تحقیقات نیویورک تایمز که روز شنبه منتشر شد، ادعا می‌کند که DraftKings، یکی از بزرگترین اپراتورهای شرط‌بندی ورزشی در ایالات متحده، یک مدل یادگیری ماشینی طراحی کرده است که برای شناسایی مشتریانی که احتمال از دست دادن پول بیشتری دارند - و از این امتیازها برای راهنمایی افرادی که شرط‌های جایزه و تبلیغات رایگان را دریافت کرده‌اند، استفاده کرده است.
این گزارش سیستمی را توصیف می‌کند که در آن می‌توان از همان فناوری پیش‌بینی‌کننده‌ای که تبلیغات را سودآورتر می‌کرد، برای شناسایی مشتریان در معرض خطر قمار استفاده کرد. به گفته تایمز، این برنامه حفاظتی شروع شد اما هرگز به پایان نرسید.
چگونه مدل کار می کرد
به گزارش تایمز، این مدل که در سال 2023 ساخته شد، به مشتریان DraftKings بر اساس میزان پولی که پس از دریافت یک شرط بندی یا جایزه رایگان از دست می دادند، امتیاز می داد. برای انجام این پیش‌بینی، سیگنال‌هایی از جمله تعداد دفعات بازی یک کاربر، موجودی حساب‌های او، نسبت ضرر به شرط‌بندی و تخمین جداگانه‌ای از اینکه آیا کاربر احتمالاً قمار را به طور کامل متوقف می‌کند را بررسی کرد.
امتیاز بالاتر به این معنی است که پیش‌بینی می‌شود مشتری به ازای هر دلار تبلیغاتی خرج شده درآمد بیشتری ایجاد کند. به عبارت دیگر، افرادی که احتمالاً شرط‌بندی رایگان دریافت می‌کنند، طبق طراحی، افرادی بودند که الگوریتم انتظار داشت بیشترین ضرر را داشته باشد.
Jayden Butts، تحلیلگر سابق داده‌های DraftKings، منطق زیربنایی را برای تایمز توضیح داد: "ما به دنبال ویژگی‌ها و ویژگی‌هایی هستیم که بتوانیم آنها را هدف قرار دهیم که نشان‌دهنده سرمایه‌گذاری خوب باشد."
نتایج کسب و کار
به نظر می رسد این رویکرد از نظر تجاری جواب داده است. بر اساس گزارش تایمز، مدیران DraftKings گفتند علم داده و تجزیه و تحلیل، حاشیه های کتاب ورزشی مبتنی بر تبلیغات را تا 13 درصد در سال 2025 بهبود بخشید و هوش مصنوعی به شخصی سازی صدها میلیون دلار در هزینه های تبلیغاتی کمک کرد.
این شکل نشان می‌دهد که چرا هدف‌گذاری پیش‌بینی‌کننده در اقتصاد صنعت شرط‌بندی ورزشی مرکزی شده است. شرط‌بندی‌های پاداش، جذب مشتری گران‌قیمت هستند. مدلی که ضررهای مورد انتظار را پیش‌بینی می‌کند، می‌تواند هر دلار تبلیغاتی را به سمت کاربرانی هدایت کند که احتمالاً آنها را به شرط‌بندی پایدار تبدیل می‌کنند.
ابزاری که تمام نشد
واضح‌ترین یافته‌های تحقیقات مربوط به چیزی است که DraftKings تصمیم به ساختن آن گرفته است. کارمندان سابق به تایمز گفتند که یک ابتکار جداگانه برای ایجاد امتیاز ریسک برای شناسایی مشتریان با مشکلات احتمالی قمار کنار گذاشته شد - حتی اگر طبق گزارش‌ها، زیرساخت داده‌های زیربنایی می‌توانست از آن پشتیبانی کند. بنا بر گزارش ها، زیرساخت هایی برای نگاه کردن به هر دو جهت وجود داشت. فقط مدل سود محور تکمیل شد.
