The Pulse
DraftKings ha usato l’IA per puntare sugli scommettitori più propensi a perdere
Un’inchiesta del New York Times afferma che DraftKings ha usato modelli di machine learning per indirizzare le promozioni sulle scommesse ai clienti che si prevedeva avrebbero perso più denaro. L’azienda ha contestato l’affermazione che il
AI.info Team ·
«La domanda fondamentale era: “Questa persona ci darà più di quanto le stiamo dando noi?” E se la risposta è sì, apriamo i rubinetti.»
Jayden Butts, ex analista dei dati di DraftKings
DraftKings ha sviluppato un sistema di machine learning per individuare i clienti più propensi a rispondere alle promozioni sulle scommesse giocando e perdendo più denaro, secondo un’inchiesta pubblicata il 19 settembre 2026 da The New York Times.
L’inchiesta, basata su documenti interni, registri delle scommesse e interviste a più di 40 ex dipendenti di DraftKings, descrive un’azienda che usa i dati sul comportamento dei clienti per decidere chi dovrebbe ricevere scommesse gratuite, bonus sui depositi e altri incentivi. Gli ex dipendenti hanno raccontato al Times che DraftKings ha continuato a sviluppare sistemi simili per le scommesse sportive e quelle nei casinò, accantonando o rifiutandosi di introdurre strumenti predittivi che avrebbero potuto individuare i clienti a rischio di problemi legati al gioco d’azzardo.
DraftKings ha chiamato il modello «elasticità»
DraftKings ha iniziato a sviluppare il modello per i casinò nel 2023. Il sistema analizzava decine di punti dati, tra cui la frequenza con cui un cliente giocava, i saldi giornalieri del conto e il rapporto tra il denaro scommesso e quello perso. Incorporava anche un modello separato che stimava la probabilità che un cliente smettesse di giocare.
Il punteggio risultante era noto internamente come «elasticità». Ai clienti con punteggi inferiori alla media venivano destinati meno incentivi, mentre quelli ritenuti più propensi a rispondere in modo redditizio continuavano a essere idonei alle promozioni. Nel settembre 2023, Butts ha testato l’approccio su circa 5.000 giocatori di casinò, prima di estendere gli esperimenti a una popolazione più ampia.
Butts ha detto che inizialmente credeva che l’azienda volesse ridurre la spesa per i clienti che difficilmente avrebbero generato un ritorno. Invece, ha raccontato, i suoi supervisori gli dissero che DraftKings voleva «ridistribuire» il denaro, indirizzando più offerte ai clienti che si prevedeva avrebbero perso di più.
Il Times ha rilevato che, in media, i giocatori con un’elevata elasticità scommettevano di più alle slot online rispetto a quelli con punteggi più bassi, secondo i dati interni dei casinò relativi all’inizio del 2024. Un promemoria di DraftKings del 2023 descriveva i ricavi delle slot come «più elastici» di quelli degli altri giochi da casinò, nel senso che le promozioni erano particolarmente efficaci nello spingere gli utenti verso quei giochi.
Una macchina promozionale da 3 miliardi di dollari
Le promozioni sono un elemento centrale dell’attività di DraftKings. L’anno scorso l’azienda ha generato circa 8,7 miliardi di dollari di ricavi lordi dalle scommesse sportive e nei casinò e ha distribuito all’incirca 3 miliardi di dollari in promozioni, secondo una ricerca di Citizens Bank citata dal Times.
Un dirigente di DraftKings ha detto agli investitori che nel 2025 la scienza dei dati e l’analisi hanno migliorato del 13 per cento i margini sulle scommesse sportive legate alle promozioni. Il dirigente ha anche affermato che l’azienda ha usato l’intelligenza artificiale per personalizzare centinaia di milioni di dollari di spesa promozionale.
Gli ex dipendenti hanno descritto altri sistemi progettati per individuare i clienti a rischio di abbandonare la piattaforma, spingerli a tornare e aumentare le promozioni per le persone il cui comportamento di gioco era diventato più aggressivo. Sei ex dipendenti che si occupavano del targeting promozionale hanno detto di ritenere che i metodi dell’azienda potessero indirizzare gli incentivi verso giocatori vulnerabili.
