Inteligência artificial no iGaming: chatbots entraram primeiro, modelos de KYC ainda são raros

Malta perguntou às suas licenciadas quais sistemas de IA elas realmente usam, e a resposta lembra pouco uma apresentação de fornecedor.

Em 18 de setembro de 2026, a Malta Gaming Authority (MGA) publicou a AI Gaming Charter, elaborada com a Malta Digital Innovation Authority (MDIA). Antes de definir qualquer princípio, o documento de 48 páginas relata um estudo. Ele reúne uma pesquisa enviada a todas as licenciadas da MGA e entrevistas aprofundadas com um grupo selecionado.

A própria MGA chama as respostas de “um subconjunto limitado do setor”, então os resultados são indicativos. Mesmo assim, eles oferecem uma visão rara, em nível regulatório, da inteligência artificial no iGaming. Os casos de uso aparecem ordenados por quanto cada um já avançou além da fase piloto.

O retrato é desigual. A IA opera sobretudo em análise de dados, operações e atendimento ao cliente. Já as decisões voltadas ao jogador, como onboarding, pagamentos e odds, seguem em grande parte fora dela. A governança fica atrás até da adoção que existe, e a Charter agora avalia cada sistema pela proximidade em relação ao jogador.

Como é a inteligência artificial no iGaming hoje

A Charter agrupa os casos de uso pela frequência com que os respondentes relataram sistemas totalmente implantados ou trabalhos além da prova de conceito. Assim, surgem três níveis de adoção.

Análise de dados, operações e chatbots de suporte

Otimização operacional, análise de dados e chatbots de atendimento são os casos de uso mais maduros da Charter. Nas entrevistas, as licenciadas descreveram help desks automatizados, precificação dinâmica, manutenção preditiva e automação de tarefas repetitivas. Nenhum desses sistemas decide algo sobre a conta de um jogador.

Os chatbots também são o caso de uso mais maduro entre os que enfrentam o jogador diretamente. A seção 3.2.1.1 espera que os jogadores saibam que estão lidando com um sistema de IA “o mais tardar a partir da primeira interação”. Já a seção 3.6.1 lista quando uma conversa deve passar a uma pessoa: respostas repetidas com baixa confiança, consultas que escalam ou ficam sem solução, sinais de angústia, indícios de vulnerabilidade ou de dano causado pelo jogo e pedidos diretos de atendimento humano.

Assistentes de código e ferramentas criativas

Parte da IA do setor fica totalmente fora das funções de jogo. Os respondentes citaram Claude Code e GitHub Copilot para desenvolvimento de software, geradores de imagem e vídeo para trabalho criativo e ferramentas de compliance que acompanham mudanças regulatórias e automatizam fluxos. A Charter usa os assistentes de código como exemplo padrão de ferramenta de menor impacto, que exige governança mais leve.

Personalização e marketing

Motores de recomendação e perfilamento de jogadores chegaram à implantação “em menor medida”, e várias licenciadas ainda os operam como produtos mínimos viáveis (MVPs). Os entrevistados descreveram IA para ofertas personalizadas, segmentação e análise de campanhas. A lacuna mais nítida de toda a pesquisa está aqui. Apenas poucos respondentes disseram avaliar se a personalização baseada em IA aumenta comportamentos de risco ou vulneráveis, enquanto outros responderam “parcialmente” ou não souberam dizer.

Fraude, AML e jogo responsável

Detecção de fraude, AML e modelagem comportamental de jogo responsável compartilham o nível intermediário. O aprendizado de máquina sinaliza atividade suspeita e possível jogo problemático em tempo real. Além disso, fornecedores especializados como a Mindway AI vendem modelos de proteção do jogador às operadoras. Algumas licenciadas B2C disseram à MGA que nunca deixam a IA decidir restrições de conta ou alertas de jogo responsável. Já alguns fornecedores B2B pedem que sua própria equipe revise os alertas antes de eles chegarem ao cliente.

