
Un sistema que reconoce patrones de riesgo mediante historiales reales avanza en su proceso de regulación en España. La Dirección General de Ordenación del Juego (DGOJ) abrió en octubre de 2026 un segundo trámite de participación pública para definir un mecanismo común de detección. La novedad tecnológica no radica en predecir resultados de juegos, sino en clasificar señales de comportamiento que podrían requerir medidas de protección.
Un modelo supervisado necesita ejemplos fiables
El mecanismo parte del aprendizaje supervisado, una técnica que entrena algoritmos con datos previamente etiquetados con categorías conocidas. En abril, la DGOJ explicó que había utilizado información real, cedida por más de 500 personas, para identificar patrones vinculados a comportamientos de riesgo. A diferencia de las reglas fijas, el modelo busca combinaciones de señales que podrían pasar desapercibidas al examinar una variable de forma aislada.
El diseño presentado examina los seis meses anteriores de actividad y plantea evaluaciones mensuales. El sistema no debería interpretarse como una herramienta de diagnóstico clínico automático: producir una clasificación estadística no equivale a establecer una condición médica. Para valorar su utilidad hay que examinar también la procedencia de los datos de entrenamiento, la representatividad de los casos y la estabilidad del rendimiento al aplicarlo a nuevos historiales.
Del registro de movimientos a una alerta interpretable
La parte más compleja del proyecto no siempre es elegir el algoritmo, sino definir las variables. Los registros transaccionales y temporales deben transformarse en indicadores comparables, evitando duplicidades. En un servicio de casino online, la actividad puede generar secuencias de operaciones y sesiones; por sí sola, ninguna observación permite concluir que existe un problema. La utilidad se evidencia al evaluar su evolución y sus relaciones a lo largo de un periodo suficientemente amplio.
Un segundo reto consiste en distinguir una señal genuina de una mera coincidencia. Los modelos de clasificación pueden producir falsos positivos, que señalan casos sin riesgo real, y falsos negativos, que dejan sin detectar casos reales. Por eso, conviene analizar métricas como la precisión, la exhaustividad y la calibración, además de la exactitud global. Un resultado aparentemente elevado podría ocultar fallos si la categoría de riesgo es poco frecuente en los datos evaluados.
Analizar conductas no significa predecir el azar
La frontera entre ambas tareas resulta especialmente clara en la ruleta. Un historial documenta lo que ocurrió en una mesa, pero no permite anticipar el siguiente giro cuando cada resultado es independiente. En cambio, una secuencia de actividad registrada durante meses sí puede contener información sobre los hábitos de una persona. La diferencia radica en el objetivo estadístico: el proyecto regulatorio busca identificar comportamientos, no descubrir patrones ganadores en resultados aleatorios.
También sería incorrecto asumir que toda correlación implica causalidad. Si una variable cambia al mismo tiempo que una clasificación de riesgo, eso no demuestra por sí solo que la primera cause la segunda. La validación temporal y las pruebas con registros ajenos al entrenamiento son esenciales. Sin ellas, el modelo podría aprender particularidades del conjunto inicial que desaparezcan al aplicarlo en condiciones reales.
La validación importa tanto como la propuesta
El proyecto de resolución se sometió a participación pública el 13 de octubre, con un plazo ampliado hasta el 26 del mismo mes. A mediados de noviembre, esa fase no debía confundirse con una implantación definitiva ya acreditada. La DGOJ pretende homogeneizar criterios que hasta ahora podían variar entre operadores, a fin de facilitar la aplicación de las medidas de protección previstas en la normativa cuando se detecten comportamientos de riesgo.
Después habrá que comprobar cómo funciona el mecanismo. Cambios en los datos, sesgos de muestreo y errores de clasificación pueden modificar sus resultados y requieren supervisión. También deben protegerse los datos personales y explicar quién puede intervenir ante una alerta. La principal aportación de la inteligencia artificial, en este caso, no será automatizar una conclusión incuestionable, sino ofrecer evidencias evaluables para adoptar decisiones más consistentes.
Contenido patrocinado por Betfair, operador con licencia de la DGOJ. Prohibido a menores de 18 años. Juega con responsabilidad: jugarbien.es