Un ex analista ha descritto la pratica come «predatoria quanto sembra», dicendo: «Se perdi di più, ti diamo di più, così continui a giocare di più». L’analista ha chiesto di restare anonimo perché temeva ritorsioni.
DraftKings respinge questa caratterizzazione
DraftKings ha dichiarato di «respingere qualsiasi insinuazione secondo cui le sue pratiche di marketing siano scorrette o prendano di mira i clienti in modo improprio». L’azienda ha affermato che le promozioni sono rivolte ai clienti che mostrano «un uso continuativo e attivo della nostra piattaforma», non a quelli selezionati in base alle perdite.
L’azienda ha anche contestato il racconto di Butts sul suo licenziamento e ha definito il suo test promozionale «preliminare e inconcludente». DraftKings ha dichiarato di non aver visto né verificato alcuni dei materiali interni e delle analisi descritti dal Times.
Lori Kalani, responsabile del gioco responsabile di DraftKings, ha detto che l’attività dell’azienda dipende da clienti «che scommettono entro i propri limiti, per intrattenimento e divertimento». Ha affermato che DraftKings monitora i comportamenti potenzialmente rischiosi e non invia promozioni ai clienti segnalati o che si sono inseriti nelle liste di autoesclusione.
Il modello di rischio che DraftKings non ha usato
Anche alcuni dipendenti di DraftKings hanno sviluppato sistemi predittivi volti a individuare i problemi legati al gioco d’azzardo. A metà del 2024, il data scientist Nestor Hernandez ha iniziato a costruire un modello che analizzava depositi e prelievi, tentativi di recuperare le perdite, età e genere, tra gli altri fattori, per stimare se un cliente potesse aver bisogno di un intervento a breve.
Hernandez ha detto che l’obiettivo era prevedere i problemi «con qualche giorno o qualche settimana di anticipo», così che l’azienda potesse intervenire prima. Dopo la sua uscita da DraftKings, nel novembre 2024, un altro team ha proseguito il lavoro. In seguito il progetto è stato interrotto, secondo alcuni ex dipendenti.
Jake Shannin, che ha lavorato al progetto, ha detto che il team era giunto alla conclusione che anche semplici regole potessero offrire «un’indicazione migliore di un tentativo a caso» sulla possibilità che un cliente avesse bisogno, prima o poi, di un intervento. Kalani ha detto che i dirigenti di DraftKings hanno preso una «decisione collettiva» di non usare tecnologie predittive per i problemi legati al gioco d’azzardo, perché l’azienda ha stabilito che non fossero basate su prove.
DraftKings si affida invece a segnali legati a comportamenti come depositi insolitamente elevati o forti aumenti del tempo trascorso a giocare. L’azienda afferma di monitorare più di due dozzine di indicatori a livello nazionale. Quando un cliente ne attiva uno, DraftKings può inviargli un messaggio sul gioco responsabile, un video informativo, un questionario o, in alcuni casi, chiudere il conto.
Promozioni e dipendenza
Il sistema attribuisce gran parte della responsabilità ai clienti, chiamati a riconoscere il proprio comportamento e a chiedere aiuto. Bryan Biehl, che ha raccontato al Times di aver perso quasi 70.000 dollari giocando d’azzardo online, ha ricevuto 40 promozioni di DraftKings nelle prime due settimane di dicembre 2024, mentre seguiva una terapia per la dipendenza. Alla fine si è iscritto alle liste di autoesclusione dopo aver giocato un’ultima volta il giorno di Natale.
DraftKings ha rifiutato di commentare il racconto di Biehl. Kalani ha descritto le promozioni come uno strumento di marketing usato in diversi settori e ha detto che anche fare acquisti può diventare un problema.
L’inchiesta mette in luce una contraddizione precisa al centro della strategia basata sui dati di DraftKings: l’azienda ha usato segnali comportamentali dettagliati per stimare quali clienti potessero essere indotti a giocare e perdere di più, respingendo al contempo metodi predittivi simili per individuare i clienti che potevano essere sull’orlo di una crisi legata al gioco d’azzardo. DraftKings usa effettivamente modelli linguistici di grandi dimensioni per monitorare i messaggi inviati ai rappresentanti del servizio clienti e individuare segnali di disagio, ma quel sistema non può identificare i clienti che non chiedono mai aiuto.