Odds, KYC, pagamentos e cassino ao vivo

A adoção é “muito mais limitada” em definição dinâmica de odds e gestão de risco, onboarding e KYC, pagamentos, aquisição de jogadores, relatórios regulatórios, RH e cassino ao vivo com IA. Na maioria dessas áreas, os respondentes marcaram “não utiliza” ou “não se aplica”, embora algumas licenciadas testem modelos de KYC, pagamentos e aquisição em estágio de MVP. A MGA interpreta o padrão como IA avançando mais rápido em funções de “suporte, monitoramento e eficiência” do que em áreas de decisão “comercialmente sensíveis ou voltadas ao jogador”.

Por que a governança fica atrás da adoção

A infraestrutura é a parte fácil. A maioria dos respondentes classificou sua estrutura técnica como madura ou adequada, citando ambientes em nuvem, baixa dívida técnica e IA já integrada a QA e segurança. As lacunas da pesquisa estão na documentação e nos controles em torno dos modelos.

Apenas uma minoria das licenciadas relatou uma estratégia ou roteiro formal de IA, e um grupo maior ainda está redigindo o seu. A maioria tem regras para propriedade, qualidade, acesso e retenção de dados. No entanto, menos empresas conseguem documentar a linhagem dos dados, ou seja, o registro de onde veio a base de um modelo. Testes regulares de viés, medição de impacto, treinamento em letramento de IA e processos de incidentes específicos para IA estão menos desenvolvidos ainda. Além disso, só um pequeno número de respondentes tem uma avaliação de risco de IA ou um plano de resposta a incidentes totalmente estabelecidos.

A transparência é menor com os jogadores do que dentro da empresa. Apenas poucas organizações informam aos clientes que usam IA e pedem consentimento explícito para o processamento automatizado. A divulgação aos funcionários, por sua vez, é mais comum. A maioria dos respondentes disse que uma pessoa sempre revisa as decisões baseadas em IA, o que mantém a tecnologia em papel de apoio nas áreas sensíveis.

O achado B2B importa mais para operadoras que compram IA de terceiros. Apenas um fornecedor respondente disse entregar aos clientes documentação sobre como seus sistemas de IA funcionam. Assim, uma operadora que usa um motor externo de fraude ou de jogo responsável pode não conseguir explicá-lo ao próprio regulador, porque a explicação nunca saiu do fornecedor.

O que a AI Gaming Charter de Malta muda

A Charter (documento G-SPG-025-01) é voluntária e baseada em princípios. Ela se descreve como uma das primeiras iniciativas da Europa a definir princípios de IA para o setor de jogos. Não cria obrigações legais além do AI Act da UE, do GDPR ou do EU Data Act e usa expressões como “em conformidade com a lei aplicável” para separar obrigações existentes de boas práticas. O Anexo A associa cada princípio às disposições relevantes do AI Act e do GDPR.

O escopo é amplo. A IA interna e de back-office está coberta, mas fluxos baseados em regras e automação robótica de processos ficam de fora, pois não atendem à definição de sistema de IA do AI Act. Já a IA generativa e a agêntica entram: a seção 3.7.3 trata a capacidade de um sistema de executar ações em várias etapas ou usar ferramentas externas como um fator de risco por si só.

O risco acompanha a proximidade do jogador

A seção 3.1 divide a IA em dois níveis. Os sistemas de menor impacto fazem trabalho interno, operacional ou administrativo e dificilmente afetam jogadores, a integridade do jogo ou resultados regulados. Já os de maior impacto são usados em decisões voltadas ao jogador, de jogo responsável, fraude, AML, KYC, restrição de conta, elegibilidade ou intervenção, ou influenciam essas decisões de forma material.

A regra de classificação é a frase mais citável do documento. O impacto “deve se basear na proximidade do sistema de IA em relação ao jogador e em seu efeito potencial sobre resultados regulados, e não apenas em haver ou não uma pessoa na decisão final”. A supervisão humana “não deve reduzir automaticamente o nível de escrutínio aplicável quando o sistema de IA influencia materialmente o resultado”.

