Economia de Rede Democrática de IA
A economia política da IA e do conteúdo: pay-per-crawl, dividendos de dados, fundos soberanos de IA, fundos de compensação para criadores, mercados de dados escalonados, e como o valor extraído do conhecimento público pode reverter para quem o produziu.
Questões em estudo
01
Aproveitamento gratuito de dados vs. avaliações de IA na casa dos triliões
02
A tese do mercado de dados escalonado: os dados tornam-se escalonados, não caros
03
Partilha de receitas de dados públicos e dividendos de IA
04
Mercados de conjuntos de dados verificados e licenciamento coletivo
Whitepapers relacionados
- AICR / AICL como Camada de Ligação de Licenciamento de Conteúdo de IA e Pagamento Agêntico Uma camada de especificação legível por máquina para declarar direitos de conteúdo de IA e fluxos de licenciamento — do rastreio (crawling) de IA e direitos de conteúdo a uma web de conhecimento transacionável por máquinas.
- AICL-I v0.2: AI Ingestion & Capability Layer A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.
- Pagamento de Conteúdo de IA e a Economia de Rede Democrática Um argumento de economia política: avaliações de IA na escala dos triliões criam pressão de legitimidade para o licenciamento de conteúdo em níveis e para a partilha de benefícios públicos — os dados tornam-se escalonados, não caros.
- AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
- ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.