DraftKings قاب را عقب انداخت. مدیر ارشد بازی‌های مسئول این شرکت، لوری کالانی، به تایمز گفت که DraftKings مشتریان را از نظر رفتار مخاطره‌آمیز رصد می‌کند و گفت که این شرکت از به کارگیری فناوری پیش‌بینی ریسک خودداری کرد زیرا به اندازه کافی مبتنی بر شواهد نیست. DraftKings همچنین به تایمز گفته است که «هر گونه مفهومی را رد می‌کند» که بازاریابی آن به‌طور ناعادلانه مشتریان را هدف قرار می‌دهد، و معتقد است که تبلیغات به جای کاربرانی که بر اساس میزان ضررشان رتبه‌بندی می‌شوند، به کاربرانی تعلق می‌گیرد که استفاده پایدار و فعال از پلتفرم را نشان می‌دهند.
این شرکت به طور عمومی ابتکارات بازی های مسئولانه از جمله همکاری با ابزار Gamalyze Mindway AI و مشارکت با IC360 برای نظارت بر یکپارچگی و انطباق را برجسته می کند. اینکه آیا این ابزارها شکاف خاصی را که توسط کارمندان سابق توضیح داده شده است - به طور فعال امتیازدهی و از کاربران در معرض خطر محافظت می کنند - بر اساس گزارش های موجود نامشخص است.
یک مورد آزمایشی اخلاق هوش مصنوعی فراتر از قمار
این داستان در بحبوحه بررسی شدید نحوه استفاده شرکت‌های روبه‌روی مصرف‌کننده از هوش مصنوعی پیش‌بینی‌کننده است. تنش اصلی این نیست که فناوری وجود دارد - امتیازدهی به کاربران بر اساس ارزش پیش‌بینی‌شده یک روش استاندارد در اشتراک‌ها، تبلیغات و فین‌تک است - اما چه اتفاقی می‌افتد وقتی همان مدلی که سودآورترین مشتری را شناسایی می‌کند آسیب‌پذیرترین مشتری را نیز شناسایی می‌کند.
مدتی است که رگولاتورها به این سمت حرکت کرده اند. به طور خاص در بخش قمار، مقامات استفاده صنعت از داده ها برای شکل دادن به رفتار بازیکنان را زیر سوال برده اند و منطقه فیلادلفیا شاهد دعوی قضایی بر سر شیوه های تبلیغاتی DraftKings بوده است. اگر گزارش تایمز پابرجا بماند، به قانون‌گذاران و تنظیم‌کننده‌های قمار چیزی خاص‌تر از نگرانی عمومی صنعت می‌دهد: یک مورد ادعایی که در آن پیش‌بینی ضرر و پیش‌بینی سود از نظر فنی امکان‌پذیر بود و تنها یکی از آنها به پایان رسید.
برای کاربران، غذای آماده عملی ناراحت کننده است. شرط‌بندی رایگانی که به صندوق ورودی شما می‌رسد ممکن است منعکس کننده یک قضاوت مبتنی بر داده در مورد احتمال باخت شما باشد، نه پاداشی برای وفاداری. و مدلی که این قضاوت را می‌کند چیزهایی را می‌داند - هر چند وقت یکبار بازی می‌کنید، چقدر دنبال باخت می‌روید، آیا نشانه‌هایی از توقف را نشان می‌دهید - که هرگز به صراحت برای آن هدف به اشتراک نمی‌گذارید.
DraftKings متهم به نقض قانون نیست و تبلیغات هدفمند قانونی هستند. اما از آنجایی که سیستم‌های هوش مصنوعی به طور فزاینده‌ای تصمیم می‌گیرند چه کسی کدام پیشنهاد را ببیند، شکاف بین آنچه شرکت‌ها می‌توانند پیش‌بینی کنند و آنچه را که برای عمل انتخاب می‌کنند، به مسئله اصلی اخلاق هوش مصنوعی مصرف‌کننده تبدیل می‌شود – و گزارش‌های DraftKings یکی از واضح‌ترین نمونه‌های این شکاف در عمل است.
از هوش مصنوعی جلوتر بمانید
از برنامه‌های شرط‌بندی گرفته تا آزمایشگاه‌های مرزی، هوش مصنوعی در حال تغییر نحوه نگاه شرکت‌ها به مشتریان خود است. برای پوشش بیشتر اخلاق هوش مصنوعی و مسئولیت‌پذیری صنعت، [AI Buzz Wire] (https://aibuzzwire.news) را دنبال کنید.
آخرین اخبار هوش مصنوعی را بخوانید →
