Регуляторы интересуются, на что именно нацелен ИИ в вашей CRM

24 сентября Комиссия по азартным играм штата Массачусетс заявила, что проверит использование искусственного интеллекта и машинного обучения всеми лицензированными букмекерскими конторами штата, начиная с DraftKings. Пять дней спустя регулятор штата Мичиган сообщил о начале аналогичной проверки. Оба решения последовали за New York Times расследованием, опубликованным 19 сентября, о том, как DraftKings использовала машинное обучение для таргетинга рекламных акций.

Хотя в центре внимания оказался один американский букмекер, поднятые вопросы касаются любого оператора и любого CRM-провайдера, использующего модели для определения того, кто получит бонус, VIP-приглашение или специальное задание: на что настроена модель, какие сигналы она считывает и кто проверяет ее решения, прежде чем они дойдут до игрока? Это справедливые вопросы, и ответить на них сложнее, чем кажется на первый взгляд.

Что говорилось в отчетах и как отреагировала DraftKings

Согласно Times, DraftKings использовала машинное обучение для выявления клиентов, которые с наибольшей вероятностью продолжат делать ставки и проигрывать после получения рекламных предложений. CDC Gaming сообщает , что в ходе расследования использовались интервью примерно с 40 бывшими сотрудниками, внутренние исследовательские записки, переписка в Slack и записи ставок клиентов.

Отдельное ProPublica расследование было посвящено VIP-программе оператора. Репортер издания в течение 10 недель намеренно делал ставки, имитируя поведение игрока с зависимостью, после чего получил приглашение в программу, как отметил Legal Sports Report.

DraftKings опровергла эти сообщения. Компания заявила, что не использует ИИ для таргетинга на основе проигрышей и не делает рекламные предложения клиентам, проявляющим признаки потенциальной игровой зависимости. Комиссия штата Массачусетс заявила, что не выявила никаких нарушений, а проверка носит информационный характер.

Этот оператор играет огромную роль на рынке Массачусетса. По данным комиссии, на которые ссылается FairGambling.

В Массачусетсе уже действовало соответствующее правило

Проверка не начинается с нуля. Постановление штата Массачусетс 205 CMR 257.02 ограничивает использование операторами ставок данных клиентов для продвижения пари или специальных предложений. Оно запрещает делать это с помощью любых алгоритмов, машинного обучения или систем ИИ, если оператор или его поставщик знают или должны разумно ожидать, что это сделает платформу более вызывающей зависимость. Это же правило требует от операторов анализировать данные игроков для своих программ ответственной игры и не реже одного раза в полгода отчитываться перед комиссией о выявленных тенденциях.

Комиссар Пол Бродер заявил, что Массачусетс — один из немногих штатов, а возможно, и единственный, где ИИ упоминается в правилах азартных игр, сообщает Legal Sports Report. Комиссия также профинансировала исследование ИИ в гемблинге, проведенное Международным институтом игорного бизнеса UNLV и опубликованное в ноябре 2025 года, и создала целевую группу по ИИ, рекомендованную в этом исследовании. Теперь эта группа займется изучением практики DraftKings.

Ситуация в Мичигане иная. Местные законы и правила требуют наличия функций самоисключения, установления игроками лимитов на депозиты и ставки, а также предоставления информации об ответственной игре, но в них нет упоминаний об ИИ или машинном обучении. Совет по контролю за азартными играми штата Мичиган заявил, что изучает вопросы, поднятые в обоих отчетах, и не стал уточнять, проводится ли проверка в отношении какого-либо конкретного оператора.

Две детали в формулировках Массачусетса важны для всех, кто занимается разработкой CRM. Стандарт охватывает то, что вы знаете или должны разумно ожидать от системы, поэтому аргумент «мы это не тестировали» является слабой защитой. Кроме того, в правилах упоминаются поставщики, так что разработчик не может считать поведение модели исключительно проблемой своего клиента.

Почему это касается команды CRM

Большинство моделей продвижения обучаются максимизировать коммерческие показатели: депозиты, оборот, чистый игровой доход или вероятность того, что игрок вернется на следующей неделе. Сложность в том, что сильные предикторы краткосрочной ценности игрока совпадают с ранними признаками зависимости. Частые депозиты, длительные сессии, быстрые пополнения счета после проигрыша и повышение лимитов могут считываться моделью, ориентированной только на доход, как признаки «ценного игрока».

