlalu terpusat, dan efek sampingnya mulai terlihat.
Masalah pertama adalah persaingan perhatian yang berlebihan dan penurunan kualitas konten. Ketika perhatian menjadi standar penghargaan, tujuan dari penciptaan konten sekarang berubah dari memberikan informasi atau mendorong keterlibatan yang berarti menjadi hanya untuk mendapatkan penghargaan. Sementara itu, AI generatif membuat penciptaan konten menjadi lebih mudah, konten massal yang kurang memiliki informasi atau wawasan yang nyata cepat menyebar. Konten yang disebut "AI Slop" ini menyebar di seluruh ekosistem, menimbulkan kekhawatiran di kalangan orang-orang.
Loud Mechanism, sumber: Loud
Proyek Loud dengan jelas menunjukkan tren ini. Loud mencoba untuk memtokenisasi perhatian, platform ini memilih untuk mendistribusikan hadiah kepada pengguna top yang mendapatkan perhatian terbanyak dalam periode waktu tertentu. Struktur ini secara eksperimental sangat menarik, tetapi perhatian menjadi satu-satunya standar penghargaan, yang menyebabkan persaingan yang berlebihan di antara pengguna dan memicu banyak konten berkualitas rendah yang diulang, akhirnya menyebabkan homogenitas konten di seluruh komunitas.
Sumber data: Kaito Mindshare
Masalah kedua adalah sentralisasi hadiah. Hadiah berbasis perhatian mulai berfokus pada item atau topik tertentu, dan konten dari item lain sebenarnya secara pasif menghilang atau berkurang dari pasar, seperti yang dijelaskan oleh data bersama Kaito. Pada satu titik, Loud menyumbang lebih dari 70% konten terenkripsi di Twitter, mendominasi aliran informasi dalam ekosistem. Ketika hadiah difokuskan pada perhatian, keragaman konten berkurang, dan informasi dihasilkan seputar proyek yang menawarkan hadiah token tinggi. Ukuran anggaran pemasaran akhir menentukan dampak dalam ekosistem.
Pembatasan Struktural InfoFi: Penilaian dan Distribusi
4.1. Keterbatasan metode evaluasi konten yang sederhana
Struktur penghargaan yang berfokus pada perhatian mengangkat sebuah pertanyaan mendasar: bagaimana seharusnya konten dievaluasi, dan bagaimana seharusnya penghargaan dibagikan? Saat ini, sebagian besar platform InfoFi didasarkan pada indikator sederhana (seperti jumlah tampilan, suka, dan komentar) untuk menilai nilai konten. Struktur ini mengasumsikan bahwa "tingkat keterlibatan yang tinggi sama dengan konten yang baik."
Konten yang memiliki tingkat partisipasi tinggi memang mungkin memiliki kualitas informasi atau efek penyampaian yang lebih baik, namun struktur ini terutama berlaku untuk konten berkualitas sangat tinggi. Untuk sebagian besar konten kelas menengah ke bawah, hubungan antara jumlah umpan balik dan kualitasnya masih belum jelas, sehingga menyebabkan fenomena di mana format yang berulang dan konten yang terlalu positif mendapatkan penilaian tinggi. Sementara itu, konten yang menyajikan perspektif yang beragam atau membahas tema baru sulit mendapatkan pengakuan yang semestinya.
Menyelesaikan masalah ini memerlukan sistem penilaian kualitas konten yang lebih baik. Standar penilaian yang hanya berdasarkan partisipasi adalah tetap, sementara nilai konten dapat berubah seiring waktu atau lingkungan. Misalnya, AI dapat mengenali konten yang bermakna, selain itu juga dapat memperkenalkan metode penyesuaian algoritma berbasis komunitas. Yang terakhir dapat menggunakan algoritma yang disesuaikan berdasarkan data umpan balik pengguna yang diberikan secara berkala, sehingga membantu sistem penilaian untuk dengan fleksibel mengatasi perubahan.
