Uma das maiores plataformas de apostas dos Estados Unidos desenvolveu um modelo de inteligência artificial para direcionar promoções aos clientes com maior probabilidade de perder dinheiro. Documentos internos e depoimentos de ex-funcionários revelam que o sistema classificava usuários por “elasticidade” — quanto maior a pontuação, maior a perda esperada a cada bônus ofertado.
A prática levanta dúvidas sobre os limites entre marketing agressivo e exploração de vulnerabilidades. O que mais chama atenção, porém, é o que a empresa optou por não fazer com tecnologia semelhante.
Como o modelo funcionava na prática
Em 2023, a DraftKings treinou um algoritmo de aprendizado de máquina com o histórico de apostas de sua base. O sistema cruzava centenas de variáveis: frequência de jogo, saldo diário, relação entre perdas e volume apostado, e até a probabilidade de o usuário abandonar a plataforma.
Jayden Butts, então analista de dados, testou o modelo com cerca de 5.000 clientes em setembro daquele ano. Usuários com pontuação abaixo da média recebiam menos incentivos; os demais permaneciam alvos prioritários de apostas grátis e bônus.
Segundo Butts, a diretoria foi clara: o objetivo não era economizar com promoções, mas redistribuí-las para quem gerava mais receita — ou seja, quem mais perdia.
O que os números internos mostraram
Um memorando de 2023 indicava que a receita de caça-níqueis era “mais elástica” que a de outros jogos. Em linguagem direta: promoções funcionavam especialmente bem para estimular perdas em slots. No mesmo período, a empresa iniciou desenvolvimento de modelos semelhantes para apostas esportivas.
Ex-funcionários descrevem outros sistemas em operação:
- Algoritmo para identificar usuários prestes a sair da plataforma e reconquistá-los com ofertas
- Programa que aumentava promoções para quem apostava de forma mais agressiva que o habitual
- Modelos que incorporavam dados demográficos e comportamentais para refinar a mira
O lado que a empresa escolheu não automatizar
Enquanto a tecnologia para maximizar perdas avançava, ao menos três tentativas internas de usar IA para detectar risco de vício foram engavetadas desde 2024.
Uma delas, liderada pelo cientista de dados Nestor Hernandez, analisava padrões de depósitos, saques, tentativas de recuperar perdas, idade e gênero para antecipar crises. A equipe de Jake Shannin concluiu que, mesmo com regras simples, o modelo superava o acaso na identificação de quem precisaria de intervenção.
Em janeiro de 2025, a apresentação do projeto a executivos — incluindo Lori Kalani, head de jogo responsável — foi cancelada. Outras duas iniciativas semelhantes tiveram o mesmo destino.
A resposta oficial e os dados de mercado
A DraftKings nega que suas práticas sejam injustas ou direcionadas com base em perdas. Afirma que promoções visam clientes com “uso contínuo da plataforma” e que monitora comportamentos de risco com mais de duas dezenas de indicadores automáticos — gatilhos que disparam mensagens educativas, questionários e, em casos extremos, encerramento de conta.
Kalani declarou que a empresa avaliou a tecnologia preditiva de risco e concluiu não haver “base suficiente em evidências” para adotá-la, mantendo o sistema atual.
Enquanto isso, sinais externos se acumulam. Estudo no JAMA Internal Medicine registrou alta nas buscas por “sou viciado em jogos de azar?”. Em Ohio, ligações para a linha de ajuda de apostas esportivas mais que quadruplicaram desde a legalização em 2023.
O que observar daqui para frente
A assimetria é clara: a mesma capacidade analítica que identifica quem perde mais tem potencial para sinalizar quem perde perigosamente. Reguladores de Nova Jersey já exigem gatilhos automáticos para depósitos atípicos e tempo excessivo de jogo; a tendência é que mais jurisdições exijam auditoria algorítmica.
Para investidores e operadores do setor, a questão deixa de ser apenas reputacional. Litígios como o de Mark Gottlieb — que argumenta que ferramentas de autoexclusão falham diante da neurobiologia do vício — podem forçar divulgação de métricas internas. Quem antecipar essa transparência reduz exposição jurídica e regulatória.
O próximo marco não será tecnológico, mas institucional: a primeira exigência regulatória de que modelos de “elasticidade” tenham contrapartida obrigatória de proteção. Quem já tiver essa arquitetura pronta sairá na frente.