Представьте двух игроков, каждый из которых сделал четыре депозита на этой неделе. Один — завсегдатай, который пополняет счет в день зарплаты. Другой пополнил счет трижды за час после проигрыша. Модель, настроенная на максимизацию оборота, может посчитать обоих отличными кандидатами на бонус за повторный депозит. Правило защиты должно различать, кого из игроков стоит поощрить, а от кого — притормозить.

Таким образом, цель важнее самого алгоритма. Простая модель с неверной задачей может нанести больше вреда, чем сложная система с четкими ограничениями.

Тенденция за пределами США та же

Массачусетс сейчас является самым ярким примером, но регуляторы в других странах движутся в том же направлении.

В ЕС с февраля 2025 года действует запрет Закона об ИИ на системы, использующие манипулятивные методы или эксплуатирующие уязвимости людей способами, причиняющими значительный вред. Обязанности по обеспечению прозрачности согласно статье 50 вступили в силу 2 августа 2026 года. «Цифровой омнибус», действующий с 27 июля, перенес обязательства по соблюдению требований для систем высокого риска на 2 декабря 2027 года, как объясняет Freshfields. Однако маркетинг азартных игр не входит в число категорий высокого риска, определенных Законом, поэтому эта отсрочка мало что меняет для команд CRM. Подпадает ли конкретная модель продвижения под запрет — это юридический вопрос, и лучше задать его своим юристам сейчас, чем услышать об этом от регулятора.

В Великобритании Комиссия по азартным играм напрямую занялась дизайном поощрений. С 19 января 2026 года вейджер ограничен 10-кратным размером бонуса, а одна акция больше не может объединять разные продукты, например, ставки на спорт и казино.

Бразилия показывает, как далеко могут зайти подобные аргументы. Законопроект PL 1018/2026, внесенный в Сенат в марте, предполагает запрет программ лояльности, кэшбэка, миссий, рейтингов и персонализированных сообщений, основанных на истории ставок игрока. С момента внесения он не продвинулся и, возможно, никогда не будет принят, но он дает четкое представление о том, к каким мерам прибегают законодатели, когда решают, что индустрия не готова к саморегулированию.

Шесть аспектов, которые нужно уметь обосновать для любой модели, связанной с промоакциями

Все это не означает, что нужно отказываться от ИИ. Например, FanDuel заявляет, что использует машинное обучение для выявления признаков проблемного поведения. Это означает, что вы должны уметь объяснить работу своих алгоритмов. Эти шесть пунктов — практическая отправная точка.

1. Письменное описание целей, включая то, что модель ни при каких обстоятельствах не должна оптимизировать

У каждой модели должно быть краткое описание того, что она максимизирует, а что ей запрещено максимизировать. Цель «увеличить 30-дневное удержание среди игроков без признаков риска» выглядит обоснованно. Цель «увеличить ожидаемую чистую выручку на игрока» без каких-либо исключений — это именно то, что потом цитируют в новостных статьях. Если никто в команде не может сказать, что именно оптимизирует модель, это станет первым пунктом любого аудита.

2. Входные данные, которые вы можете защитить

Составьте список признаков, которые считывает каждая коммерческая модель. Сигналы, которые в основном указывают на проблемы — например, частые пополнения счета после проигрышей, отмена вывода средств или увеличение лимитов — должны использоваться в моделях защиты. Использование этих данных в модели, которая выбирает получателей бонусов, приводит к тому, что система учится находить игроков, которым трудно остановиться.

3. Правила защиты, которые важнее любых оценок

Флаги ответственной игры должны иметь приоритет над результатами работы модели. Их необходимо проверять как в момент формирования сегмента, так и непосредственно перед отправкой сообщения или начислением бонуса. Игрок, который сегодня утром установил самоограничение, не должен получать приглашение на миссию, основанное на сегменте за прошлую ночь. На практике это означает наличие единого уровня блокировки, который учитывается во всех каналах и игровых механиках, включая email, push-уведомления, всплывающие окна, миссии, турниры и работу с VIP-клиентами. Мы рассказываем о том, как это вписывается в повседневную работу по удержанию, в статье безопасная игра на уровне CRM.

