DraftKings AI 调查将投注个性化置于监管审视之下

马萨诸塞州监管机构针对有关其促销模型识别出可能持续赌博并亏损的客户的指控作出回应后，DraftKings 面临 AI 调查。马萨诸塞州博彩委员会于 9 月 24 日表示，将先审查 DraftKings，随后问询该州所有持牌体育博彩运营商。

此次调查源于五天前《纽约时报》发表的一项调查报道。报道描述了一个基于 2023 年客户投注记录构建的机器学习模型。据称，该系统估算个别赌场客户对促销活动的反应强度，包括他们可能额外损失多少资金。

DraftKings 对这一核心暗示提出异议。该公司告诉《纽约时报》，其促销活动旨在促进持续参与，而非造成客户亏损。该公司还表示，会监测潜在的高风险行为，并提供预算管理、账户历史、限额设置和冷静期工具。

监管问题并不局限于某一个模型或公司。FanDuel、BetMGM、Fanatics Sportsbook 及其他持牌运营商同样依赖客户数据来获取、留住和保护玩家。马萨诸塞州如今希望了解这些活动在哪些方面交叠、由哪些控制措施约束，以及现有规则是否覆盖由此产生的风险。

因此，DraftKings AI 调查不只是围绕定向广告的争议。它也是对监管机构能否区分常规个性化服务与可能利用脆弱客户的自动化决策的一次早期检验。

马萨诸塞州正从 AI 研究转向运营商审查

眼下的变化在于，马萨诸塞州将开始审查博彩公司如何使用 AI，而不再将这项技术仅视为未来的政策议题。

委员会主席 Jordan Maynard 表示，工作人员将直接与 DraftKings 沟通，以了解《纽约时报》报道的具体情况。据对这项运营商审查的报道，执行主任 Dean Serpa 及委员会的 AI 工作组将牵头开展相关工作。

随后，审查将延伸至马萨诸塞州每一家持牌在线体育博彩运营商。监管机构预计将审查 AI 和机器学习在客户获取、促销、负责任博彩及其他面向客户的运营环节中的应用。

这一广泛范围至关重要。仅调查 DraftKings 的一个模型，或许可以确定某项具体指控是否属实；覆盖全行业的审查则能揭示，相关做法究竟是某一家公司的选择，还是普遍存在的运营模式。

委员会尚未宣布执法行动、认定 DraftKings 违反州法规，或提出新的监管规定。其首要任务是查明事实。Maynard 表示，只有在适当情况下才会采取进一步政策行动。

委员 Paul Brodeur 称《纽约时报》的发现令人担忧，但强调有必要厘清实际情况。这一区分很重要，因为现有报道描述的是内部系统和决策，而非已经完成的监管认定。

马萨诸塞州已有依据提出细致的技术问题。该州体育博彩规则要求运营商记录针对计算机算法、自动化决策、机器学习和人工智能的控制措施。

这些控制措施必须涵盖允许的用途、禁止的目的，以及为自动化系统提供输入的数据。这一框架让监管机构无需等待新的 AI 法案，便可介入模型治理。

DraftKings 也明确处于委员会的监管权限之内。该公司于 2023 年 3 月 10 日在马萨诸塞州推出体育博彩服务。根据其牌照记录，该公司于 2025 年 7 月获得了完整的五年期第 3 类牌照。

不过，具备法律权限并不意味着审查很简单。监管机构必须确定哪些模型曾在马萨诸塞州运行、何时运行，以及它们影响了哪些决策。

他们还必须将在线赌场活动与体育博彩区分开来。马萨诸塞州允许移动端体育博彩，但不允许其他若干州提供的广泛在线赌场业务。一个利用赌场数据开发的模型，并不能自动证明同一系统影响了马萨诸塞州的投注者。

因此，监管机构需要的不只是关于全公司 AI 战略的演示。它还需要模型清单、部署记录、数据血缘、实验设计、内部审批，以及能够证明哪些马萨诸塞州客户进入了任何相关流程的证据。

