DraftKingsのAI調査、ベッティングのパーソナライズを規制の注目下に
DraftKingsは、同社のプロモーションモデルがギャンブルを続け、損失を重ねる可能性が高い顧客を特定していたとの疑惑を受け、AI調査に直面している。マサチューセッツ州ゲーミング委員会は9月24日、まずDraftKingsを調査し、その後、州内で認可を受けたすべてのスポーツブックに質問すると発表した。
この調査は、その5日前に公開されたNew York Timesの取材報道を受けたものだ。同報道は、2023年に顧客のベッティング記録を基に構築された機械学習モデルを取り上げた。このシステムは、個々のカジノ顧客がプロモーションにどの程度反応するかや、追加でどれほど損失を出す可能性があるかを推定していたとされる。
DraftKingsは、この報道が示す中心的な含意に異議を唱えている。同社はTimesに対し、プロモーションは顧客の損失ではなく、継続的なエンゲージメントを対象としていると述べた。また、潜在的にリスクの高い行動を監視し、予算管理、アカウント履歴、上限設定、クールオフのためのツールを提供しているとしている。
規制上の論点は、単一のモデルや企業にとどまらない。FanDuel、BetMGM、Fanatics Sportsbookなどの認可事業者も、顧客の獲得、維持、保護のために顧客データを活用している。マサチューセッツ州は現在、こうした活動がどこで重なり合うのか、どのような統制が適用されるのか、そして既存のルールがそこから生じるリスクに対応できているのかを明らかにしようとしている。
このため、DraftKingsのAI調査はターゲティング広告をめぐる論争以上の意味を持つ。規制当局が通常のパーソナライズと、脆弱な顧客を搾取しかねない自動化された意思決定とを区別できるかを試す、初期段階の試金石となる。
マサチューセッツ州、AI研究から事業者レビューへ移行
差し迫った変化は、マサチューセッツ州がAIを将来の政策課題として扱うのではなく、ベッティング企業がAIをどのように利用しているかを検査する点にある。
委員会のJordan Maynard委員長は、Timesが報じた詳細を理解するため、スタッフがDraftKingsと直接協議すると述べた。事業者レビューに関する報道によると、Dean Serpa事務局長と委員会のAIタスクフォースがこの作業を主導する。
その後、レビューはマサチューセッツ州内の認可済みオンラインスポーツブックすべてに拡大される。規制当局は、顧客獲得、プロモーション、責任あるゲーミング、その他の顧客対応業務におけるAIと機械学習を調査する見通しだ。
この広い対象範囲は重要である。DraftKingsの単一モデルに限定した調査であれば、特定の疑惑が正確かどうかを判断できるかもしれない。業界全体のレビューでは、報じられた慣行が一社の選択なのか、共通する運営モデルなのかを明らかにできる。
委員会は執行措置を発表しておらず、DraftKingsが州の規則に違反したと結論づけたわけでも、新たな規制を提案したわけでもない。最初の任務は事実確認である。Maynard氏は、追加の政策措置は適切な場合にのみ講じられると述べた。
Paul Brodeur委員はTimesの調査結果を憂慮すべきものとしつつ、現場の事実を確定する必要性を強調した。この区別が重要なのは、現時点の報道が内部システムや意思決定を説明しているにすぎず、規制当局による最終的な認定ではないためだ。
マサチューセッツ州にはすでに、詳細な技術的質問を行うための基盤がある。同州のスポーツベッティング規則は、コンピューター化されたアルゴリズム、自動意思決定、機械学習、人工知能に関する統制を事業者が文書化するよう求めている。
こうした統制は、許容される用途、禁止される目的、自動化システムに投入されるデータを対象としなければならない。この枠組みにより、規制当局は新たなAI法の制定を待たずにモデルガバナンスを検証できる。
DraftKingsも委員会の権限の範囲内に明確に位置する。同社は2023年3月10日にマサチューセッツ州でスポーツベッティングを開始した。ライセンス記録によると、2025年7月には完全な5年間のカテゴリー3ライセンスを取得している。
もっとも、法的権限があるからといってレビューが簡単になるわけではない。規制当局は、どのモデルがマサチューセッツ州で運用されていたか、いつ運用されたか、そしてどのような意思決定に影響を与えたかを確定しなければならない。
