Machine learning e gioco responsabile: perché qualcosa non torna

Gioco d'azzardo: aumentano le classificazioni dei giocatori problematici, ma mancano le azioni

C'è una questione nel nuovo regime normativo italiano sul gioco online che merita una riflessione. Parliamo dell'articolo che impone agli operatori lo 0,2% del GGR in iniziative di gioco responsabile. Questa imposizione, nelle intenzioni, ha lo scopo di creare sistemi di protezione più sicuri e capaci di intervenire sui comportamenti problematici degli utenti. In realtà, tra l'idea e la pratica c'è molta differenza.

Limiti del controllo ADM: report dettagliati ma pochi interventi reali

I sistemi di machine learning che gli operatori regolamentati in Italia utilizzano sono principalmente strumenti di documentazione di compliance e non vengono utilizzati come meccanismi di intervento preventivo effettivo.

Spieghiamo meglio per comprendere il meccanismo: ADM monitora costantemente gli aumenti repentini della frequenza, le sessioni notturne prolungate e i tentativi di rincorsa delle perdite per valutare eventuali comportamenti problematici. Tuttavia, un monitoraggio senza un'azione di aiuto è inutile ed è quella che manca attualmente. 

Gli interventi restrittivi che limitano l’accesso al gioco per un utente che mostra segnali di problematicità, sono rari. Non può che essere così perché ogni intervento in tale senso rappresenta una perdita di fatturato immediata. Questo perché non esiste una sorta di registro nazionale dei giocatori problematici e ciò comporta che chi viene bloccato da un operatore, migra facilmente su un altro sito o, peggio, verso il mercato illegale.

In questa situazione gli operatori sono stretti tra due fuochi: da una parte devono mostrare all'ADM che la loro struttura di controllo funziona, dall'altra devono trattenere il cliente in un contesto in cui il pericolo migrazione dovuto a offerte migliori o quote più competitive è sempre più alto.

Per questo si creano sistemi con controlli rigidi, ma che agiscono poco. Ciò che ne consegue è che ADM ha disposizione un vasto report sul comportamento problematico dei giocatori, ma non ha modo di verificare l'efficacia degli strumenti per prevenire il danno al giocatore.

La caccia all'utente nell'era post-riforma: marketing e psicologia a discapito della qualità

La recente riforma del gioco online ha ristretto il numero di operatori e licenze, passando da 81 operatori e 93 licenze autorizzati a 46 operatori con 52 licenze complessive. Ciò ha portato ad acquisizioni strategiche, come, ad esempio, quella di Snaitech da parte di Flutter Entertaimment, ma non ha migliorato la qualità del servizio offerto al consumatore.

Se, infatti, i grandi gruppi hanno maggiori risorse per investire in tecnologie di protezione e compliance, dall'altro, la riduzione della concorrenza ha diminuito gli incentivi a competere sulla trasparenza e sulle condizioni di gioco favorevoli all'utente. Detto in altri termini se prima la «caccia all'utente» si basava sull'offerta di RTP più generosi o politiche di gioco responsabile più rigorose, ora il campo si è spostato su brand awareness, budget marketing e partnership sportive. Meno concorrenza, più standardizzazione, meno qualità.

Con un costo d'acquisizione di un nuovo cliente che è fino a cinque volte superiore rispetto al mantenimento di uno esistente, tenersi stretti gli utenti è diventata la mission degli operatori. Per questo si è puntato a un miglioramento della gamification che si è trasformata da elemento estetico a necessità strategica integrata nel design della piattaforma.

Il quadro a cui si assiste in questa fase è che la gestione di strumenti come volatilità delle slot diventa opaca, sfruttando l'ignoranza in materia degli utenti, mentre vengono spinte strategie come l’effetto «near miss». Quest'ultimo si riferisce un meccanismo psicologico in cui la perdita viene percepita come una vittoria sfiorata, spingendo il giocatore a continuare a scommettere. Si pensi, a quando, sulle slot si allineano due simboli uguali mentre il terzo viene posizionato appena poco distante.

Urge un nuovo sistema di trasparenza

Ci troviamo quindi, di fronte a un problema etico, ma non illegale. Infatti, come dicevamo, i sistemi di AI sono progettati per rilevare pattern problematici, ma non per identificare anche quando un giocatore sta subendo in modo particolare l’effetto near miss. Nessun operatore interviene attivamente su questo fronte, perché significherebbe minare uno dei pilastri stessi della retention.

La conclusione è solo una: il sistema italiano funziona in fase di controllo, ma non di prevenzione o cura. Questo perché esistono ancora zone grigie dove non esiste regolamentazione. Per creare un ecosistema differente la trasparenza dovrebbe diventare obbligatoria per legge, ma ciò rischierebbe di portare a una perdita economica significativa per gli operatori.

Si rimane, quindi, nel limbo: un sistema a metà dove esistono differente sostanziali tra ciò che si legge sui siti e come questi agiscono.