首个监管里程碑将是委员会是否提出这些精确问题。若只是泛泛讨论负责任博彩，报道所揭示的冲突仍将悬而未决。

DraftKings AI 调查聚焦同一数据的两种用途

核心矛盾不在于 DraftKings 是否使用机器学习，而在于预测性数据为何似乎适合用于促销，却不太被接受用于早期风险干预。

《纽约时报》称，其采访了 40 多名前 DraftKings 员工，并审阅了内部研究备忘录、演示文稿、Slack 消息和客户投注记录。其促销模型调查描述了一个分析数十项数据点的系统。

据报道，这些输入包括投注频率、每日账户余额，以及客户相对于总投注额的亏损金额。该模型赋予客户一种可称为促销弹性评分的指标，即对激励措施推出后投注行为变化幅度的估算。

弹性并不自动等同于成瘾程度。客户可能会对促销作出反应，却并未遭受赌博伤害；一个人也可能形成有害行为，却不会在营销模型中获得高分。

但这些信号可能重叠。投注频率上升、余额下降、反复亏损和对激励措施反应强烈，都可能同时具有商业和安全意义。具体情境、验证方式以及与评分挂钩的行动，决定了模型实际会做什么。

《纽约时报》报道称，弹性评分较高的客户往往比评分较低的客户在老虎机游戏上投注更多。报道还援引一项内部发现称，老虎机收入对促销活动的反应强于其他赌场游戏收入。

其中的商业逻辑很清晰。促销需要成本，因此运营商希望将其发送给最可能改变行为的客户。与基于地理位置或近期活动的广泛营销相比，机器学习能够更精准地为客户排序。

据称，DraftKings 告诉投资者，分析能力使其由促销驱动的体育博彩利润率在 2025 年提升了 13%。该公司还表示，AI 协助其对数亿美元的促销支出进行个性化安排。

争议始于优化结果包含客户额外亏损之时。模型无需使用名为“脆弱性”的变量也可能产生风险；它可以发现与有利可图但可能有害的博彩行为相关的行为组合。

据报道，前员工 Jayden Butts 告诉《纽约时报》，该模型在实际上的逻辑，是向预计会损失更多、且会继续投注的客户提供更多激励。他于 2024 年离开 DraftKings。

DraftKings 否认其基于客户亏损情况不当定位客户。该公司表示，促销活动面向的是持续参与其平台的客户。

这一回应为马萨诸塞州提出了一个可验证的问题。监管机构可以将该公司的既定筛选政策，与实际变量、目标函数、评分阈值和后续营销决策进行比对。

与负责任博彩工作的报道性对比，使这一问题更加尖锐。前员工还描述了一项旨在预测哪些客户面临较高赌博风险的内部项目。

据称，一名员工审阅了学术研究，并利用已被标记为存在高风险行为的客户记录训练模型。该项目最终并未部署。

DraftKings 首席负责任博彩官 Lori Kalani 告诉《纽约时报》，公司会监测潜在的高风险行为。她表示，公司未采用预测性风险技术，因为证据并未显示该方法具有帮助。

这种担忧本身并非不合理。效果不佳的安全模型可能产生误报、遗漏陷入困境的客户，或触发缺乏临床支持的干预措施。自动化风险标签也会引发隐私和公平性问题。

不过，证据标准必须保持一致。如果不确定的预测可以用于筛选商业优惠，监管机构就可以追问，为何类似的不确定性会完全阻碍预防性用途。

这正是 DraftKings AI 赌博实践中的核心权衡。企业能够优化可衡量的短期反应，而负责任博彩系统必须预测一种更复杂、也更难观察的伤害形式。

马萨诸塞州已指出 AI 风险识别的局限

委员会自身的研究支持对预测性安全工具保持谨慎，但也建议加强对商业个性化服务的监督。

2025 年 11 月，马萨诸塞州博彩委员会发布了内华达大学拉斯维加斯分校国际博彩研究所的研究成果。这份AI 风险报告审视了人工智能在赌博行业当前和潜在的应用。

研究人员发现，AI 已嵌入核心业务功能。他们认为，高级个性化既可能为客户带来益处，也会增加脆弱群体面临的风险。

这一双重用途的发现与当前争议高度吻合。行为模型可以定制账户提醒、推荐存款限额、选择促销活动，或为 VIP 关注确定客户优先级。底层的分析能力本身并不能决定结果是在保护客户，还是向客户施压。