また、オンラインカジノ活動とスポーツベッティングを区別する必要もある。マサチューセッツ州ではモバイルスポーツベッティングが認められているが、複数の州で利用可能な幅広いオンラインカジノ運営は認められていない。カジノデータを用いて開発されたモデルが、同じシステムがマサチューセッツ州のベッターに影響したことを自動的に証明するわけではない。
したがって規制当局に必要なのは、全社的なAI戦略に関する説明だけではない。モデルの一覧、展開記録、データ系譜、実験設計、社内承認、そしてマサチューセッツ州のどの顧客が関連するワークフローに入ったかを示す証拠が必要となる。
最初の規制上の節目は、委員会がこうした正確な質問を行うかどうかになる。責任あるゲーミングについて一般論を交わすだけでは、報じられた対立は解消されない。
DraftKingsのAI調査は、同一データの二つの利用法に焦点を当てる
核心となる緊張関係は、DraftKingsが機械学習を使っているかではなく、なぜ予測データがプロモーションには有用と見なされ、早期のリスク介入には受け入れにくいとされたのかにある。
Timesは、40人を超える元DraftKings従業員に取材し、社内の調査メモ、プレゼンテーション、Slackメッセージ、顧客のベッティング記録を確認したと述べている。プロモーションモデルに関する調査は、数十のデータポイントを分析するシステムを説明した。
これらの入力には、ベッティング頻度、日次のアカウント残高、顧客が総ベット額に対して失った金額が含まれていたとされる。このモデルは、実質的にプロモーション弾力性スコアに相当するもの、すなわちインセンティブ後にベッティング行動がどの程度変化するかの推定値を割り当てた。
弾力性は、自動的に依存症の尺度になるわけではない。顧客はギャンブル被害を経験していなくてもプロモーションに反応しうる。また、有害な行動を発展させた人が、マーケティングモデルで高い順位になるとは限らない。
しかし、シグナルは重なりうる。ベッティング頻度の増加、残高の減少、繰り返される損失、インセンティブへの強い反応は、商業面と安全面の両方で意味を持ちうる。文脈、検証、そしてスコアに紐づくアクションが、モデルが何をするかを決める。
Timesは、高い弾力性スコアを持つ顧客は、低いスコアの顧客よりもスロットゲームに多く賭ける傾向があったと報じた。また、カジノの他ゲームによる収益よりも、スロット収益の方がプロモーションに反応しやすいという社内の知見も引用した。
商業上の論理は明確だ。プロモーションには費用がかかるため、事業者は行動を変える見込みのある相手に送付したい。機械学習は、地理情報や最近の活動に基づく幅広いキャンペーンよりも、顧客を精密に順位付けできる。
DraftKingsは、分析によりプロモーション主導のスポーツベットのマージンが2025年に13％改善したと投資家に説明したとされる。また、AIが数億ドル規模のプロモーション支出のパーソナライズに役立ったとも述べた。
最適化された結果に顧客の追加損失が含まれる場合、論争が始まる。モデルはリスクを生むために「脆弱性」と名付けられた変数を必要としない。収益性は高いが、有害となる可能性のあるプレーと相関する行動の組み合わせを発見できるからだ。
元従業員のJayden Butts氏はTimesに対し、このモデルの実際上の論理は、より多く失い、プレーを続けると予想される顧客により多くのインセンティブを与えることに相当したと語った。報道によると、同氏は2024年にDraftKingsを退社した。
DraftKingsは、損失に基づいて顧客を不適切に標的化しているとの示唆を否定した。同社は、プロモーションは自社プラットフォームで継続的なエンゲージメントを示す顧客に提供されるとした。
この回答は、マサチューセッツ州にとって検証可能な問いを生む。規制当局は、同社が表明する選定方針を、実際の変数、目的関数、スコアのしきい値、後続のキャンペーン判断と比較できる。
責任あるゲーミングの取り組みとの対比は、この問いをより鮮明にする。元従業員らは、ギャンブルリスクが高まっている顧客を予測する社内プロジェクトについても説明した。
ある従業員は学術研究を精査し、すでにリスクの高い行動としてフラグが立てられた顧客の記録を用いてモデルを訓練したとされる。このプロジェクトは実装には至らなかった。
DraftKingsの責任あるゲーミング担当最高責任者であるLori Kalani氏はTimesに対し、同社は潜在的にリスクの高い行動を監視していると述べた。同氏は、予測的リスク技術については、そのアプローチが有用であることを証拠が示していないため利用を見送ったと語った。
