Entrevista “Game Changers”: Wojtek Sznapka, CEO de Gamblitude

1. ¿Qué te llevó a fundar Gamblitude?

Pasé siete años como director técnico en STS (el mayor operador de apuestas deportivas de Polonia), al frente de los equipos de ingeniería y datos. Una experiencia que me marcó fue el lanzamiento de una marca en nuevos mercados. Habíamos dado por sentado que el equipo central de inteligencia de negocio (BI) se encargaría de la elaboración de informes. Entonces, los costes de adquisición empezaron a variar y necesitábamos respuestas rápidamente. Nuestras consultas pasaban a la misma cola que las solicitudes de una empresa mucho más grande y consolidada. Entendía por qué se daba prioridad al mercado principal, pero resultaba frustrante cuando eras tú quien intentaba llevar a cabo el lanzamiento.

Tanto Piotr Cerlak como yo nos habíamos enfrentado a versiones de ese problema. Ya lo estábamos comentando antes de dejar STS. Fundamos Gamblitude porque queríamos que las personas que dirigen el negocio pudieran responder por sí mismas a más preguntas de ese tipo.

2. ¿Qué significa en la práctica una «capa de decisión»?

Imagina que acabas de lanzar una campaña. El primer día, quieres saber en qué punto se pierden los usuarios, entre el registro y su primer depósito. Un mes después, quieres saber si la campaña se ha amortizado una vez que contabilizas las bonificaciones y lo que has gastado para captar a esos jugadores. Una respuesta podría cambiar lo que vas a corregir esta tarde. La otra podría cambiar a dónde se destina el presupuesto del mes que viene. Ambos equipos deberían poder analizar el mismo grupo de jugadores y ver cómo se han calculado las cifras. A eso me refiero con una «capa de decisión».

3. ¿Cómo se pasa de datos fragmentados a respuestas que la gente pueda utilizar?

Conectamos los datos de operaciones, pagos, bonificaciones y captación, y luego acordamos con el operador qué significan las cifras clave. Una vez hecho esto, un equipo puede empezar con un panel de control y plantear al agente una pregunta de seguimiento utilizando las mismas definiciones. Pueden hacerlo mientras la pregunta siga siendo relevante.

En SixValues, aproximadamente uno de cada cinco empleados utilizaba activamente herramientas de datos antes del cambio. Tras estandarizar sus KPI y habilitar el acceso de autoservicio, esa cifra superó el 70 %. Más personas podían consultar la información por sí mismas y los analistas disponían de más tiempo para tareas que requerían su experiencia.

4. ¿Cómo cambiarán los agentes autónomos el día a día de un operador?

Me sorprendió lo mucho que nuestros clientes utilizaban los análisis que se generaban sin que nadie los hubiera solicitado. Imagina que abres tu panel de control por la mañana y ves que las aprobaciones de depósitos han bajado. Es posible que un agente ya lo haya investigado y haya descubierto que la mayor parte de la caída se debe a un único proveedor de pagos. Eso le da al equipo de pagos un punto de partida.

En los próximos años, creo que los agentes se encargarán cada vez más de esa primera revisión. Yo los evaluaría en función de la frecuencia con la que encuentren algo que el equipo agradezca saber. Si cada pequeño movimiento se convierte en una alerta, la gente dejará de prestar atención muy rápidamente.

5. ¿En qué aspectos ayudan los modelos predictivos al crecimiento y a la protección de los jugadores?

Una previsión del valor futuro de un jugador puede ayudarte a comparar canales de captación mientras aún tienes tiempo para hacer algo con el presupuesto. Una puntuación de abandono te da un motivo para examinar el caso más de cerca. Una puntuación VIP temprana puede ayudar al equipo a detectar posibles jugadores de alto valor y ofrecerles un servicio más personalizado, de acuerdo con las normas de elegibilidad VIP y de protección de los jugadores del operador.

En cuanto al juego responsable, la cuestión es si un cambio de comportamiento justifica un análisis más detallado por parte del equipo de protección de jugadores. Yo comprobaría dos cosas a lo largo del tiempo: ¿detectó el modelo los casos que el equipo debía examinar? ¿Y el seguimiento resultó realmente útil? Son dos aspectos distintos que hay que medir.

6. ¿Qué ocurre cuando un mismo comportamiento apunta tanto a un potencial VIP como a un riesgo de juego?

