AI로 손실 고객 찾는 드래프트킹스, 도박 광고의 경계

드래프트킹스(DraftKings)가 손실을 보는 고객의 베팅 기록을 AI로 분석해 이들에게 도박 프로모션을 보내고 있다고 전자프런티어재단(Electronic Frontier Foundation·EFF)이 비판했다. 이미 돈을 잃는 이용자를 다시 베팅하게 만들 수 있다는 점에서, 이는 광고 효율만의 문제가 아니다. EFF는 이 사례를 행동 맞춤형 광고가 취약한 사람의 행동을 수익으로 연결하는 방식으로 보고, AI 활용 여부와 관계없이 그런 광고 자체를 금지해야 한다고 주장한다.

핵심 요약

  • EFF는 드래프트킹스가 고객의 베팅 기록으로 손실을 본 이용자를 찾고 재방문을 유도하는 광고를 보낸다고 지적하며, 취약한 사람을 겨냥한 광고의 위험을 제기했다.
  • 드래프트킹스가 이용자에게서 직접 모은 정보만으로 광고 대상을 고르는 것으로 보인다는 점은 제3자 데이터 거래를 제한하는 조치만으로는 이 방식을 막기 어렵다는 뜻이다.
  • EFF는 AI가 대량의 데이터를 빠르게 처리하고 모델에 쓸 정보를 계속 모으도록 유도해, 기존 행동 맞춤형 광고의 해악을 키운다고 본다.
  • 광고를 위해 모인 정보가 보험사·은행·수사기관에도 흘러가는 광고업계의 구조는 도박 광고를 넘어 개인정보 문제로 이어진다.
  • 해커뉴스 토론에서는 도박 산업의 오래된 고객 유지 전략이라는 지적과 함께, 베팅 앱의 접근성·광고 노출·규제 범위를 둘러싼 우려가 나왔다.

베팅 기록으로 ‘질 고객’ 찾기

EFF가 문제 삼은 출발점은 드래프트킹스의 고객 베팅 기록이다. EFF가 인용한 뉴욕타임스(New York Times) 보도에 따르면, 드래프트킹스는 이 기록으로 머신러닝 모델(데이터에서 패턴을 학습하는 프로그램)을 훈련해 손실을 보는 이용자를 찾는다. 그런 다음 이들에게 사이트로 돌아와 다시 베팅하도록 유도하는 광고를 보낸다. EFF는 회사가 이들의 다음 베팅 역시 손실로 이어질 가능성이 높다고 판단하는 상황에 주목했다.

여기서 광고 대상은 단순히 스포츠에 관심을 보인 사람이 아니다. 이미 서비스를 이용했고, 그 결과에 관한 기록도 회사에 남아 있는 고객이다. 행동 맞춤형 광고(수집한 이용자 정보에 따라 광고 내용을 달리하는 방식)는 원래 이런 정보를 토대로 작동하지만, 베팅 기록을 활용하면 광고가 고객의 실제 손익과 맞물린다. EFF가 이 사례를 일반적인 관심사 광고보다 심각하게 보는 이유다.

EFF는 드래프트킹스에 손실을 본 이용자를 계속 돌아오게 할 사업상 유인이 있다고 설명한다. 회사에 돈을 가져다주는 고객이 그들이기 때문이다. 이 설명의 초점은 AI가 광고 문구를 얼마나 그럴듯하게 만드는지가 아니다. 누구에게 다시 베팅하라는 메시지를 보낼지 고르는 기준 자체가 문제라는 주장이다.

손실 고객과 문제성 도박의 경계

EFF는 이 모델의 표적에 ‘문제성 도박’을 하는 사람이 포함될 가능성이 높다고 우려한다. 문제성 도박은 자신이나 재정, 인간관계에 해가 생기는데도 도박을 반복하는 상태를 뜻한다. 손실을 보는 모든 고객이 여기에 해당하는 것은 아니다. 다만 손실 고객을 찾아 재방문을 유도하는 방식은 특히 그만두기 어려운 사람에게도 광고가 닿을 수 있다는 것이 EFF의 지적이다.