报告还发现，常被援引的赌博伤害标志背后的证据并不均衡。许多行为指标缺乏有力验证，而与支付相关的指标拥有最强的支持性证据。

这一结论有助于解释为何 DraftKings 可能质疑预测性干预模型。仅凭频率或单次会话时长，无法确定客户患有赌博障碍。即使是复杂评分，也可能将高强度的娱乐性投注与真实的困境混为一谈。

该研究并未建议忽视预测系统。相反，它描述了一个涉及模型证据、财务数据、隐私、同意、跨运营商可见性和监管障碍的治理问题。

没有任何单一运营商能够看到客户完整的财务或赌博活动。某人可能在多个体育博彩平台维持账户，但在每个平台上都只表现出中等程度的活动。因此，基于单一平台训练的模型可能低估累积风险。

财务数据可以提供更强的预警信号，但也更为敏感。将支付能力信息与投注账户关联，会引发有关同意、访问权限、保留、安全性和适当干预措施的问题。

跨运营商的数据共享带来了另一重冲突。它或许有助于识别在不同平台间快速流动的客户，但也可能形成一份集中记录敏感财务和行为信息的档案。

这些限制应当影响马萨诸塞州的审查方式。监管机构不应因为负面舆论而仓促要求每家运营商部署尚未验证的预测模型。

不过，监管机构仍可要求运营商说明：为何批准某个模型，却拒绝另一个模型。相关证据包括验证标准、误差容忍度、责任人、审计程序，以及预测失误可能带来的后果。

一次错误的营销预测，可能只是浪费一笔促销额度。一次错误的安全预测，则可能限制账户，或错误地给客户贴上标签。反过来，未能识别脆弱客户，可能让严重伤害持续发生。

这些结果的代价各不相同，因此可以合理采用不同的模型阈值。但不同阈值并不能成为对商业优化完全缺乏审查的理由。

委员会的报告还建议设立内部 AI 领导机制或专门工作组。马萨诸塞州随后成立了这样的工作组，如今将参与对运营商的评估。

这一过程增强了调查的可信度。监管机构并非在一篇报纸报道之后才第一次接触算法赌博问题。它此前已委托研究、考察证据缺口，并在当前争议前建立了内部架构。

更棘手的问题是，委员会是否拥有足够的技术访问权限。运营商可以用宽泛措辞描述模型，同时隐去能够揭示其真实目标的细节。

有意义的审计必须审查训练标签、特征重要性、实验组、部署日期和已测量结果。它还应测试所宣称的排除规则是否有效，包括旨在保护自我排除或受到其他限制的客户的规则。

缺少这些证据，AI 体育博彩监管就可能沦为一场信息披露练习。公司可能提交听起来具有保护性的政策文件，而自动化系统仍在有效审查之外持续运行。

DraftKings 的负责任博彩工具无法化解模型冲突

玩家控制功能可以减少伤害，但自愿使用的工具并不能回答 DraftKings 如何决定向哪些客户提供优惠。

DraftKings 已投入建设一系列显眼的负责任参与功能，包括 My Budget Builder、My Stat Sheet、由玩家设定的限额、冷静期，以及与 Mindway AI 合作开发的教育体验。

在 Times 调查报道发布前五天，即 9 月 14 日，该公司宣布了更多面向客户的举措。其负责任参与更新推出了为期 3 至 364 天的自定义冷静期。

DraftKings 还扩展了 Gamalyze，这是一项与 Mindway AI 共同打造的游戏化教育体验。该公司已推出橄榄球和赌场主题版本，以鼓励客户反思自己的博彩决策。