4.2. Konsentrasi Struktur Hadiah dan Permintaan Keseimbangan
Keterbatasan evaluasi konten dan masalah struktur penghargaan berjalan beriringan, dan struktur penghargaan juga memperburuk bias aliran informasi. Ekosistem InfoFi saat ini biasanya menjalankan papan peringkat terpisah untuk setiap proyek, yang menggunakan token mereka sendiri untuk memberikan penghargaan. Dalam struktur ini, proyek yang memiliki anggaran pemasaran besar dapat menarik lebih banyak konten, dan perhatian pengguna seringkali terkonsentrasi pada proyek tertentu.
Untuk menyelesaikan masalah ini, perlu dilakukan penyesuaian pada struktur distribusi hadiah. Setiap proyek dapat mempertahankan hadiah masing-masing, platform dapat memantau konsentrasi konten secara real-time, dan menggunakan token platform untuk melakukan penyesuaian. Misalnya, jika konten mungkin terlalu terfokus pada proyek tertentu, hadiah token platform dapat dikurangi sementara, sementara tema yang relatif memiliki cakupan lebih rendah dapat memperoleh tambahan token platform. Konten yang mencakup beberapa proyek juga dapat memperoleh hadiah tambahan. Ini akan menciptakan lingkungan dengan tema dan sudut pandang yang beragam.
Evaluasi dan penghargaan merupakan inti dari struktur InfoFi. Cara konten dievaluasi menentukan aliran informasi dalam ekosistem, dan siapa yang mendapatkan jenis penghargaan juga sangat penting. Struktur saat ini bergantung pada sistem evaluasi berdasarkan satu standar yang dipadukan dengan struktur penghargaan yang berfokus pada pemasaran, mempercepat dominasi perhatian, sekaligus melemahkan keragaman informasi. Fleksibilitas standard evaluasi sangat penting untuk operasi yang berkelanjutan, dan penyesuaian keseimbangan dalam struktur distribusi juga merupakan tantangan kunci yang dihadapi oleh ekosistem InfoFi.
Kata Penutup
Eksperimen terstruktur InfoFi bertujuan untuk mengkuantifikasi perhatian dan mengubahnya menjadi nilai ekonomi, mengubah struktur konsumsi konten satu arah yang ada menjadi ekonomi partisipatif yang berpusat pada produsen, dan pencapaian ini sangat berarti. Namun, ekosistem InfoFi saat ini menghadapi efek samping struktural dalam proses tokenisasi perhatian, termasuk penurunan kualitas konten dan bias aliran informasi. Efek samping ini lebih merupakan dilema yang harus dilalui pada tahap desain awal daripada keterbatasan model.
Model penilaian berbasis umpan balik sederhana telah mengungkapkan keterbatasannya, dan struktur penghargaan yang dipengaruhi oleh sumber daya pemasaran juga menunjukkan masalah. Saat ini, ada kebutuhan mendesak untuk meningkatkan sistem yang dapat secara akurat menilai kualitas konten, serta diperlukan mekanisme penyesuaian algoritma berbasis komunitas dan mekanisme penyeimbang di tingkat platform. InfoFi bertujuan untuk menciptakan ekosistem di mana anggota dapat memperoleh imbalan yang adil melalui partisipasi dalam produksi dan penyebaran informasi. Untuk mencapai tujuan ini, diperlukan peningkatan teknologi, dan juga perlu mendorong partisipasi komunitas dalam desain.
Dalam ekosistem kripto, perhatian berfungsi seperti token. InfoFi adalah eksperimen penting dalam merancang dan mengoperasikan struktur ekonomi baru. Ketika ia berkembang menjadi struktur di mana informasi dan wawasan yang berharga dapat dibagikan, potensinya dapat sepenuhnya terwujud. Hasil eksperimen ini akan mempercepat perkembangan ekonomi kuantifikasi informasi di era digital.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Dilema InfoFi dalam Ekonomi Perhatian
Tulisan oleh: Jay Jo, Tiger Research
Disusun oleh: AididiaoJP, Foresight News
TL;DR
Era Token sebagai Perhatian
Perhatian telah menjadi salah satu sumber daya yang paling langka dalam industri modern. Di era internet, informasi melimpah, sementara kemampuan manusia untuk memproses informasi sangat terbatas. Kelangkaan ini mendorong banyak perusahaan untuk bersaing secara ketat, dan kemampuan untuk merebut perhatian pengguna telah menjadi keunggulan kompetitif inti bagi perusahaan.