그런 이용자에게 프로모션은 위험을 줄이라는 신호가 아니라 한 번 더 베팅하라는 권유가 된다. EFF는 드래프트킹스가 취약성을 완화하는 대신 이를 수익에 활용한다고 비판한다. 같은 할인이나 혜택도 받는 사람의 상황에 따라 효과가 다르다. 도박으로 이미 해를 입고 있는 사람을 가려낼 수 있는 기업이 그 정보를 재방문 유도에 쓴다는 점이 핵심이다.

이 문제를 광고를 본 이용자 개인의 선택으로만 좁히기도 어렵다. 회사는 이용자보다 훨씬 많은 베팅 기록을 한곳에서 살펴보고, 그 기록으로 광고 대상을 분류한다. 이용자는 자신이 어떤 기준으로 재방문 권유를 받았는지 알기 어렵다. EFF의 비판은 바로 이 정보 격차와 손실을 본 이용자를 붙잡으려는 사업상 유인이 만나는 지점에 놓여 있다.

AI가 키우는 데이터 수집 유인

EFF는 약탈적인 행동 맞춤형 광고가 AI와 함께 처음 등장한 것은 아니라고 선을 긋는다. 기업이 이용자 행동을 추적하고, 그 결과에 맞춰 광고를 보여주는 방식은 이미 존재했다. AI가 바꾸는 것은 그 과정에서 다룰 수 있는 데이터의 양과 처리 속도다. EFF는 이 변화가 기존 광고 방식의 해악을 더 크게 만든다고 본다.

행동 맞춤형 광고에는 광고 대상을 나눌 정보가 필요하므로, 광고 시스템 자체가 방대한 데이터 수집을 부추긴다는 것이 EFF의 설명이다. 모델을 훈련하고 개선하는 AI까지 더해지면 더 많은 정보를 모을 유인이 생긴다. EFF는 모델을 만드는 사람도 어떤 데이터가 특히 유용할지 미리 예측하기 어려운 경우가 많다고 말한다. 그 불확실성이 필요한 정보만 가려 모으기보다 계속 수집하는 쪽으로 기업을 이끌 수 있다는 것이다.

AI는 모인 정보를 처리하는 속도도 높인다. 과거보다 큰 데이터 묶음에서 광고에 쓸 패턴을 찾고, 그 결과를 대상 선정에 활용할 수 있다. EFF의 우려는 AI가 전혀 새로운 해악을 발명했다는 뜻이 아니다. 이미 이용자 행동을 수익으로 연결하던 광고 체계가 더 많은 정보를 더 빠르게 활용하게 된다는 데 있다.

광고 정보가 감시 데이터가 될 때

EFF는 행동 맞춤형 광고의 문제를 광고를 받는 순간에서 끝내지 않는다. 광고를 정교하게 배치하려고 수집한 정보가 감시 산업에도 필요한 데이터를 제공한다고 지적한다. EFF에 따르면 광고 표적화용으로 모은 데이터는 보험사와 은행, 미국의 주·연방 수사기관에도 판매된다. 그 기관의 예로 미국 세관국경보호국(CBP)을 들었다.

미국 이민세관단속국(ICE)도 광고업계 데이터에 관심을 보였다고 EFF는 설명한다. EFF가 언급한 정보요청서에서 ICE는 상업용 빅데이터 및 광고 기술 업체가 조사 활동을 어떻게 직접 지원할 수 있는지 알고자 했다. 광고를 보여주려고 쌓은 정보가 원래 이용자가 마주한 서비스 밖에서도 가치를 갖는다는 점을 보여주는 대목이다.

