EFF 报告：DraftKings 利用 AI 对长期赌徒进行行为定向

电子前沿基金会（EFF）在 2026 年 9 月 24 日发布的文章中指控，在线体育博彩公司 DraftKings 正在使用 AI 定向那些最可能下注亏损、并对赌博促销作出反应的客户。EFF 将这种定向归入“在线行为广告”范畴，即企业依据其收集的用户数据来个性化展示广告。

据 EFF 转述《纽约时报》的说法，DraftKings 使用客户的赌博记录训练机器学习模型来识别亏损赌客；一旦识别出来，就向这些客户发送定向广告，诱导他们回到网站下更多注——而 DraftKings 认为这些注大概率会输。EFF 进一步指出，DraftKings 有商业动机让亏损赌客持续回流，因为这些用户才是真正为其带来收入的人。

EFF 还推断，被认定为“问题赌徒”的人群——即反复赌博、尽管已对自己、财务和人际关系造成伤害的人——极可能成为该模型定向的对象。在 EFF 的叙述中，DraftKings 通过旨在把这些人留在平台上的定向促销重新激活他们，是在利用其脆弱性牟利，而非降低其风险。

EFF 承认掠夺性的在线行为广告并非新事物，但认为企业用 AI 处理数据、定向客户，放大了其危害。其逻辑链条是：在线行为广告本身激励企业收集海量数据来支撑广告技术；引入 AI 后，需要收集更多数据来训练和优化模型。

EFF 给出的一个关键理由是 AI 的“黑箱”属性：构建模型的人很难预测哪些数据点对 AI 最有用，这推动企业持续收集更多数据。同时，AI 让企业能以快得多的速度处理庞大数据集，从而“放大”在线行为广告的危害。

需要说明的是，上述因果判断属于 EFF 的论述与推断，来源中并未提供量化证据来证明 AI 在多大程度上放大了危害。

EFF 把 DraftKings 的案例放进一个更大的数据链条中。它称，为定向投放广告而收集的数据正被出售给保险公司、银行，以及包括 CBP（美国海关与边境保护局）在内的州和联邦执法机构。

EFF 还称，ICE（美国移民和海关执法局）也在关注支撑广告技术的数据：今年早些时候，ICE 发布了一份信息征询书，寻求了解商业大数据与广告技术提供商如何直接支持调查活动。

不过，来源没有说明 ICE 这份信息征询书的具体发布日期或文号，也没有说明广告数据被出售给保险公司、银行及执法机构的具体范围与规模，ICE 征询书与广告技术数据之间的实际关联程度同样不清楚。

EFF 称，DraftKings 似乎仅使用“第一方数据”来定向广告，即只用其直接从用户处收集的数据，并未从第三方购买额外数据来训练其机器学习模型。EFF 用“似乎”一词，表明这一判断本身带有不确定性。

EFF 由此推出一个政策结论：仅限制第三方数据共享和出售的监管方案，不足以阻止这类掠夺性广告。其言下之意是，即便切断了第三方数据来源，企业仍可依靠自己掌握的第一方数据实施同样的定向。

这一推断是理解 EFF 主张的关键：它把争论从“数据从哪来”转向“行为广告本身是否应被允许”。

基于上述论述，EFF 主张应全面禁止在线行为广告。它认为，仅限制第三方数据共享和出售不足以阻止此类掠夺性广告，政策制定者必须禁止在线行为广告。

EFF 的逻辑是：如果企业不能发送个性化广告，它们收集支撑这些广告的行为数据的动力就会减少。EFF 称，DraftKings 用 AI 定向亏损赌客只是在线行为广告对真实的人造成真实伤害的一个例子。

来源没有提供实证支持来证明全面禁止在线行为广告能否有效阻止此类行为，这一主张目前仍停留在 EFF 的政策立场层面。

本文所有关于 DraftKings 行为的实质指控，均来自 EFF 转述《纽约时报》的二手信息。来源中未见 DraftKings 的回应，也没有第一方证据。EFF 明确表示，其关于 DraftKings 用客户下注记录训练机器学习模型以找出亏损赌客的说法来自《纽约时报》。

来源中未提供任何具体数字，例如被定向用户数量、模型准确率、收入影响或时间跨度；也未说明该机器学习模型的技术细节、训练数据规模或部署时间。此外，来源未提供《纽约时报》原文的标题、日期或链接，无法核验其原始报道。

因此，DraftKings 是否确实使用 AI 定向亏损赌客，目前仅有 EFF 转述《纽约时报》的说法，缺乏独立核实；“问题赌徒”被该模型定向的程度是 EFF 的推断，来源未给出量化证据；DraftKings 是否仅使用第一方数据，EFF 的表述为“似乎”，同样存在不确定性。