この懸念自体が不合理というわけではない。不十分な安全モデルは偽陽性を生み、苦痛を抱える顧客を見落とし、臨床的裏付けのない介入を促す可能性がある。自動化されたリスクラベルは、プライバシーや公平性に関する問題も提起する。
それでも、証拠に求める基準は一貫していなければならない。不確実な予測が商業的オファーの選定では許容されるなら、規制当局は、同程度の不確実性が予防的な利用を完全に妨げる理由を問うことができる。
これがDraftKingsのAIを用いたギャンブル慣行における中心的なトレードオフである。事業は測定可能な短期的反応を最適化できる一方、責任あるゲーミングのシステムは、より複雑で観測しにくい被害の形態を予測しなければならない。
マサチューセッツ州はすでにAIリスク検出の限界を指摘していた
委員会自身の研究は予測的な安全ツールへの慎重さを裏付ける一方、商業的パーソナライズに対するより強い監督も推奨している。
2025年11月、マサチューセッツ州ゲーミング委員会は、University of Nevada, Las Vegas International Gaming Instituteによる研究を公表した。AIリスク報告書は、ギャンブル業界における人工知能の現在および将来の利用可能性を検討した。
研究者らは、AIがすでに中核的な事業機能に組み込まれていると結論づけた。また、高度なパーソナライズは、顧客に利益をもたらす可能性がある一方、脆弱な層のリスクを高める要因でもあると指摘した。
この二面性に関する知見は、現在の争点と密接に一致する。行動モデルは、アカウントに関するリマインダーを個別化し、入金上限を推奨し、プロモーションを選定し、VIP対応の優先顧客を決定できる。基礎となる分析能力そのものが、結果が顧客を保護するのか、圧力をかけるのかを決めるわけではない。
報告書はまた、ギャンブル被害の指標としてよく挙げられるマーカーの裏付けにはばらつきがあるとした。多くの行動指標には強い検証が欠けていた一方、支払い関連の指標には最も強い裏付けがあった。
この結論は、DraftKingsが予測的介入モデルに疑問を抱く理由の説明にもなる。頻度やセッション時間だけでは、顧客がギャンブル障害を抱えているとは立証できない。高度なスコアであっても、熱心な娯楽としてのプレーと実際の苦痛を混同する可能性がある。
この研究は、予測システムを無視するよう推奨したわけではない。むしろ、モデルの証拠、金融データ、プライバシー、同意、事業者間の可視性、規制上の障壁に関わるガバナンス上の問題を説明した。
単一の事業者が、顧客の完全な金融活動やギャンブル活動を把握できるわけではない。ある人物は複数のスポーツブックに口座を維持し、それぞれでは中程度の活動しか示さない可能性がある。そのため、一つのプラットフォームで訓練されたモデルは、累積リスクを過小評価する可能性がある。
金融データはより強い警告サインを提供しうるが、同時により機微な情報でもある。支払い能力に関する情報をベッティング口座に結び付けることは、同意、アクセス、保持、セキュリティ、適切な介入に関する問いを提起する。
事業者間のデータ共有は、別の対立を生む。プラットフォーム間を急速に移動する顧客の特定に役立つ可能性がある一方、機微な金融・行動情報を一元化した記録を生み出しかねない。
こうした制約は、マサチューセッツ州の審査のあり方を左右すべきである。規制当局は、悪評への即席の対応として、すべての事業者に実証されていない予測モデルの導入を求めるべきではない。
一方で、なぜあるモデルは承認され、別のモデルは却下されたのかを、事業者に説明させることはできる。関連する証拠には、検証基準、誤差許容範囲、責任者、監査手続き、誤予測による影響が含まれる。
誤ったマーケティング予測は、プロモーションクレジットを無駄にするかもしれない。誤った安全性予測は、アカウントを制限したり、顧客を不当に分類したりする可能性がある。逆に、脆弱な顧客を特定できなければ、深刻な被害を継続させるおそれがある。
これらの結果には異なるコストが伴い、それが異なるモデル閾値を正当化する場合もある。しかし、閾値が異なるからといって、商業的最適化に対する監視を完全に欠くことは正当化されない。
委員会の報告書は、社内のAI責任者または専任タスクフォースも推奨していた。マサチューセッツ州はその後、こうしたタスクフォースを設置し、現在は事業者の評価に参加することになっている。
この経緯は、調査の信頼性を高める。規制当局は、ある新聞記事を受けて初めてアルゴリズムによるギャンブルに直面したわけではない。調査を委託し、証拠の不足を検討し、今回の論争に先立って内部体制を整えた。