다만 광고업계 전반의 데이터 거래와 드래프트킹스가 이번 광고 대상을 고른 방식은 구분해야 한다. EFF는 드래프트킹스가 제3자에게서 추가 데이터를 사들이기보다 이용자에게서 직접 모은 정보만 쓰는 것으로 보인다고 설명한다. 보험사나 수사기관에 관한 지적은 광고 데이터가 유통되는 더 넓은 구조를 가리킨다. 드래프트킹스 사례에서는 외부 데이터 없이도 손실을 본 이용자를 겨냥할 수 있다는 점이 별도의 문제로 떠오른다.

제3자 거래만 막아서는 부족하다

퍼스트파티 데이터(기업이 이용자에게서 직접 수집한 정보)만으로도 정교한 표적 광고가 가능하다는 점은 규제의 범위를 바꿔 놓는다. 제3자에게 정보를 팔거나 외부에서 사오는 행위를 제한해도, 서비스를 운영하는 회사가 직접 쌓은 베팅 기록은 남는다. 드래프트킹스가 그 기록으로 손실을 본 이용자를 찾는다는 EFF의 설명은 데이터 거래를 막는 것과 데이터 활용을 막는 것이 서로 다른 문제임을 보여준다.

그래서 EFF의 제안은 AI 사용만 제한하거나 제3자 정보 공유만 막는 데 그치지 않는다. EFF는 모든 행동 맞춤형 광고를 금지해야 한다고 주장한다. 개인별 광고를 보낼 수 없게 하면 그 광고를 구동할 행동 데이터를 모으려는 유인도 줄어든다는 논리다. 드래프트킹스의 도박 프로모션은 이 주장을 설명하는 구체적인 사례로 제시됐다.

이 입장은 손실 고객만 광고 대상에서 빼는 접근보다 넓다. EFF는 AI 모델이 없더라도 이용자 행동을 토대로 광고를 개인화하는 체계 자체에 반대해 왔다. 이번 사례에서 AI는 그 체계가 취약한 사람을 찾아내는 능력을 강화하는 수단이다. 무엇을 금지할 것인가라는 질문도 따라서 특정 모델을 넘어 광고 방식 전체로 향한다.

이용자 방어와 광고 구조의 거리

EFF는 이용자가 당장 자신의 정보를 지키는 방법으로 ‘감시로부터 자기방어’ 프로젝트와 모바일 앱·웹사이트 이용 관련 안내를 제시한다. 어떤 정보를 내주는지 살피는 일은 개인이 취할 수 있는 대응이다. 하지만 드래프트킹스 사례에서 문제의 베팅 기록은 이용자가 서비스 안에서 활동하며 만들어진다. 광고에 활용되는 정보가 서비스 이용 자체에서 생긴다는 점이 이 사례의 어려움이다.

EFF가 개인의 정보 보호 방법을 안내하면서도 광고 금지를 요구하는 이유가 여기에 있다. 이용자가 설정을 바꾸거나 정보를 덜 제공하려 애쓰는 것과, 기업이 이미 보유한 행동 기록으로 누구에게 광고할지 결정하는 것은 다른 층위의 문제다. 손실을 본 이용자를 찾아 다시 베팅하게 만드는 목적이 유지되는 한, AI 모델의 성능만 따져서는 EFF가 제기한 우려에 답하기 어렵다.

드래프트킹스 사례는 광고가 누구에게 보이는지뿐 아니라 왜 그 사람에게 보이는지를 묻게 한다. 손실 기록이 재방문 권유의 근거가 된다면, 광고의 성공과 이용자의 손해가 같은 방향으로 움직일 수 있다. EFF는 이를 AI가 진화시킨 광고 기술의 한 장면이자, 기업이 이용자 데이터를 이용자에게 불리하게 쓸 수 있음을 보여주는 사례로 본다.

커뮤니티 의견

한 사용자는 프로퍼블리카(ProPublica)가 도박 중독 전문가들과 함께 문제성 도박의 징후를 보이는 사람에게 드래프트킹스가 어떻게 대응하는지 살핀 보도를 거론했다. 그는 그 보도가 회사의 윤리 의식을 의심하게 만든다고 평가했다. 답글에서는 이를 특정 회사만의 문제가 아니라 중독성과 해악이 있는 상품을 파는 사업 전반의 문제로 보는 의견이 나왔다.