Industri kripto menunjukkan tingkat persaingan perhatian yang lebih ekstrem. Pangsa perhatian memainkan peran penting dalam penentuan harga token dan pembentukan likuiditas, yang juga menjadi faktor kunci dalam menentukan keberhasilan atau kegagalan proyek. Bahkan proyek yang memiliki teknologi unggul, jika gagal menarik perhatian pasar, sering kali akan tereliminasi dari pasar.
Fenomena ini berasal dari karakteristik struktural pasar kripto. Pengguna tidak hanya sebagai peserta, tetapi juga sebagai investor; perhatian mereka secara langsung menghasilkan tindakan pembelian token yang nyata, sehingga menciptakan permintaan yang lebih besar dan efek jaringan. Di tempat perhatian terkonsentrasi, likuiditas akan tercipta, dan narasi dapat berkembang di atas dasar likuiditas ini. Narasi yang sudah ada kemudian menarik perhatian baru dan membentuk siklus positif yang mendorong perkembangan pasar.
InfoFi: Upaya sistematis untuk memtokenisasi perhatian
Pasar beroperasi berdasarkan perhatian. Struktur ini menimbulkan pertanyaan kunci: siapa yang benar-benar bisa mendapatkan manfaat dari perhatian ini? Pengguna menghasilkan perhatian melalui kegiatan komunitas dan penciptaan konten, tetapi tindakan ini sulit diukur dan tidak memiliki mekanisme penghargaan langsung yang jelas. Hingga saat ini, pengguna biasa hanya dapat memperoleh manfaat tidak langsung melalui membeli dan menjual token. Untuk kontributor yang benar-benar menciptakan perhatian, belum ada mekanisme penghargaan yang tersedia.
Jaringan InfoFi Kaito, sumber: Kaito
InfoFi adalah salah satu upaya untuk mengatasi masalah ini. InfoFi menggabungkan informasi dengan keuangan, menciptakan mekanisme yang menilai kontribusi pengguna berdasarkan perhatian yang dihasilkan dari konten pengguna (seperti jumlah tampilan, komentar, dan berbagi) dan mengaitkannya dengan imbalan token. Keberhasilan Kaito telah memungkinkan struktur ini untuk menyebar secara luas.
Kaito mengevaluasi aktivitas media sosial melalui algoritma AI, termasuk posting dan komentar. Platform ini memberikan penghargaan token berdasarkan skor. Semakin banyak perhatian yang dihasilkan oleh konten yang dibuat pengguna, semakin besar paparan yang dapat diperoleh proyek. Modal melihat perhatian ini sebagai sinyal dan membuat keputusan investasi berdasarkan hal itu. Seiring dengan meningkatnya perhatian, lebih banyak modal mengalir ke proyek, dan penghargaan bagi peserta juga meningkat. Peserta, proyek, dan modal bekerja sama melalui data perhatian sebagai media, sehingga membentuk siklus yang menguntungkan.
Model InfoFi memberikan kontribusi yang menonjol di tiga bidang kunci.
Pertama, ia mengkuantifikasi kontribusi pengguna yang kriteria penilaiannya tidak jelas. Berdasarkan sistem poin, orang dapat secara terstruktur mendefinisikan kontribusi dan membantu pengguna memprediksi hadiah apa yang dapat mereka peroleh melalui perilaku tertentu, sehingga meningkatkan keberlanjutan dan konsistensi keterlibatan pengguna.
Kedua, InfoFi mengubah perhatian dari konsep abstrak menjadi data yang dapat diukur dan diperdagangkan, dan keterlibatan pengguna bergeser dari konsumsi sederhana ke aktivitas produktif. Sebagian besar keterlibatan online yang ada melibatkan investasi atau berbagi konten, dan platform menghasilkan uang dari perhatian yang dihasilkan oleh aktivitas ini. InfoFi mengukur respons pasar pengguna terhadap konten ini dan mengeluarkan imbalan berdasarkan data ini, sehingga tindakan peserta dianggap sebagai pekerjaan produktif. Pergeseran ini memberi pengguna peran sebagai pencipta nilai jaringan, bukan hanya anggota komunitas.