这些功能表明，DraftKings 并未一概拒绝使用 AI 或行为工具来保护客户。它们也显示出该公司正尝试将预算管理和账户控制嵌入产品之中。

然而，自愿控制工具作用于客户旅程的不同阶段。限额只有在用户意识到自身需要并选择启用后才会发挥作用。冷静期同样依赖于客户主动发起暂停。

预测性干预关注的是，运营商是否应在客户提出请求前采取行动。它会考察存款、亏损、反复使用时段或对促销活动的响应等模式，是否应触发联系客户或限制促销的措施。

DraftKings 表示，它已经监控高风险行为，并会联系部分客户。尚未解决的问题在于，这些决策如何与其营销系统关联。

例如，监管机构可以询问，负责任博彩标记是否会自动屏蔽促销信息；还可以审查这种屏蔽生效的速度，以及是否覆盖电子邮件、推送通知、VIP 联络和应用内优惠。

马萨诸塞州已有证据表明，即使规则清晰，运营控制仍可能失效。2024 年，DraftKings 错误地向超过 120 万名马萨诸塞州居民或注册用户发送了一封高尔夫博彩邮件，其中包括该州自愿自我排除名单中的 184 人。

这一事件并不能证明存在故意定向营销。但它说明，监管机构不能只通过阅读正式政策来评估保障措施。

DraftKings 还表示，其长期业务依赖于客户在自身能力范围内博彩，并将博彩视为娱乐。这一立场将客户保护与商业可持续性联系起来。

短期激励则更为复杂。促销团队通常以参与度、转化率、博彩活动、客户留存和利润率来衡量表现；负责任博彩团队则以风险降低和干预有效性来衡量表现。

这些目标可以共存，但也可能围绕同一位客户发生冲突。对激励反应强烈的人，在一个系统中可能显得很有价值，在另一个系统中却可能令人担忧。

治理机制应在任一模型触达客户前解决这一冲突。公司需要建立明确的优先级体系，说明何时安全信号应优先于收入优化。

独立审查尤为重要，因为公司会自行选择绩效指标。一次促销活动如果提升了博彩量，可能看似成功，即使该活动同时让高风险用户的亏损更加集中。

反向问题同样影响负责任博彩工具。运营商可以统计有多少人打开了预算功能，却不说明有害博彩行为是否下降。

因此，马萨诸塞州的调查应聚焦结果。它可以询问，对于每个被评分群体，促销模型如何改变了亏损、存款行为、使用频率和后续风险标记。

它还可以将 DraftKings 与其他获牌运营商进行比较。如果 FanDuel、BetMGM 或 Fanatics 使用不同的屏蔽规则或审查流程，这些差异可以帮助识别可行的保障措施。

