AIプロジェクトは必ず、かなり現実的な問題に直面します。モデルが増えるほど、リソースは誰に先に使われるのでしょうか？

1つのモデルを学習し、デプロイし、アプリケーションに組み込むには、その裏でデータ、計算資源、推論予算を消費する必要があり、さらにリスクや責任に関わる可能性もあります。従来の企業では、この問題が会議室での決裁になってしまうことがよくあります。発言力のある人（あるいは部門）のプロジェクトほど、先に進みやすいのです。
@OpenLedger 白書の「Model Proposal」と「Model Governance」に惹かれたのは、まさにここです。

開発者はまず、モデル提案を提出し、用途・シナリオ・アーキテクチャを説明します。ガバナンス参加者はgOPENを通じて投票し、どのモデルを次の段階に進めるかを決めます。このプロセスによって、「モデルを作るべきかどうか」が、“記録できる”“コストを伴う”“ガバナンス可能な”一連のアクションへと変わります。
これはAIにとって非常に重要です。

今後、本当に希少なのはモデルの能力だけではなく、高品質なDatanets、学習リソース、そして実際の利用ニーズそのものになるかもしれません。リソースが限られているとき、「価値のあるモデル」を誰が定義できるか――それ自体が、インフラの一部になっていくのです。

だから私は $OPEN を見ています。単にAIの概念があるかどうかだけではありません。モデル提案、ガバナンス、staking、推論支払い、そして貢献報酬の中で、実際の使用に至るクローズドループ（循環）が形成できるのかを、より重視しています。

@OpenLedger $OPEN #OpenLedger