AI e antifrode nel betting: come si protegge un conto giocatore.

Un conto giocatore non è una riga di tabella

In Italia il conto di gioco è un oggetto regolato: il D.Lgs. 231/2007 dedica un titolo specifico agli operatori di gioco e lo definisce come il conto intestato al cliente su cui vengono registrate giocate, ricariche e prelievi.

Il dettaglio giuridico ha una conseguenza pratica enorme. Un reparto antifrode non guarda transazioni isolate: guarda una relazione che dura nel tempo, fatta di accessi, dispositivi, metodi di pagamento e comportamenti che cambiano lungo tutta la vita del conto.

È qui che i controlli manuali si arrendono, perché il gioco online mette insieme condizioni che nessun altro settore ha tutte contemporaneamente:

• il cliente non si presenta mai di persona;
• la piattaforma è aperta ventiquattro ore su ventiquattro;
• i volumi sono altissimi e le decisioni vanno prese in pochi secondi;
• i flussi attraversano più Paesi e si intrecciano con la moneta elettronica;
• ogni controllo in più rischia di far abbandonare un cliente onesto.

Le cinque tecniche che si usano davvero

Non esiste un unico modello che fa tutto. Un sistema maturo combina cinque approcci, ciascuno buono per un problema diverso.

Cosa serve, e a cosa serve

• Apprendimento supervisionato: impara dagli schemi già visti e catalogati, come l’abuso di bonus o il furto di credenziali. È il più preciso, ma solo su ciò che è già successo.
• Rilevamento delle anomalie: non ha bisogno di esempi etichettati e serve a scoprire comportamenti nuovi, tipo un conto silenzioso che di colpo comincia a depositare e prelevare.
• Apprendimento attivo: gli analisti confermano o smentiscono gli allarmi, e il sistema impara da quelle correzioni. È realistico proprio perché le etichette arrivano tardi e sono poche.
• Analisi a grafo: mette in relazione conti, dispositivi e strumenti di pagamento per far emergere i gruppi coordinati.
• Analisi del testo: lavora sulle note degli analisti, sulle segnalazioni e sui documenti, per raggruppare casi simili e aiutare a scriverli.

Il conto giocatore è una rete, non un record

Di tutte e cinque, l’analisi a grafo è quella che cambia di più il lavoro quotidiano. Il motivo è semplice: chi froda quasi mai agisce da solo con un account isolato.

Condivide dispositivi, indirizzi IP, email di recupero, carte, wallet, documenti, a volte lo stesso domicilio o le stesse fasce orarie. Guardando un conto alla volta questi legami non si vedono. Rappresentandoli come una rete diventano evidenti, e con essi i gruppi organizzati e il multi-accounting.

Più il sistema riesce a modellare la rete fatta di conti, identità, dispositivi e pagamenti, più aumenta la probabilità di intercettare le frodi coordinate.

Come è fatta l’architettura: tempo reale e analisi differita

Le architetture che funzionano tengono insieme due velocità diverse, perché non tutte le decisioni hanno la stessa urgenza.

In tempo reale si valutano i momenti in cui la risposta deve arrivare in millisecondi: registrazione, accesso, deposito, richiesta di bonus, scommessa anomala, prelievo. In differita si fanno le analisi pesanti — ricerca di gruppi nella rete, ricalcolo degli storici, addestramento dei modelli — che possono richiedere minuti senza che nessuno se ne accorga.

I segnali utili si raggruppano in cinque famiglie: qualità dell’identità raccolta all’iscrizione, comportamento nel tempo, relazioni con altri conti, coerenza geografica, e conformità rispetto agli obblighi antiriciclaggio.

Sette regole per impostare il reparto

Dalle esperienze pubbliche degli operatori emergono sette principi che si ripetono con una certa costanza.

Cosa fare, in ordine di importanza

• Costruire una vista unica del conto: identità, dispositivi, pagamenti, eventi e relazioni in un solo posto.
• Separare i punteggi per obiettivo. Un unico punteggio “rischio frode” è quasi sempre un errore di progettazione.
• Usare il tempo reale dove serve e l’analisi differita dove conviene, invece di pagare il costo massimo su ogni evento.
• Chiudere il cerchio: gli analisti devono poter correggere gli errori del sistema, altrimenti il modello non impara e si torna alle regole statiche.
• Tenere una persona nel processo sulle decisioni pesanti — chiusura del conto, blocco del prelievo, segnalazione — e pretendere una spiegazione leggibile del perché.
• Raccogliere solo i dati che servono davvero, ognuno con una finalità dichiarata e un tempo di conservazione.
• Misurare il risultato guardando insieme perdite evitate, ore di lavoro, bonus dispersi e clienti onesti che completano la registrazione.

Come si capisce se sta funzionando

Un progetto antifrode va considerato riuscito se, nello stesso trimestre, intercetta più frodi, riduce le ore degli analisti, contiene la dispersione dei bonus e non peggiora la percentuale di clienti legittimi che arrivano in fondo alla registrazione.

Se manca uno di questi quattro elementi il sistema può essere eccellente in laboratorio e mediocre per l’azienda. Bloccare più frodi allontanando i giocatori onesti non è un guadagno: è uno spostamento del costo da una voce a un’altra.

È lo stesso principio che applico progettando agenti e automazioni AI per altri settori: l’automazione ha valore quando toglie lavoro ripetitivo e lascia la decisione a chi se ne assume la responsabilità.