De la publicidad exagerada a la rendición de cuentas: la nueva frontera del cumplimiento normativo de la IA
A medida que la inteligencia artificial se integra en las operaciones, los reguladores miran más allá de la promesa y se centran en el proceso.
David Yatom Hay, asesor general de Soft2Bet, sostiene que la explicabilidad, la preparación para auditorías y la supervisión humana (no solo la ambición tecnológica) definirán el próximo capítulo del cumplimiento del iGaming.
Recientemente participé en un seminario web de VIXIO que ofrecía una mirada al futuro de cómo podría ser el cumplimiento de los juegos de azar en línea en 2026, con un fuerte enfoque en el juego responsable, la innovación y el papel creciente de la IA.
Como asesor general de Soft2Bet, Veo que estos temas influyen en la creación de productos, la atención al jugador y la resiliencia de las empresas ante las constantes modificaciones de las expectativas. Fue una jornada productiva, y espero que los equipos sigan retomando las conclusiones a continuación a lo largo de 2026.
La IA debe resistir el escrutinio
Cualquier sistema de IA utilizado para la elaboración de perfiles, la toma de decisiones o la gestión de riesgos debe producir resultados que puedan explicarse de forma clara y sencilla. Es necesario tener claro para qué está diseñado el sistema, por qué existe, en qué datos se basa y qué lugar ocupa el criterio humano en el proceso cuando se cuestionan los resultados.
La IA debe desarrollarse con la expectativa de que pueda auditarse en cualquier momento. Esto significa que es necesario rastrear los datos y las versiones del modelo, registrar los límites y las reglas utilizadas en la toma de decisiones y mantener documentación fácil de consultar.
Si el sistema detecta a un jugador o activa una intervención, debes poder explicar el motivo. Igualmente importante, necesitas medidas de seguridad que mantengan el sistema anclado en su propósito declarado, para que no se desvíe hacia nada que parezca una intervención agresiva con otro nombre.
El control viene antes que la capacidad
Antes de entusiasmarse con los modelos, los equipos necesitan tener una visión clara de qué IA se utiliza realmente en la empresa. Un inventario de IA parece básico, pero suele ser la forma más rápida de detectar riesgos, especialmente cuando los empleados ya están familiarizados con estas herramientas.
A partir de allí, la medida sensata es clasificar los casos de uso por riesgo y revisar esa clasificación cuando el uso cambia, porque una herramienta que parece inofensiva para el draft puede volverse sensible en el momento en que toca la toma de decisiones o el análisis relacionado con los jugadores.
La propiedad debe ser igualmente clara. La IA abarca el producto, la ingeniería, los datos, la privacidad, la seguridad, el ámbito legal y el cumplimiento normativo, por lo que la supervisión requiere un proceso sencillo de toma de decisiones y escalamiento.
La alfabetización en IA es más eficaz cuando se integra en los flujos de trabajo diarios, incluidas las adquisiciones, donde las verificaciones de IA se combinan con las verificaciones de privacidad y seguridad, respaldadas por políticas que protegen la información confidencial cuando se utilizan herramientas externas.
El verdadero trabajo comienza después del lanzamiento.
Los sistemas de IA suelen funcionar mejor en su primera implementación, ya que los datos son familiares, los parámetros de referencia son recientes y la aplicación se ajusta estrechamente al diseño original. El riesgo suele manifestarse más adelante, una vez que el modelo se integra en los flujos de trabajo cotidianos y la empresa empieza a tratarlo como algo habitual.
Es entonces cuando los falsos positivos pueden acumularse discretamente, desencadenando intervenciones que parecen justificadas por sí solas, pero que con el tiempo resultan en un resultado erróneo. La deriva añade otra capa, porque tanto los datos como el comportamiento cambian, y los umbrales de ayer pueden convertirse en los puntos ciegos de hoy.
Lo que distingue a los equipos maduros es la disciplina en cuanto a los pasos a seguir. La supervisión del rendimiento, la gestión de incidentes y los registros de auditoría deben mantenerse intactos mucho después de la implementación, con una responsabilidad clara para investigar anomalías y realizar ajustes seguros.
