Zona de Azar EE.UU. – G2E: La IA para Detectar Comportamientos de Riesgo en el Juego

Estados Unidos.- 19 de Octubre de 2023 www.zonadeazar.com Aprovechando los avances en inteligencia artificial y aprendizaje automático para crear algoritmos predictivos de juego responsable, los operadores de casinos pueden reducir los daños a los jugadores configurando interrupciones del juego cuando se detecten comportamientos de riesgo, según expertos en IA.

La Global Gaming Expo exploró el tema la semana pasada con una sesión sobre la tecnología potencial que mejora la seguridad y la integridad del juego para los usuarios.

Una forma de hacerlo es creando fricción en forma de mensajes de texto, correos electrónicos y notificaciones push al jugador a través de la aplicación o como recordatorios de autoservicio a los jugadores sobre opciones de juego más seguras.

Mike Reaves, responsable de Worldwide Solutions Architecture for Betting & Gaming en Amazon Web Services, dijo que están utilizando el aprendizaje automático para detectar comportamientos problemáticos en el juego y “tratar de ser una fuerza para el bien”.

Reaves dijo que actualmente están trabajando en dos sistemas en el espacio de las apuestas y el juego para ayudar a proveedores, operadores y reguladores. El primero es un algoritmo predictivo que examina distintos indicadores, incluida la información financiera de las cuentas y los datos de las apuestas.

“Podemos crear un modelo de aprendizaje automático utilizando los datos del operador para intentar detectar cuándo el comportamiento de juego puede llegar a ser problemático”, explica Reaves. “Cuando lo es, lo bueno que se puede hacer con la tecnología hoy en día es que se puede hacer una notificación en tiempo real para evitar que se haga daño en ese momento. En los viejos tiempos, recibías un informe y veías que fulanito había perdido 10.000 dólares y no podías hacer mucho al respecto, aparte de llamarle para ver si estaba bien y ofrecerle un crédito”.

Reaves dijo que AWS también está trabajando en soluciones de personalización que utilizan IA y aprendizaje automático como la gente podría ver en Amazon Prime Video o en el sitio de comercio electrónico de Amazon, donde las personas reciben sugerencias sobre qué comprar.

“Ese mismo tipo de tecnología se puede usar en apuestas y juegos de azar para tal vez ofrecer una apuesta en la que alguien esté interesado”, dijo Reaves. “Hay un delicado equilibrio entre dar a alguien una recomendación y tratar de prevenir el juego problemático, pero estamos tratando de aplicar el aprendizaje automático a todo este tipo de problemas e identificar soluciones que sean útiles”.

Paula Murphy, directora de desarrollo de negocio de Mindway AI, dijo que el aprendizaje automático es un subconjunto de la IA y que lo que hacen en Mindway es enseñar al algoritmo a replicar la toma de decisiones humana.

“Para algo como la ludopatía, observamos cada 10 minutos de juego en el casino, en las apuestas deportivas y en las manos de póquer y extraemos patrones de comportamiento que tienen en cuenta algunos de los mismos marcadores”, explicó Murphy. “Como utilizamos psicólogos humanos expertos, pueden aportar un análisis contextual que no se obtendría si nos fijáramos en los marcadores. Estamos haciendo un seguimiento continuo de unos siete millones y medio de jugadores para los operadores con los que trabajamos.”

Madeleine Want, vicepresidenta de datos de Fanatics Sportsbook, dijo que la dificultad de predecir la ludopatía es un “problema de datos”. Empieza con alguien que te dice lo que tienes que buscar identificando a jugadores problemáticos confirmados del pasado.

“Se crean las herramientas y los algoritmos necesarios para analizar la propia base de clientes”, explica Want. “Nos preguntamos: ¿quién se comporta de forma similar a los que podríamos no haber visto? ¿Cuáles son los factores correlativos que nuestro equipo de juego responsable no sugirió proactivamente, porque no eran conscientes de ellos? Sin embargo, el algoritmo se ha percatado de ellos y podría sacar a la luz comportamientos de otros clientes que han pasado desapercibidos. Somos nuevos en este espacio y vivimos en cinco estados, con muchos más por venir. Una de las cosas que necesita el aprendizaje automático son muchos datos, y cuando no llevas mucho tiempo en esto y sólo estás en un pequeño subconjunto de estados, no tienes datos suficientes para entrenar un modelo de aprendizaje automático muy ávido”.

Want dijo que el enfoque que han estado adoptando en colaboración con AWS es crear el marco de cómo introducir los datos, de modo que puedan utilizarse para un modelo de este tipo. Una vez que dispongan de una cantidad suficiente de datos, los cambiarán por un enfoque de aprendizaje automático.

“Otra razón por la que éste es un gran problema de datos es que traducimos la intuición humana en reglas y le decimos al sistema cómo debe comportarse”, explica Want. “Todo ello contribuye a crear un corpus de datos que luego se utilizará para entrenar y puntuar un futuro método de aprendizaje automático. Los datos son un pequeño componente. Es lo que haces con esa información una vez que la tienes donde se produce el cambio”.

Editó: @MaiaDigital www.zonadeazar.com