Analityk, Który Szukał Dobrych Inwestycji

W 2023 roku Jayden Butts zbudował w DraftKings model, który oceniał graczy tak, jak bank ocenia wnioskodawcę kredytowego, z tą różnicą, że poszukiwaną cechą było ciągłe przegrywanie. Model łączył częstotliwość gry, saldo konta i stosunek strat do stawek w jedną liczbę, a następnie przewidywał, o ile więcej postawi klient po ofercie promocyjnej. Wewnętrznie ta miara nazywała się elastycznością.

"Szukamy cech, które wskazują na dobrą inwestycję", powiedział Butts New York Timesowi, którego śledztwo opiera się na ponad 40 byłych pracownikach, wewnętrznych notatkach, wiadomościach na Slacku i danych o zakładach. Inny, anonimowy były pracownik ujął tę logikę bardziej wprost: najlepszą inwestycją byłby hazardzista uzależniony od gry.

Detektor, Który Nigdy Nie Dostał Takiej Samej Uwagi

DraftKings zbudował też drugi model, mający wykrywać klientów wykazujących oznaki uzależnienia od hazardu, zanim stracą pieniądze, których firma etycznie nie powinna zatrzymywać. Czterech byłych pracowników powiedziało Timesowi, że ten detektor stanął w miejscu lub został wyłączony, podczas gdy model elastyczności był udoskonalany aż do 2025 roku.

DraftKings kwestionuje ten opis. Firma stwierdziła, że jej promocje trafiają do "klientów wykazujących trwałe, zaangażowane korzystanie z naszej platformy, a nie do klientów na podstawie ich strat". Nie zaprzeczyła jednak, że oba modele istniały.

Dwa Sygnały, Jeden Budżet

DraftKings prowadziło dwa modele AI o przeciwnych celach, a tylko jeden z nich rywalizował o przychody. Model, który znajduje klientów bliskich utraty pieniędzy, jakich firma nie powinna dalej ścigać, nie daje, gdy działa, żadnej widocznej liczby w bilansie, bo sukces oznacza tu przychód, który nigdy nie wpłynął. Model, który znajduje, kto postawi więcej po promocji, widać wprost w marży zakładów. Gdy zespół inżynierów musi wybrać, który model dostanie kolejny etap prac, model powiązany z przychodem wygrywa domyślnie, chyba że ktoś z odpowiednią władzą wyraźnie zdecyduje sfinansować drugi mimo wszystko.

DraftKings przypisał część 13-procentowej poprawy marż zakładów związanych z promocjami w 2025 roku właśnie tej pracy nad targetowaniem. Detektor uzależnienia od hazardu nigdy nie miał równoważnej liczby, ponieważ nie istnieje żaden wskaźnik, który nagradzałby brak zarobku na kliencie.

Massachusetts Już Wiedziało

Stan nie odkrył tej luki dopiero wtedy, gdy Times poprosił o komentarz. Massachusetts Gaming Commission zleciła badanie International Gaming Institute z UNLV, opublikowane w listopadzie 2025 roku, które wskazało lukę nadzorczą między tym, co narzędzia AI w marketingu zakładów potrafiły już robić, a tym, co obejmowały istniejące przepisy komisji. Badanie to doprowadziło do powstania w komisji grupy roboczej do spraw AI, mającej dokładnie taką praktykę obserwować.

Ta grupa robocza pozostawała bezczynna aż do publikacji materiału Timesa. W czwartek przewodniczący Jordan Maynard powiedział, że komisja podziela "zaniepokojenie" tempem rozwoju tych technologii, a komisarz Paul Brodeur nazwał raport niepokojącym, zauważając, że Massachusetts jest jednym z niewielu stanów, których przepisy dotyczące hazardu w ogóle wspominają o AI. Dyrektor wykonawczy Dean Serpa otrzymał teraz polecenie bezpośredniej rozmowy z DraftKings, a przegląd zostanie rozszerzony na każdy licencjonowany serwis bukmacherski w stanie, nie tylko na DraftKings.

Co To Oznacza, Jeśli Prowadzisz Dwa Takie Modele

Nic z tego nie wymaga złych intencji, aby to wytłumaczyć. Model powiązany z przychodem otrzyma więcej zasobów niż model zapobiegający szkodom, chyba że ktoś z odpowiednią władzą wyraźnie i konsekwentnie zdecyduje sfinansować drugi z tym samym priorytetem co pierwszy. Ta decyzja nie zapada sama, a firma, która ją pomija, kończy dokładnie tam, gdzie skończyło DraftKings: z działającym systemem dla dochodowej połowy problemu i bezczynnym dla drugiej połowy.

To samo dotyczy strony regulatora w tej historii. Zlecenie badania, które nazywa lukę nadzorczą, to nie to samo, co jej zamknięcie; Massachusetts miało własną diagnozę dziesięć miesięcy przed podjęciem działań. W Europie porównywalny system punktacji, klasyfikujący ludzi według ryzyka finansowego, wpadłby w kategorię wysokiego ryzyka unijnego rozporządzenia o AI, z obowiązkowym nadzorem ludzkim od samego początku, zamiast dodanym dopiero po pytaniu gazety. Zbudowanie detektora albo zlecenie badania to łatwa część. Świadome nadanie mu budżetu i terminu to część, która naprawdę wymagała decyzji.

Czytaj dalej: Jeden przekroczony termin złamał dwie obietnice Apple  |  Studio EVE Online zatrudniło byłą minister do prowadzenia swojego programu AI