より難しい問いは、委員会に十分な技術的アクセスがあるかどうかだ。事業者は、実際の目的を明らかにする詳細を伏せたまま、モデルを大まかな言葉で説明できる。
意味のある監査では、学習ラベル、特徴量の重要度、実験グループ、導入日、測定結果を検証しなければならない。また、自己排除中またはその他の制限を受けている顧客を保護するための規則を含め、明示された除外措置が機能したかも検証すべきである。
こうした証拠がなければ、AIを用いたスポーツベッティング規制は開示作業に終始するおそれがある。企業は保護的に聞こえる方針文書を提出しても、自動化システムは有効な監督の及ばないまま稼働し続ける可能性がある。
DraftKingsの責任あるゲーミング施策では、モデル間の対立は解消されない
プレイヤー向けの管理機能は被害を減らし得るが、自発的なツールだけでは、DraftKingsがどの顧客にオファーを送るかという判断には答えられない。
DraftKingsは、目に見える責任あるエンゲージメント機能に投資してきた。これにはMy Budget Builder、My Stat Sheet、プレイヤー設定の上限、クーリングオフ期間、Mindway AIと共同開発した教育体験が含まれる。
Timesの調査報道が掲載される5日前の9月14日、同社は追加の顧客向け施策を発表した。責任あるエンゲージメントに関する更新では、3日から364日までのカスタムクーリングオフ期間を導入した。
DraftKingsはまた、Mindway AIと共同開発したゲーミフィケーション型の教育体験Gamalyzeを拡充した。同社は、顧客がギャンブルに関する判断を振り返るよう促すため、フットボール版とカジノをテーマにした版を活用してきた。
これらの機能は、DraftKingsが顧客保護におけるAIや行動ツールを一律に拒絶しているわけではないことを示している。また、予算管理やアカウント管理機能を製品内に組み込もうとする取り組みも示している。
ただし、自発的な管理機能は、顧客行動の異なる局面で機能する。上限設定は、本人が必要性を認識し、有効化を選んだ後に機能する。クーリングオフ期間も、顧客自身が休止を開始することに依存する。
予測的な介入は、その要請より前に事業者が行動すべきかを問う。入金、損失、繰り返されるセッション、またはプロモーションへの反応のパターンが、連絡やプロモーション抑制を正当化するかを検討する。
DraftKingsは、すでにリスクの高い行動を監視し、一部の顧客に連絡していると述べている。未解決の論点は、そうした判断が同社のマーケティングシステムとどのように関係しているかだ。
例えば、規制当局は、責任あるゲーミングのフラグがプロモーションメッセージを自動的に抑止するかを問うことができる。その抑止がどれほど迅速に発効するか、メール、プッシュ通知、VIPへの働きかけ、アプリ内オファーを対象とするかも検証できる。
マサチューセッツ州には、規則が明確であっても運用上の管理が失敗し得ることを示す先例がある。2024年、DraftKingsは、州の任意自己排除リストに登録された184人を含む、マサチューセッツ州の住民または登録ユーザー120万人以上に、ゴルフベッティングのメールを誤送信した。
この出来事は、意図的なターゲティングを証明するものではない。しかし、規制当局が正式な方針を読むだけで安全策を評価できない理由を示している。
DraftKingsはまた、長期的な事業の成否は、顧客が自らの資力の範囲内で賭け、ギャンブルを娯楽として扱うことにかかっていると述べている。この立場は、顧客保護を商業的持続可能性と結び付けるものだ。
短期的なインセンティブはより複雑である。プロモーションチームは、エンゲージメント、コンバージョン、ベッティング活動、顧客維持、利益率で評価される。責任あるゲーミングチームは、リスクの低減と効果的な介入によって評価される。
これらの目標は両立し得るが、同じ顧客を巡って対立することもある。インセンティブに強く反応する人は、あるシステムには価値の高い顧客に見え、別のシステムには懸念すべき顧客に見える可能性がある。
ガバナンスは、どちらのモデルも顧客に届く前に、この対立を解消すべきである。同社には、安全シグナルが収益最適化に優先する場面を示す明確な優先順位が必要だ。
企業は自らのパフォーマンス指標を選択するため、独立したレビューは特に重要である。ベッティング額を増やせば、たとえキャンペーンが高リスク利用者の損失も集中させていたとしても、プロモーションは成功したように見える可能性がある。
