DraftKings AI模型锁定高亏损赌徒 问题赌博预警项目遭搁置

2026年9月19日《纽约时报》基于40余名前员工访谈、内部备忘录和下注记录披露，DraftKings自2023年起训练机器学习模型，将用户按“弹性分”打分，用于将促销赠注精准投向预期亏损最高的用户。

事实还原

模型训练目标是预测用户收到免费投注或奖金后后续亏损金额，输入特征包括游戏频率、每日账户余额模式以及亏损与总投注额比率。这些特征与临床上识别问题赌博的行为标记高度重合。2025年公司通过该系统分发约4亿美元AI自动化促销，管理层称其使推广驱动的体育博彩利润率提升13%。2024年数据科学家Nestor Hernandez启动的问题赌博预警模型，因公司认为“缺乏证据基础”而被搁置，转而采用Mindway AI Gamalyze工具。

机制拆解

弹性模型的训练数据标签为“收到促销后实际亏损金额”，因此模型自然会优先识别那些在促销刺激下仍持续高频下注且亏损累积的用户。前数据分析师Jayden Butts表示，系统寻找的正是“问题赌徒”的特征。同一数据管道本可支撑风险预警模型，却因公司决策仅被用于最大化推广回报。

产业影响

该案例显示，AI合规问题不仅在于模型本身，更在于企业如何选择使用方向。DraftKings称其推广面向“持续活跃用户”，并已整合超过24项行为指标用于负责任博彩干预，但前员工指出，预警模型的搁置使内部数据基础设施单向服务于利润最大化。

战略判断

【分析】当企业同时掌握识别脆弱用户和识别风险用户的技术能力时，决策层对“证据基础”的定义将直接决定AI资源流向。此前类似案例多集中于模型偏差，此次则提供完整证据链证明使用决策本身可放大伤害，对未来博彩与科技监管的合规框架具有参照意义。