La protección del jugador es lo primero. Si alguien, de repente, realiza depósitos con más frecuencia y juega durante más tiempo, un modelo comercial podría interpretarlo como un indicio de valor futuro. El equipo de protección del jugador debe analizar qué ha cambiado y si la persona necesita ayuda.

Estaría de acuerdo con la norma de que esto se haga antes de que cualquiera de las puntuaciones llegue al CRM. Si hay algún motivo de preocupación que requiera revisión, se debe suspender el contacto promocional y remitir el caso al equipo de protección del jugador. La decisión les corresponde a ellos, independientemente del valor comercial del jugador. Además, la norma tiene que funcionar en el sistema de campañas, de modo que una oferta programada ayer pueda detenerse hoy mismo.

7. ¿Qué supone para Gamblitude la colaboración con Superbet Polonia?

Piotr y yo llevamos años trabajando en el sector de los operadores en Polonia, compitiendo contra Superbet, así que esta colaboración significa mucho para nosotros. Aportamos nuestra experiencia en IA y modelos predictivos al negocio polaco de Superbet. Ellos desarrollan gran parte de su propia tecnología, y sé por haber estado al otro lado de la mesa lo cuidadosamente que se elige qué incorporar a ese sistema.

8. ¿Cómo se genera confianza en los análisis basados en IA?

Creamos Gamblitude para que la IA responda a preguntas utilizando únicamente métricas y definiciones que ya hayan sido verificadas. Tomemos una pregunta como «¿Cuál fue el margen de las apuestas deportivas de ayer?». El agente utiliza la misma definición que los informes del operador, hasta el punto de especificar qué apuestas cuentan y cuándo finaliza el día de referencia. El resultado pasa por varias capas de validación antes de que el agente te lo muestre.

Y si vas a tomar una decisión basada en esa cifra, deberías poder ver cómo se ha calculado y comprobarlo tú mismo. Eso es especialmente importante cuando la decisión afecta a un jugador.

9. ¿Cuáles son tus prioridades para 2027?

Seguiremos mejorando la plataforma Gamblitude, especialmente en lo que respecta a lo que nuestro agente de IA puede hacer por los operadores. Ya es capaz de analizar lo que está sucediendo en el negocio. Quiero que sea más útil en lo que viene a continuación, como hacer llegar los resultados a la persona adecuada y ayudarla a dar seguimiento.

También vamos a lanzar una nueva línea de productos para los jugadores, empezando por el Asistente de IA para Jugadores. La mayor parte de lo que hemos desarrollado hasta ahora ha estado dirigido a las personas que trabajan en las empresas operadoras. Me gustaría que esa misma tecnología también facilitara las cosas a los jugadores. Deberían poder preguntar qué apuestas hay disponibles para un partido, cómo funciona un juego o cuáles son las reglas de una oferta. El asistente también puede ayudar con dudas sobre la cuenta, hacer un seguimiento de una solicitud de asistencia o enviar un recordatorio que el jugador haya solicitado.

La gente ya se está acostumbrando a pedir ayuda a los asistentes de IA para las cosas del día a día. Creo que ya es hora de que puedan hacer lo mismo con su casa de apuestas o su casino.

10. ¿Qué consejo darías a los ejecutivos que quieren marcar la diferencia con la IA?

Yo era escéptico cuando comenzó la actual ola de la IA. Lo que me hizo cambiar de opinión fue utilizarla en tareas que entendía lo suficientemente bien como para comprobarlas.

La parte más importante de cualquier implementación de IA es poner los datos en orden. Compara las cifras con la fuente y asegúrate de que el agente sabe lo que significan esas cifras. Si los departamentos de finanzas y marketing calculan los ingresos de forma diferente, incluso el mejor modelo necesita saber qué definición se aplica. De lo contrario, puede darte una respuesta muy convincente basada en una cifra errónea.

A continuación, elige una decisión que tu equipo tome cada semana y siéntate con las personas que la toman. Averigua qué es lo que más tiempo les lleva. Prueba la IA en algunos casos que ya hayan gestionado y fíjate en qué se equivoca.

Después, pruébala en el flujo de trabajo real con las mismas personas. Un mes más tarde, pregúntales cuánto tiempo han recuperado y qué es lo que aún tienen que volver a comprobar. Esa conversación te dirá mucho sobre dónde invertir a continuación.