目标不应是要求采用完全相同的模型，而应是确立一条基准：运营商必须了解其自动化系统优化的目标，识别可预见伤害，记录冲突，并证明保护性控制措施在实践中确实发挥作用。

行业面临的是治理考验，而非 AI 禁令

将每个统计模型都视为危险会偏离问题核心，因为决定性因素是预测所附带的行动。

早在生成式 AI 成为消费者熟悉的概念之前，体育博彩公司就已使用数据分析。它们计算赔率、检测欺诈、细分客户、预测价值、管理奖金并监控可疑活动。

机器学习通过在众多变量中发现模式，扩展了这些能力。它可以快速更新排名，并为单个账户实现个性化决策。

但这并不意味着每项自动化决策都等同。欺诈检测保护平台和合法客户；更安全的博彩提醒可以将支持引导至呈现风险的人；促销模型则试图提高盈利活动。

对 DraftKings 的 AI 调查提出的问题是：商业个性化在何处跨越监管或伦理界限。这条边界不能仅取决于算法是否使用了某种特定技术方法。

如果基础评分规则向脆弱客户施压，也可能造成伤害。复杂模型若能停止促销、建议限额或触发审慎的人工审查，则可能惠及客户。

因此，监管机构需要以目的为基础的规则。它们应评估运营商追求何种结果、使用哪些数据、由谁承担后果，以及有哪些申诉或纠正流程。

自动化决策还需要明确的责任归属。数据科学团队可能建立评分模型，而营销人员决定如何使用它。合规人员可能只审查最终营销活动，而非支撑活动的模型。

这种分离可能造成问责缺口。每个团队都能准确描述自身有限的职责，但没有人对综合性的客户影响负责。

马萨诸塞州可以通过模型清单和具名的责任高管来解决这一问题。每一个重要系统都应有负责人、获批用途、明确的数据来源、验证周期和退出流程。

运营商还应记录被禁止的用途。例如，公司可以禁止针对自我排除客户、启用冷静期设置的人，或正在接受负责任博彩审查的账户开展营销活动。

这些排除规则需要技术执行和定期测试。如果客户名单、模型评分和消息传递系统无法正确同步，书面限制几乎无法提供保护。

人工审查也并非完整答案。工作人员可能遵循带有偏见的建议，或在缺乏实质评估的情况下批准大量自动化决策。

有效监督需要与决策相匹配的解释依据。监管机构未必需要获取专有代码的每一行，但必须拥有足够证据，以重建客户为何被纳入目标群体。

数据留存是另一项担忧。历史博彩记录可以改善预测，但也会保留有关财务行为和个人习惯的详细档案。

委员会应询问特征数据和模型评分会保留多久。它还应审查，为安全目的收集的信息是否会在之后进入营销流程，还是有严格隔离措施阻止此类再利用。

竞争带来了进一步压力。如果一家体育博彩公司通过更精准的促销提高利润率，竞争对手就有动力开发类似系统。当每家运营商都认为其他公司正在从客户数据中获取更多价值时，自愿克制会变得更困难。

这种动态支持建立共同的最低规则。明确标准能够限制有害竞争，同时不禁止合法分析，也不要求公司公开披露商业机密。

此次审查还提供了区分个性化与操纵的机会。基于客户偏好运动项目提供相关优惠，与围绕反复存款、试图追回损失或其他潜在痛苦信号安排激励措施并不相同。

这条边界仍需作出判断。但不确定性正是建立治理机制的理由，而不是让自动化决策免于审查的理由。

三个信号将表明审查是否改变博彩监管

下一项考验是，马萨诸塞州能否将广泛担忧转化为证据要求、可执行边界和可衡量的客户保护。

第一个信号是向 DraftKings 索取的信息。若审查仅聚焦于演示材料和一般政策，其调查价值将被削弱。

更有力的流程应要求提供模型文档、部署历史、实验结果、促销标准、负责任博彩排除规则以及马萨诸塞州专项记录。这些证据将显示，报道所述的赌场做法是否影响了该州的体育博彩者。

第二个信号是，委员会是否为所有运营商发布共同框架。该审查已涵盖获牌体育博彩公司的获客、促销和负责任博彩。

有用的框架将界定重要的自动化决策，并要求建立清单、指定责任人、进行测试和报告事件。它还应明确运营商何时必须向监管机构通报重大模型变化。

这样的框架将强化本文的核心判断。它将表明，马萨诸塞州将 AI 监督视为一项持续性的牌照责任，而非针对 DraftKings 的一次性回应。

第三个信号是委员会如何处理商业模型与安全模型之间的差距。监管机构不应仅因为存在促销优化，就假定预测性风险识别是准确的。

他们可以要求运营商说明这两种用途各自的证据标准。即使不确定的风险信号不足以支持限制账户，监管机构也可以审查这些信号是否至少会抑制营销活动。

这种中间措施很重要。体育博彩平台无需诊断赌博成瘾，也可以决定不再向可能处于脆弱状态的客户发送定向激励。

审查结果仍不明朗。马萨诸塞州可能会发现，相关系统从未在其体育博彩市场中实际运行；也可能识别出控制薄弱环节、要求采取纠正措施，或启动正式规则制定程序。

DraftKings 也可能提供证据，证明其促销系统排除了高风险客户，并未如指控所称针对用户亏损进行营销。委员会尚未得出结论，而《纽约时报》的调查发现仍遭该公司质疑。

不过，底层的治理问题仍将持续存在。博彩平台能够持续观察客户行为、快速个性化优惠，并测试哪些激励措施能带来更多活动。

这些能力带来了通用 AI 原则无法充分满足的责任。监管机构需要审查实际的目标、数据、决策和结果。

对投注者而言，实际问题在于，个性化服务究竟是在满足其明确表达的偏好，还是在利用他们自己可能尚未察觉的行为模式。对产品与数据团队而言，问题则是：当一个盈利模型对客户造成的影响越来越难以辩护时，谁有权叫停它。

关注马萨诸塞州提出哪些要求、公布哪些信息，以及安全信号是否会获得高于营销系统的权威。这三项进展将决定 DraftKings AI 调查是否会成为 AI 体育博彩监管的长期范式。