Ketiga, InfoFi menurunkan ambang batas produksi informasi. Dulu, akun besar di Twitter dan akun institusi mendominasi distribusi informasi dan menguasai sebagian besar perhatian dan penghargaan, sedangkan sekarang pengguna biasa setelah mendapatkan tingkat perhatian pasar tertentu, juga dapat memperoleh penghargaan yang nyata, menciptakan lebih banyak peluang partisipasi bagi pengguna dengan latar belakang yang berbeda.
InfoFi yang Memicu Perangkap Ekonomi Perhatian
Model InfoFi adalah eksperimen desain penghargaan baru di industri kripto yang mengkuantifikasi kontribusi pengguna dan mengaitkannya dengan penghargaan. Namun, perhatian telah menjadi nilai yang terlalu terpusat, dan efek sampingnya mulai terlihat.
Masalah pertama adalah persaingan perhatian yang berlebihan dan penurunan kualitas konten. Ketika perhatian menjadi standar penghargaan, tujuan dari penciptaan konten sekarang berubah dari memberikan informasi atau mendorong keterlibatan yang berarti menjadi hanya untuk mendapatkan penghargaan. Sementara itu, AI generatif membuat penciptaan konten menjadi lebih mudah, konten massal yang kurang memiliki informasi atau wawasan yang nyata cepat menyebar. Konten yang disebut "AI Slop" ini menyebar di seluruh ekosistem, menimbulkan kekhawatiran di kalangan orang-orang.
Loud Mechanism, sumber: Loud
Proyek Loud dengan jelas menunjukkan tren ini. Loud mencoba untuk memtokenisasi perhatian, platform ini memilih untuk mendistribusikan hadiah kepada pengguna top yang mendapatkan perhatian terbanyak dalam periode waktu tertentu. Struktur ini secara eksperimental sangat menarik, tetapi perhatian menjadi satu-satunya standar penghargaan, yang menyebabkan persaingan yang berlebihan di antara pengguna dan memicu banyak konten berkualitas rendah yang diulang, akhirnya menyebabkan homogenitas konten di seluruh komunitas.
Sumber data: Kaito Mindshare
Masalah kedua adalah sentralisasi hadiah. Hadiah berbasis perhatian mulai berfokus pada item atau topik tertentu, dan konten dari item lain sebenarnya secara pasif menghilang atau berkurang dari pasar, seperti yang dijelaskan oleh data bersama Kaito. Pada satu titik, Loud menyumbang lebih dari 70% konten terenkripsi di Twitter, mendominasi aliran informasi dalam ekosistem. Ketika hadiah difokuskan pada perhatian, keragaman konten berkurang, dan informasi dihasilkan seputar proyek yang menawarkan hadiah token tinggi. Ukuran anggaran pemasaran akhir menentukan dampak dalam ekosistem.
Pembatasan Struktural InfoFi: Penilaian dan Distribusi
4.1. Keterbatasan metode evaluasi konten yang sederhana
Struktur penghargaan yang berfokus pada perhatian mengangkat sebuah pertanyaan mendasar: bagaimana seharusnya konten dievaluasi, dan bagaimana seharusnya penghargaan dibagikan? Saat ini, sebagian besar platform InfoFi didasarkan pada indikator sederhana (seperti jumlah tampilan, suka, dan komentar) untuk menilai nilai konten. Struktur ini mengasumsikan bahwa "tingkat keterlibatan yang tinggi sama dengan konten yang baik."
Konten yang memiliki tingkat partisipasi tinggi memang mungkin memiliki kualitas informasi atau efek penyampaian yang lebih baik, namun struktur ini terutama berlaku untuk konten berkualitas sangat tinggi. Untuk sebagian besar konten kelas menengah ke bawah, hubungan antara jumlah umpan balik dan kualitasnya masih belum jelas, sehingga menyebabkan fenomena di mana format yang berulang dan konten yang terlalu positif mendapatkan penilaian tinggi. Sementara itu, konten yang menyajikan perspektif yang beragam atau membahas tema baru sulit mendapatkan pengakuan yang semestinya.
