A DraftKings, maior operadora de apostas esportivas dos EUA, desenvolveu modelos de inteligência artificial para identificar e fidelizar justamente os clientes com maior probabilidade de prejuízo. A estratégia, revelada por documentos internos e depoimentos de ex-funcionários, transforma a promessa de “jogo responsável” em peça de marketing enquanto o algoritmo otimiza o oposto: extrair o máximo valor dos apostadores mais vulneráveis.
O esquema funcionava assim: a empresa injetava centenas de milhões de dólares por ano em bônus, apostas grátis e créditos promocionais. Mas nem todo mundo recebia o mesmo tratamento. Por trás da cortina, um sistema de machine learning ranqueava usuários pelo “valor vitalício esperado” — uma métrica que, na prática, mede quanto cada pessoa tende a perder ao longo do tempo.
O analista que viu a engrenagem por dentro
Jayden Butts entrou na DraftKings como analista de dados júnior. Após cerca de um ano, recebeu uma demanda incomum: ajudar a refinar os modelos que decidiam quem merecia — ou não — promoções agressivas. A instrução era clara: concentrar incentivos nos perfis com maior propensão a recair, apostar valores altos e manter ciclos longos de perdas.
Documentos internos mostram que a equipe de ciência de dados segmentava a base em clusters comportamentais. Variáveis como frequência de depósitos, horários de acesso, tipos de aposta (parlays de alto risco vs. apostas simples) e reação a perdas anteriores alimentavam o score preditivo. Quanto maior o score, mais “generosa” a oferta.
Como o funil de retenção foi turbinado
A lógica perversa do modelo: apostadores recreativos, que jogam valores baixos e param após perder, geram pouco receita marginal. Já o perfil “high value” — quem persegue prejuízo, aumenta a aposta para recuperar e joga de madrugada — responde muito bem a estímulos. Um bônus de R$ 500 para esse grupo pode gerar R$ 5.000 em perdas líquidas nos meses seguintes.
- Variáveis-chave do modelo: volatilidade de banca, tempo de sessão, ratio depósito/saque, sensibilidade a promoções
- Ciclo médio de extração: 6 a 18 meses até o usuário esgotar limite de crédito ou autoexcluir-se
- Custo de aquisição vs. LTV: promocionais pagam-se em semanas nos clusters de maior risco
Mas o efeito mais relevante aparece na borda regulatória. A DraftKings opera em dezenas de estados com regras distintas de “jogo responsável”. O algoritmo, porém, é único — e não distingue jurisdição na hora de ranquear vulnerabilidade.
O que a compliance não vê (ou ignora)
Equipes de compliance recebiam relatórios agregados: “taxa de adoção de ferramentas de autoexclusão subiu 12%”. Não recebiam a granularidade de quantos usuários de alto risco receberam bônus na semana anterior à autoexclusão. A separação entre times de growth e risk criava um muro de informação conveniente.
Ex-funcionários relatam que solicitações para cruzar dados de promoções com marcadores de jogo problemático eram barradas sob argumento de “privacidade de dados” ou “complexidade técnica”. Enquanto isso, o modelo era retreinado semanalmente com novos dados de comportamento pós-bônus.
Cenários para os próximos trimestres
Reguladores em Nova Jersey, Pensilvânia e Massachusetts já pediram explicações formais sobre práticas de marketing direcionado. A expectativa do mercado: multas na casa de dezenas de milhões e, mais importante, exigência de auditoria algorítmica independente — algo que nenhuma grande operadora tem hoje.
Para investidores, o sinal de alerta não é só legal. Se a receita depende de identificar e explorar vulnerabilidade cognitiva, o modelo de negócio carrega risco existencial: basta uma decisão judicial ou lei estadual proibir “targeting preditivo de risco” para derrubar a margem de 30% que sustenta o valuation atual.
O que observar daqui para frente
Três indicadores dirão se a indústria muda ou apenas maquia: (1) divulgação voluntária de métricas de “jogo responsável” por coorte de risco, não só agregadas; (2) contratação de chief ethics officers com poder de veto em campanhas promocionais; (3) redução real no share de receita vindo do top 5% de apostadores por volume de perdas. Enquanto esses números não aparecem nos releases de resultados, o algoritmo segue rodando — e a conta, no fim, sempre chega para quem aposta.