逆の問題は、責任あるゲーミングツールにも影響する。有害なプレイが減ったかを示さないまま、事業者は予算管理機能を開いた人数を数えることができる。
したがってマサチューセッツ州の調査は、結果に焦点を当てるべきである。各スコアリンググループについて、プロモーションモデルが損失、入金行動、セッション頻度、その後のリスクフラグをどのように変えたかを問うことができる。
DraftKingsを他の認可事業者と比較することもできる。FanDuel、BetMGM、またはFanaticsが異なる抑止ルールやレビュー手続きを採用しているなら、その違いから実効性のある安全策を特定できる。
目標は、同一のモデルを要求することではない。基準線を確立することだ。すなわち、事業者は自動化システムが何を最適化しているかを把握し、予見可能な被害を特定し、対立を文書化し、保護的な管理機能が実際に機能していることを証明しなければならない。
業界が直面しているのはAI禁止ではなく、ガバナンスの試練だ
すべての統計モデルを危険とみなしても問題を見誤る。決定的なのは、予測に結び付けられる行動だからである。
スポーツブックは、生成AIが消費者にとって身近な言葉になるはるか以前から、データ分析を利用してきた。オッズの算出、不正の検知、顧客のセグメント化、価値の予測、ボーナスの管理、不審な活動の監視を行っている。
機械学習は、多数の変数にまたがるパターンを発見することで、これらの能力を拡張する。ランキングを迅速に更新し、個々のアカウントに合わせた判断を下すことができる。
だからといって、すべての自動化された判断が同等というわけではない。不正検知は、プラットフォームと正当な顧客を保護する。より安全なプレイに関するアラートは、リスクを示す人への支援につながり得る。プロモーションモデルは、収益性の高い活動を増やそうとする。
DraftKingsのAI調査は、商業的パーソナライゼーションがどこで規制上または倫理上の境界を越えるのかを問うている。その境界は、アルゴリズムが特定の技術手法を使っているかどうかだけに依存してはならない。
単純なスコアリングルールでも、脆弱な顧客に圧力をかければ被害を生み得る。複雑なモデルでも、プロモーションを停止し、上限を推奨し、慎重な人間によるレビューを促すなら、顧客に利益をもたらし得る。
したがって規制当局には、目的に基づくルールが必要である。事業者がどのような結果を求め、どのデータを使い、誰がその結果を被り、どのような不服申立てや訂正手続きが存在するかを評価すべきだ。
自動化された判断には、明確な責任の所在も必要だ。データサイエンスチームがスコアを作成し、マーケティング担当者がその利用方法を決める場合がある。コンプライアンス担当者は、その背後のモデルではなく、最終的なキャンペーンだけをレビューするかもしれない。
この分離は、説明責任の空白を生み得る。各グループは自らの限定的な役割を正確に説明できても、顧客に対する複合的な影響に誰も責任を負わない可能性がある。
マサチューセッツ州は、モデルのインベントリと責任を明示した経営幹部を通じて、この問題に対処できる。重要な各システムには、責任者、承認済みの目的、定義されたデータソース、検証スケジュール、廃止プロセスを置くべきである。
事業者は、禁止される利用方法も文書化すべきだ。例えば企業は、自己排除中の顧客、クーリングオフ設定が有効な人、責任あるゲーミングのレビューを受けているアカウントを対象とするキャンペーンを禁止できる。
こうした除外措置には、技術的な強制と定期的なテストが必要である。顧客リスト、モデルスコア、メッセージングシステムが正しく同期していなければ、書面による制限はほとんど保護にならない。
人間によるレビューも完全な答えではない。担当者は偏った推奨に従ったり、意味のある評価を行わずに大量の自動判断を承認したりする可能性がある。
実効的な監督には、判断に見合った説明へのアクセスが必要である。規制当局が必ずしも専有コードの全行を必要とするわけではないが、顧客がなぜ対象グループに入ったのかを再構成するのに十分な証拠は必要だ。
データ保持も別の懸念である。過去のベッティング記録は予測を改善できる一方、金融行動や個人的習慣に関する詳細な記録も保存する。
委員会は、特徴量データとモデルスコアがどのくらいの期間利用可能な状態に置かれるかを問うべきだ。安全のために収集された情報が後にマーケティングのワークフローへ入る可能性があるのか、それとも厳格な分離によりその再利用が防がれるのかを検証すべきである。
