L'Analista Che Cercava Buoni Investimenti

Nel 2023 Jayden Butts ha costruito in DraftKings un modello che classificava gli scommettitori come una banca classifica chi chiede un prestito, con la differenza che il tratto cercato era la perdita continua. Il modello combinava la frequenza di gioco, il saldo del conto e il rapporto tra perdite e puntate in un unico punteggio, poi prevedeva quanto in più avrebbe scommesso un cliente dopo un'offerta promozionale. Internamente questa metrica veniva chiamata elasticità.

"Cerchiamo tratti e caratteristiche che indichino un buon investimento", ha detto Butts al New York Times, la cui inchiesta si basa su oltre 40 ex dipendenti, memo interni, messaggi Slack e dati sulle scommesse. Un altro ex dipendente, rimasto anonimo, ha riassunto la logica in modo più diretto: il miglior investimento sarebbe un giocatore d'azzardo problematico.

Il Rilevatore Che Non Ha Mai Ricevuto La Stessa Attenzione

DraftKings ha costruito anche un secondo modello, pensato per individuare i clienti con segnali di ludopatia prima che perdessero denaro che l'azienda non avrebbe dovuto trattenere eticamente. Quattro ex dipendenti hanno detto al Times che quel rilevatore si è bloccato o è stato disattivato, mentre il modello dell'elasticità continuava a essere perfezionato fino al 2025.

DraftKings contesta questa ricostruzione. L'azienda ha dichiarato che le sue promozioni si rivolgono a "clienti che dimostrano un uso costante e coinvolto della nostra piattaforma, non a clienti in base alle loro perdite". Non ha negato che entrambi i modelli esistessero.

Due Segnali, Un Solo Budget

DraftKings gestiva due modelli di IA con obiettivi opposti, e solo uno dei due competeva per il fatturato. Un modello che trova clienti sul punto di perdere denaro che l'azienda non dovrebbe continuare a inseguire non produce, se funziona, una cifra visibile in bilancio, perché il successo qui significa ricavi non incassati. Un modello che trova chi scommetterà di più dopo una promozione si riflette direttamente sul margine delle scommesse. Quando un team di ingegneri deve scegliere quale modello ricevere per lo sprint successivo, vince per default il modello legato al fatturato, a meno che qualcuno con autorità decida, in modo esplicito, di finanziare comunque l'altro.

DraftKings ha attribuito parte di un miglioramento del 13 percento nei margini delle scommesse legate alle promozioni nel 2025 a questo lavoro di targeting. Il rilevatore di ludopatia non ha mai avuto una cifra equivalente, perché non esiste una metrica che premi il non guadagnare da un cliente.

Il Massachusetts Lo Sapeva Già

Lo stato non ha scoperto questo vuoto quando il Times ha chiesto un commento. La Massachusetts Gaming Commission aveva commissionato uno studio all'International Gaming Institute dell'UNLV, pubblicato a novembre 2025, che individuava un vuoto di controllo tra ciò che gli strumenti di IA nel marketing delle scommesse potevano già fare e ciò che coprivano le regole esistenti della commissione. Quello studio ha portato alla creazione di una task force sull'IA dentro la commissione, incaricata proprio di sorvegliare pratiche come questa.

Quella task force è rimasta ferma fino alla pubblicazione dell'inchiesta del Times. Giovedì il presidente Jordan Maynard ha detto che la commissione condivide "la preoccupazione" per la velocità di queste tecnologie, e il commissario Paul Brodeur ha definito il rapporto preoccupante, notando che il Massachusetts è uno dei pochi stati le cui regole sul gioco d'azzardo citano anche solo l'IA. Al direttore esecutivo Dean Serpa è stato ora chiesto di confrontarsi direttamente con DraftKings, e la revisione si estenderà a ogni sala scommesse autorizzata nello stato, non solo a DraftKings.

Cosa Significa Per Chi Gestisce Due Modelli Così

Niente di tutto questo richiede cattive intenzioni per essere spiegato. Un modello legato al fatturato otterrà più risorse di un modello per la prevenzione del danno, a meno che qualcuno con autorità decida, in modo esplicito e continuo, di finanziare il secondo con la stessa priorità del primo. Questa decisione non avviene per default, e un'azienda che la salta finisce esattamente dove è finita DraftKings: con un sistema funzionante per la metà redditizia del problema e uno fermo per l'altra metà.

Lo stesso vale per il lato del regolatore in questa storia. Commissionare uno studio che individua un vuoto di controllo non equivale a colmarlo; il Massachusetts aveva la propria diagnosi dieci mesi prima di agire. In Europa, un sistema di punteggio simile, che classificasse le persone per rischio finanziario, rientrerebbe nella categoria ad alto rischio del Regolamento IA dell'Unione Europea, con supervisione umana obbligatoria fin dall'inizio, non aggiunta dopo che un giornale fa una domanda. Costruire il rilevatore, o commissionare lo studio, è la parte facile. Dargli, di proposito, un budget e una scadenza è la parte che richiedeva davvero una decisione.

Da leggere ora: Una scadenza mancata ha infranto due promesse di Apple  |  Lo studio di EVE Online assume un'ex ministra per il suo programma IA