4. Обоснование для каждого решения

Если регулятор выберет одного игрока и спросит, почему он получил конкретное предложение в конкретный день, вы должны быть в состоянии ответить на основе данных системы, не заставляя специалиста по анализу данных восстанавливать логику постфактум. Модели, которые предоставляют рекомендации вместе с причинами их выбора, делают это возможным. Если есть только сухая оценка без объяснения, обосновать решение будет крайне сложно.

5. Доказательство инкрементальности с учетом метрик вреда наряду с выручкой

Контрольные группы показывают, изменила ли кампания поведение игроков или вы просто заплатили им за то, что они и так бы сделали. Они также могут показать, не привела ли кампания к нежелательным последствиям. Включайте данные о самоограничениях, изменениях лимитов, жалобах и отказах от рассылок в тот же отчет, где указан прирост выручки, чтобы кампания, которая приносит прибыль, но повышает показатели риска, не масштабировалась автоматически. Наши правила A/B-тестирования в iGaming описывают этот процесс.

6. Утверждение человеком там, где ставки наиболее высоки

Автоматизированные решения вполне допустимы для предложения бесплатных вращений. Однако VIP-приглашения, крупные бонусы и изменения в логике моделей требуют утверждения конкретным ответственным лицом с фиксацией этого решения. Запрашивайте у каждого поставщика документацию о том, что делает каждая модель и какие данные она считывает, и храните ее вместе с результатами валидации. В условиях таких правил, как в Массачусетсе, аргумент «это сделал наш подрядчик» никого не устроит.

VIP-программы — это то, где подобные вещи тестируются в первую очередь

The ProPublica попала в VIP-сегмент не просто так. Отбор в VIP-программу — это момент, когда модель превращает данные в самое персонализированное и щедрое предложение от оператора: персональный менеджер, повышенные бонусы, подарки. Если логика отбора поощряет интенсивность игры без проверки платежеспособности и факторов риска, программа в конечном итоге привлечет не того игрока. Наше руководство по управлению VIP-игроками подробнее раскрывает вопросы проектирования таких программ.

Геймификация несет те же риски, но в меньшем масштабе. Уровни и серии побед по своей сути стимулируют активность, как и большинство миссий. Однако в них можно встроить ограничители: лимиты на сумму ставок в рамках миссии, периоды охлаждения после достижения лимита, а также вознаграждения за разнообразие или мастерство, а не за проигрыши. Мы уже писали о этике геймификации , если вам нужна более подробная информация.

Взгляд Smartico

Smartico — поставщик CRM и решений для геймификации, поэтому этот разговор касается нас так же, как и наших клиентов. Оператор сам определяет свою политику ответственной игры. Наша задача — сделать эту политику применимой везде, где можно взаимодействовать с игроком, и обеспечить прозрачность наших собственных моделей.

CRM-автоматизация и геймификация в Smartico работают на базе единого движка, охватывающего сегменты, пользовательские пути, миссии, турниры и вознаграждения. Условие исключения, основанное на флаге ответственной игры из вашей платформы, применяется как к кампаниям, так и к игровым механикам. Благодаря этому вам не приходится поддерживать разные правила в разных инструментах, которые со временем начинают противоречить друг другу.

Наши ИИ-модели калибруются с учетом игроков каждого конкретного бренда. Например, функция «Право на бонус» ежедневно оценивает активных игроков и рекомендует статус «Допущен» или «Исключен», при этом причины отображаются рядом с каждой рекомендацией. Ее заявленная цель — сокращение количества и размера бонусов при сохранении стабильного уровня игры.

Кампании также можно проводить с использованием контрольных групп, чтобы вы могли увидеть, какие предложения действительно изменили поведение игроков, а какие просто привели к лишним расходам.

Если ваша команда анализирует использование ИИ в CRM, мы будем рады продемонстрировать эти инструменты на ваших данных. Запишитесь на демо, или, если вы будете на SiGMA World в Риме со 2 по 5 ноября, ищите нас на стенде H4-4036. Вы можете забронировать время на стенде заранее.

Была ли эта статья полезной? Если да, поделитесь ею с коллегами по отрасли.