다른 사용자는 카지노 업계에 비슷한 고객 유지 전략이 오래전부터 있었다고 했다. 그는 시저스 엔터테인먼트(Caesar’s Entertainment)가 가치 높은 고객을 찾아 떠날 때를 예측하고, 혜택으로 붙잡는 모델을 자신의 데이터 과학 수업에서 다뤘다고 설명했다. 이에 대한 답글은 EFF의 요지가 기업의 행동에 놀라는 것이 아니라, 그런 행동을 허용해서는 안 된다는 데 있다고 짚었다.

위험한 투자 상품과 도박의 접근성을 비교하는 의견도 있었다. 한 사용자는 특정 투자 상품에는 투자자 자격 요건이 있지만 스포츠 베팅과 예측 시장에는 남은 돈을 잃을 수 있는 사람도 쉽게 참여한다고 비판했다. 답글은 투자 지식 확인 역시 자기신고에 그치는 경우가 있다며, 두 영역의 보호 장치를 단순히 대비하기는 어렵다고 덧붙였다.

한 사용자는 도박 문제가 휴대전화에 늘 함께 있다는 점이 두렵다고 했다. 중독으로 어려움을 겪는 사람에게 그 대상을 하루 종일 지니고 다니는 상황과 비슷하다는 설명이다. 답글에서는 TV와 옥외 광고 등에서도 도박을 접하게 된다는 지적이 나왔고, 또 다른 답글은 사람마다 취약한 중독 대상이 다르다는 경험을 보탰다.

주 복권 사업과 일한 경험을 꺼낸 사용자도 있었다. 그는 매일 복권을 사는 고객을 중시하는 방식이 도덕적으로 잘못됐다고 느껴 일을 그만뒀으며, 베팅 앱은 이를 더 밀어붙인 형태라고 봤다. 답글에서는 그렇다면 복권도 금지해야 한다는 주장과, 비교적 최근 등장한 온라인 베팅 앱을 금지하지 못할 이유가 없다는 반론이 함께 나왔다.

수익이 어디서 나오는지에 주목한 사용자는 손실 고객을 겨냥한다는 대목이 예상 밖이었다고 했다. 그는 베팅 사이트가 다른 이용자의 베팅에서 수수료를 받는 구조라고 생각했지만, 스포츠 베팅은 다를 수 있다고 짚었다. 근거로 코네티컷의 2024년 연구를 인용하며, 문제성 도박 이용자 1.8%가 스포츠 베팅 매출의 51%를 차지한다는 수치를 제시했다.

광고 노출 자체를 문제 삼는 의견도 있었다. 한 사용자는 유튜브에서 드래프트킹스와 예측 시장 서비스인 폴리마켓(Polymarket), 칼시(Kalshi)의 광고를 자주 본다고 했다. 그는 유명인과 인플루언서(온라인에서 영향력을 가진 콘텐츠 제작자)를 앞세운 홍보에 더해, 대가를 밝히지 않은 채 거래와 수익을 이야기하는 방식도 문제라고 주장했다.

살펴볼 점

이 사례의 핵심은 AI가 광고를 더 많이 보여준다는 데 있지 않다. 베팅에서 손실을 본 기록이 다시 베팅하라는 광고의 근거가 될 때, 기업이 아는 고객의 취약성이 고객에게 불리한 방향으로 쓰일 수 있다는 점이다. 토론에서 나온 카지노·복권의 오래된 고객 유지 방식은 문제가 AI 이전부터 있었음을 보여준다. 앞으로는 제3자 데이터 거래만이 아니라 기업이 직접 모은 행동 정보를 광고에 어떻게 쓰는지, 그 광고가 위험에 놓인 이용자에게 닿는지를 함께 봐야 한다.


원본: DraftKings Is Using AI to Supercharge the Harms of Online Behavioral Advertising

토론: Hacker News