競争はさらなる圧力を生む。あるスポーツブックがより精密なプロモーションによって利益率を高めれば、競合他社にも同様のシステムを開発する動機が生じる。各事業者が他社は顧客データからより多くの価値を引き出していると考える場合、自発的な抑制はより難しくなる。
この力学は、共通の最低ルールを支持する。明確な基準は、正当な分析を禁止したり、企業に営業秘密の公開を求めたりせずに、有害な競争を抑制できる。
この審査は、パーソナライゼーションと操作を区別する機会でもある。好みのスポーツに基づく関連性のあるオファーは、繰り返される入金、損失を取り戻そうとする試み、その他の潜在的な苦痛のシグナルに合わせたインセンティブとは異なる。
その境界には、なお判断が必要となる。しかし不確実性は、ガバナンスを確立する理由であり、自動化された判断を検証せずに放置する理由ではない。
審査がベッティング監督を変えるかを示す3つのシグナル
次の試金石は、マサチューセッツ州が広範な懸念を、証拠提出の要請、執行可能な境界、測定可能な顧客保護へと転換できるかどうかである。
第1のシグナルは、DraftKingsに求められる情報である。プレゼンテーションや一般的な方針に焦点を置く審査では、調査の価値が弱まる。
より強力なプロセスでは、モデル文書、導入履歴、実験結果、プロモーション基準、責任あるゲーミングにおける除外措置、マサチューセッツ州固有の記録を求めることになる。この証拠は、報じられたカジノでの慣行が州内のスポーツベッターに及んでいたかを示すだろう。
第2のシグナルは、委員会がすべての事業者向けに共通の枠組みを公表するかどうかだ。審査はすでに、認可を受けたスポーツブック全体の顧客獲得、プロモーション、責任あるゲーミングを対象としている。
有用な枠組みは、重要な自動化判断を定義し、インベントリ、責任者、テスト、インシデント報告を求めるものとなる。また、主要なモデル変更について事業者が規制当局に通知しなければならない場合も明確にするだろう。
こうした枠組みは、この記事の中心的な判断を強化する。マサチューセッツ州がAI監督をDraftKingsに対する一度限りの対応ではなく、継続的なライセンス上の責任とみなしていることを示すからである。
3つ目の論点は、委員会が商業モデルと安全モデルの間にある隔たりをどう扱うかだ。規制当局は、販促最適化が存在するというだけで、予測型のリスク検知が正確だとみなすべきではない。
規制当局は、両方の用途について事業者に証拠基準の説明を求めることができる。また、不確実なリスクシグナルであっても、アカウント制限を正当化するほどではない場合に、少なくともマーケティングを抑制しているかを調べることもできる。
この中間的な措置は重要だ。スポーツベッティング事業者は、潜在的に脆弱な顧客へのターゲティングされたインセンティブの送付を止める判断をするために、ギャンブル依存症を診断する必要はない。
審査の結果は依然として不透明だ。マサチューセッツ州は、報じられたシステムが同州のスポーツベッティング市場で一度も稼働していなかったと判断する可能性がある。管理上の弱点を特定し、是正措置を求める、あるいは正式な規則制定手続きに着手する可能性もある。
DraftKingsも、同社の販促システムがリスクのある顧客を除外しており、主張されているように損失を標的にしていなかったことを示す証拠を提出するかもしれない。委員会はまだ結論に至っておらず、Timesの調査結果についても同社は異議を唱えている。
それでも、根底にあるガバナンス上の問題は残り続ける。ベッティングプラットフォームは顧客の行動を継続的に観察し、オファーを迅速にパーソナライズし、どのインセンティブがより多くの活動を生むかを検証できる。
こうした能力は、一般論としてのAI原則では満たせない責任を生み出す。規制当局は、実際の目的、データ、判断、結果を検証する必要がある。
ベッターにとって実務的な問いは、パーソナライゼーションが公表された選好に応えているのか、それとも本人が気づいていないかもしれない行動パターンを利用しているのか、という点だ。プロダクトチームやデータチームにとっての問いは、顧客への影響を正当化しにくくなったとき、収益性の高いモデルを誰が止められるのかということだ。
マサチューセッツ州が何を要求し、何を公表し、安全シグナルがマーケティングシステムに対する権限を獲得するかどうかに注目したい。この3つの展開が、DraftKingsのAI調査がAIスポーツベッティング規制の恒久的なモデルとなるかを決める。
