İspanya Kumar Düzenleme Genel Müdürlüğü (DGOJ), ülkenin online kumar pazarında riskli oyuncu davranışlarını tespit etmek için hayata geçireceği makine öğrenimi algoritması nedeniyle sorunlu kumar uzmanlarının artan şüpheleriyle karşılaşıyor. Bu konu, Madrid'de düzenlenen son Gaming in Spain Konferansı'nda gündeme geldi. DGOJ Genel Müdürü Mikel Arana, sektörde yürütülen uyum ve yönetişim reformlarını savundu.
DGOJ Düzenleme Reformunda İlerliyor
Arana, 2020'den bu yana Tüketici İşleri Bakanlığı bünyesinde yürütülen DGOJ reformlarının önemini vurguladı. Dört ana projeden üçünün şu anda test aşamasında olduğunu ve altı ay içinde tam uygulamaya geçileceğini söyledi. Bu projeler arasında, XGBoost teknolojisini kullanan ve 48 davranışsal zafiyeti tespit etmeye yönelik geliştirilen makine öğrenimi algoritması öne çıkıyor. Regülatör, önümüzdeki aylarda merkezi depozit limitlerinin getirilmesine de öncelik vermeyi planlıyor.
Şeffaflık ve Dış Katkı Eksikliği Endişesi
DGOJ'nin güvenine rağmen, sektör uzmanları yeni tespit aracının geliştirilme süreciyle ilgili endişelerini dile getirdi. BetBlocker'dan Pedro Romero, algoritmanın tasarım aşamasında açık bir ihale ya da dış partnerlerle iş birliği yapılmamasını eleştirdi. Romero, bağımsız aktörlerle daha fazla diyalog kurulsa müşteri tespiti ve müdahale konusundaki temel sorunların giderilebileceğini, başka ülkelerden alınan modellerin uyarlanmadan kullanılması halinde ise kritik açıkların kalabileceğini söyledi.
Mindway AI'dan Paula Murphy de bu eleştirileri yineleyerek, algoritmanın parametreleri için kamuya açık danışma süresinin kısa tutulduğunu ve dış katkı alınmadığını belirtti. Murphy, operatörlerin modelin bulgularına nasıl yanıt vermesinin beklendiğinin net olmadığını, önerilen sistemin oyuncular için yalnızca ikili sonuçlar sunduğunu ve bunun sorunlu kumar davranışlarının karmaşıklığını basite indirgediğini vurguladı.
Operatörler ve Sektör İçin Sonuçlar
Operatörler ve tedarikçiler, yeni tespit algoritmasının pratikte nasıl uygulanacağı konusunda belirsizlik yaşıyor. Murphy, müşteri işaretlemelerinin nedenlerini anlamanın ve davranış değişikliklerini zaman içinde takip etmenin, yalnızca ikili değerlendirmeye dayanmaktan daha önemli olduğunu söyledi. Ayrıca modelin eğitim verileri ve kapsamı konusunda daha fazla şeffaflık çağrısı yaptı; mevcut yaklaşımın pazardaki analitik olanaklardan tam olarak yararlanmadığını savundu.
Detaylı rehberlik ve şeffaflık eksikliği, operatörlerin mevcut risk tespit sistemlerini DGOJ modeline uyarlarken uyum sorunlarıyla karşılaşmasına yol açabilir. Uzmanların dile getirdiği endişeler, regülatör, operatör ve teknoloji sağlayıcıları arasında sürekli diyalog ihtiyacını ve oyuncu koruma önlemlerinin daha etkili ve hassas olması gerektiğini gösteriyor.
Öne çıkanlar
- İspanya DGOJ, sorunlu kumar davranışlarını tespit etmek için yeni bir makine öğrenimi algoritması uygulamaya hazırlanıyor.
- Uzmanlar, algoritmanın geliştirilmesinde dış katkı ve şeffaflık eksikliğini eleştiriyor.
- Operatörler, yeni sistemi entegre etmekte ve çıktılarını anlamakta zorluk yaşayabilir.
- Daha fazla diyalog ve açıklık çağrıları, iş birliğine dayalı düzenleme ihtiyacını ortaya koyuyor.