En 2026, la confianza dependerá menos de si un modelo de IA se ve bien en una demostración y más de la seguridad con la que se puede gestionarlo cuando falla en el mundo real.
RG todavía necesita humanos en el circuito
Si se utiliza correctamente, la IA puede ayudar a los equipos de juego responsable a lograr algo de lo que rara vez se cansan: priorizar. Puede detectar patrones a gran escala y señalar dónde se necesita atención, pero no creo que la IA deba ser la voz que tome la decisión final.
En el momento en que confías únicamente en un modelo de IA, corres el riesgo de convertir una cuestión humana y delicada en un resultado automatizado que es difícil de defender y aún más difícil de acertar de manera constante.
También hay una razón práctica para ello. Si se dirige la IA a una base de datos de jugadores sin umbrales ni contexto precisos, encontrará "riesgo" prácticamente en todas partes. Mencioné en el seminario web que se pueden obtener resultados que etiqueten eficazmente el 50% o el 60% de una base de datos como de alto riesgo potencial.
Ese no es un resultado viable para ninguna empresa y no se traduce en una atención significativa a los jugadores, ya que ningún equipo puede intervenir a esa escala con la sutileza que requiere. El enfoque en el que confío es usar la IA para crear categorías sensatas y detectar señales, y luego confiar en que los humanos revisen, apliquen su criterio y decidan intervenciones proporcionadas.
La protección de datos también debe ir de la mano con este trabajo, porque los modelos de juego responsable pueden involucrar grandes volúmenes de indicadores financieros y de comportamiento que, una vez recopilados y utilizados, conllevan obligaciones a largo plazo.
El producto tiene que hacer más trabajo
En el sector del iGaming, las herramientas que antes facilitaban la adquisición se están reduciendo. El marketing, el patrocinio y las promociones están adquiriendo mayor relevancia, y esto cambia cuando la innovación aporta el mayor valor. Las marcas que se mantengan sólidas serán las que consigan fidelizar a sus jugadores a través de la experiencia, en lugar de depender de incentivos constantes para fidelizarlos.
En Soft2Bet, nos hemos centrado en la innovación de productos centrada en la retención, incluyendo una función de gamificación que abarca las capas de casino y apuestas deportivas. El objetivo es crear un entorno donde los jugadores regresen porque la experiencia es agradable y gratificante por sí misma.
En la práctica, esto también puede contribuir a patrones de juego más saludables, ya que el compromiso se distribuye en el tiempo en lugar de estar impulsado por ráfagas cortas y con muchos incentivos.
La IA puede complementar esto con una personalización más inteligente, pero la disciplina reside en la intención. Si un sistema está diseñado para identificar comportamientos potencialmente dañinos, su propósito debe ser transparente. Debe apoyar la atención al jugador, no caer en tácticas que aumenten la intensidad bajo una etiqueta diferente.
Las expectativas de los proveedores están evolucionando
El mercado está cambiando rápidamente, lo que conlleva un enfoque de supervisión más estructurado. Para los proveedores, el énfasis se centra en la visibilidad, en saber dónde aparece el contenido, en detectar problemas con antelación y en tener una ruta clara para escalar y dar seguimiento cuando algo no parece correcto.
En términos cotidianos, eso puede significar auditorías más profundas, solicitudes de información más detalladas y un enfoque más preciso en las prácticas de monitoreo.
Una comparación resultó particularmente relevante. La lucha contra el lavado de dinero evolucionó hacia un proceso estructurado con un ritmo claro de prevención, detección, monitoreo y reporte. Un ritmo similar está comenzando a tomar forma aquí, con mayor énfasis en procesos escalables y repetibles en lugar de depender de soluciones puntuales cuando se detecta algo.
Lo más importante es que este trabajo comienza mucho antes del lanzamiento. Depende de un seguimiento más riguroso y una mejor visibilidad por diseño, así como de juegos y plataformas que puedan escalar en distintos mercados a medida que los requisitos se vuelven más complejos con el tiempo.
