O que o modelo fazia
A DraftKings construiu em 2023 um modelo de aprendizado de máquina que pontuava clientes pelo quanto se esperava que perdessem depois de receber uma aposta grátis ou um bônus, informou no sábado o New York Times com base em entrevistas com ex-funcionários, conforme resumo da Yahoo News.
As entradas eram triviais: com que frequência a pessoa jogava, como estava o saldo da conta, a razão entre perdas e apostas, e qual a probabilidade de parar de jogar por completo. A saída era um número único que a equipe chamava de pontuação de “elasticidade”. Quanto maior, mais valia a pena perseguir aquele cliente com mais vantagens.
Por que funcionava
O modelo não foi feito para encontrar jogadores problemáticos. Foi feito para encontrar o melhor retorno por dólar promocional, e os dois acabaram apontando para as mesmas pessoas. Ex-funcionários disseram ao Times que a lógica financeira identificava jogadores problemáticos como os alvos mais lucrativos para ofertas de bônus.
“Procuramos traços e características que possamos segmentar e que indiquem um bom investimento”, disse ao jornal o ex-analista de dados Jayden Butts.
Essa frase é a história inteira em miniatura. Nada nela fala de dano causado pelo jogo. Nada precisa falar para que o dano aconteça.
O modelo que não saiu do papel
Em meados de 2024, o cientista de dados da DraftKings Nestor Hernandez começou a construir outro modelo: uma pontuação de risco para identificar, com dias ou semanas de antecedência, clientes a caminho de uma crise de jogo, examinando movimentações de dinheiro, padrões de perseguição de perdas, idade e sexo.
Ele rodava em praticamente a mesma infraestrutura da pontuação de elasticidade. Foi posto de lado. A responsável por jogo responsável da empresa disse que a ferramenta de previsão de risco carecia de respaldo suficiente baseado em evidências, segundo o Times.
A assimetria é o achado que vale guardar. Um modelo preditivo voltado à receita foi aceito por seus resultados; um modelo preditivo voltado ao dano foi submetido a um padrão de evidência que o primeiro nunca precisou cumprir.
O que diz a DraftKings
A empresa contesta ter segmentado pessoas por perdas previstas, diz que as promoções vão para usuários engajados e aponta suas parcerias de jogo responsável e ferramentas de monitoramento.
Também já disse a investidores quanto valia essa analítica: a DraftKings creditou à ciência de dados uma melhora de cerca de 13% nas margens de apostas esportivas ligadas a promoções em 2025, sobre gastos promocionais que descreve em centenas de milhões de dólares.
Por que isso importa além das apostas
Os reguladores de jogos nos Estados Unidos fiscalizam publicidade, condições de bônus e autoexclusão. Em geral não fiscalizam a função de ordenação que decide quem vê uma oferta. Essa lacuna não é exclusiva das casas de apostas: é a mesma que existe onde quer que um modelo ordene clientes por valor esperado e a ordenação seja invisível para quem está sendo ordenado.
Vale observar se algum regulador estadual pedirá para ver a lista de variáveis. A pergunta decisiva não é se houve IA, mas se a “probabilidade de parar de jogar” é uma entrada legítima em um modelo de marketing.
