DraftKings používá strojové učení k vyhledávání zákazníků, u nichž je vysoká pravděpodobnost dalších proher, a těm pak posílá cílené nabídky k návratu na platformu. Model pracuje s historií sázek a má identifikovat hráče, kteří reagují na hazardní propagaci i ve chvíli, kdy jim hraní škodí. Případ ukazuje riziko, že personalizace založená na vlastních datech uživatelů nebude sloužit k ochraně problémových hráčů, ale k jejich dalšímu zapojení. Systémy umělé inteligence zároveň umožňují zpracovat více behaviorálních dat a hledat jemnější vzorce než běžné reklamní segmenty. Debata se proto posouvá od pravidel pro sdílení dat k otázce, zda má být prediktivní cílení hazardních reklam vůbec dovoleno.