Menyelesaikan masalah ini memerlukan sistem penilaian kualitas konten yang lebih baik. Standar penilaian yang hanya berdasarkan partisipasi adalah tetap, sementara nilai konten dapat berubah seiring waktu atau lingkungan. Misalnya, AI dapat mengenali konten yang bermakna, selain itu juga dapat memperkenalkan metode penyesuaian algoritma berbasis komunitas. Yang terakhir dapat menggunakan algoritma yang disesuaikan berdasarkan data umpan balik pengguna yang diberikan secara berkala, sehingga membantu sistem penilaian untuk dengan fleksibel mengatasi perubahan.
4.2. Konsentrasi Struktur Hadiah dan Permintaan Keseimbangan
Keterbatasan evaluasi konten dan masalah struktur penghargaan berjalan beriringan, dan struktur penghargaan juga memperburuk bias aliran informasi. Ekosistem InfoFi saat ini biasanya menjalankan papan peringkat terpisah untuk setiap proyek, yang menggunakan token mereka sendiri untuk memberikan penghargaan. Dalam struktur ini, proyek yang memiliki anggaran pemasaran besar dapat menarik lebih banyak konten, dan perhatian pengguna seringkali terkonsentrasi pada proyek tertentu.
Untuk menyelesaikan masalah ini, perlu dilakukan penyesuaian pada struktur distribusi hadiah. Setiap proyek dapat mempertahankan hadiah masing-masing, platform dapat memantau konsentrasi konten secara real-time, dan menggunakan token platform untuk melakukan penyesuaian. Misalnya, jika konten mungkin terlalu terfokus pada proyek tertentu, hadiah token platform dapat dikurangi sementara, sementara tema yang relatif memiliki cakupan lebih rendah dapat memperoleh tambahan token platform. Konten yang mencakup beberapa proyek juga dapat memperoleh hadiah tambahan. Ini akan menciptakan lingkungan dengan tema dan sudut pandang yang beragam.
Evaluasi dan penghargaan merupakan inti dari struktur InfoFi. Cara konten dievaluasi menentukan aliran informasi dalam ekosistem, dan siapa yang mendapatkan jenis penghargaan juga sangat penting. Struktur saat ini bergantung pada sistem evaluasi berdasarkan satu standar yang dipadukan dengan struktur penghargaan yang berfokus pada pemasaran, mempercepat dominasi perhatian, sekaligus melemahkan keragaman informasi. Fleksibilitas standard evaluasi sangat penting untuk operasi yang berkelanjutan, dan penyesuaian keseimbangan dalam struktur distribusi juga merupakan tantangan kunci yang dihadapi oleh ekosistem InfoFi.
Kata Penutup
Eksperimen terstruktur InfoFi bertujuan untuk mengkuantifikasi perhatian dan mengubahnya menjadi nilai ekonomi, mengubah struktur konsumsi konten satu arah yang ada menjadi ekonomi partisipatif yang berpusat pada produsen, dan pencapaian ini sangat berarti. Namun, ekosistem InfoFi saat ini menghadapi efek samping struktural dalam proses tokenisasi perhatian, termasuk penurunan kualitas konten dan bias aliran informasi. Efek samping ini lebih merupakan dilema yang harus dilalui pada tahap desain awal daripada keterbatasan model.
Model penilaian berbasis umpan balik sederhana telah mengungkapkan keterbatasannya, dan struktur penghargaan yang dipengaruhi oleh sumber daya pemasaran juga menunjukkan masalah. Saat ini, ada kebutuhan mendesak untuk meningkatkan sistem yang dapat secara akurat menilai kualitas konten, serta diperlukan mekanisme penyesuaian algoritma berbasis komunitas dan mekanisme penyeimbang di tingkat platform. InfoFi bertujuan untuk menciptakan ekosistem di mana anggota dapat memperoleh imbalan yang adil melalui partisipasi dalam produksi dan penyebaran informasi. Untuk mencapai tujuan ini, diperlukan peningkatan teknologi, dan juga perlu mendorong partisipasi komunitas dalam desain.
Dalam ekosistem kripto, perhatian berfungsi seperti token. InfoFi adalah eksperimen penting dalam merancang dan mengoperasikan struktur ekonomi baru. Ketika ia berkembang menjadi struktur di mana informasi dan wawasan yang berharga dapat dibagikan, potensinya dapat sepenuhnya terwujud. Hasil eksperimen ini akan mempercepat perkembangan ekonomi kuantifikasi informasi di era digital.