À luz da pesquisa, a regra mira a principal garantia que o setor oferece. A maioria das licenciadas conta com uma pessoa revisando cada decisão do modelo. Porém, pela seção 3.1, um modelo de KYC que sinaliza uma conta para bloqueio continua sendo de maior impacto, mesmo quando um analista de compliance clica em “aprovar”. Já um assistente de código que redige casos de teste continua sendo de menor impacto, por mais superficial que seja a revisão. Os níveis não alteram a classificação de um sistema no AI Act da UE, e as salvaguardas devem atender, no mínimo, ao que essa classificação exige.

Seis princípios na seção 3

A seção 3 define seis áreas de princípios, cada uma com subseções sobre documentação, testes e supervisão. Comparado à pesquisa, cada princípio recai sobre uma parte diferente da pilha de IA.

Princípio	O que a Charter pede	Onde isso atinge o iGaming
Transparência, responsabilização e explicabilidade (3.2)	Informação legível sobre o papel, a finalidade, os limites e os efeitos de cada sistema; divulgação desde a primeira interação	Chatbots de suporte, conteúdo sintético, documentação do fornecedor para clientes B2B
Equidade e não discriminação (3.3)	Para sistemas de maior impacto, um objetivo de equidade documentado, o motivo da escolha e como ele é testado	Perfilamento de jogadores, marketing e modelos de jogo responsável
Sustentabilidade ambiental (3.4)	Compras sustentáveis, eficiência energética e menor pegada de carbono no treinamento e na implantação	Escolha de modelos hospedados, treinamento interno
Proteção, segurança e governança de dados (3.5)	Conformidade com o GDPR e uma estrutura de governança de dados	Linhagem dos dados, o ponto mais fraco da pesquisa
Supervisão e responsabilidade humanas (3.6)	Equipe capaz de monitorar, entender e anular o sistema, com treinamento correspondente	Escalonamento de chat, restrições de conta, alertas de jogo responsável
Confiabilidade, segurança e robustez (3.7)	Testes antes do lançamento; para sistemas de maior impacto, red teaming, monitoramento de drift e mecanismos testados de rollback e kill switch	Modelos de fraude, AML, KYC e jogo responsável

A transparência tem um limite que importa para as equipes de fraude e AML. A Charter não exige a divulgação de código-fonte, arquitetura de modelo, segredos comerciais ou lógica sensível de fraude, AML e segurança, quando isso enfraqueceria os próprios controles.

AI washing, nomeado no texto

A Charter define AI washing como a prática de empresas que distorcem ou exageram suas capacidades de IA “para aumentar o apelo de marketing e obter vantagem competitiva”. A seção 3.2.1.1 lista três formas: apresentar software convencional como IA, exagerar a autonomia ou a sofisticação de um sistema e vender a IA como garantia de equidade, precisão ou segurança. As licenciadas “devem comunicar de forma factual e proporcional” o que seus sistemas fazem.

A cláusula atinge o marketing tanto quanto o compliance. As regras de escopo tornam a primeira forma fácil de testar: um motor de alertas baseado em regras fica fora da definição de IA da Charter, então vendê-lo como baseado em IA é o caso clássico. Alguns fornecedores B2B da pesquisa já traçam essa linha quando pessoas programam os alertas. Afirmações como “KYC orientado por IA” ou “proteção do jogador totalmente automatizada” agora convivem com um documento público contra o qual um supervisor pode cobrá-las.

IA em inteligência de mercado: como a Blask constrói seus dados

A inteligência de mercado fica no extremo oposto da escala da Charter em relação a um modelo de KYC, e a Blask é um exemplo prático. Ela aplica ao iGaming o método Share of Search, desenvolvido por Les Binet e James Hankins. Bilhões de consultas de busca geolocalizadas do Google Keyword Planner e do Google Trends viram demanda por marcas e mercados. Antes de uma consulta contar, ela passa por um filtro de intenção (“brand betting” entra, “brand scam” sai), pela fusão de variações de grafia em uma só marca, por uma nova coleta de períodos passados, porque o Google revisa seus dados, e por um ajuste sazonal.

Camadas modeladas ficam por cima. O Blask Index mede a demanda, o BAP (Brand Accumulated Power) indica a participação de uma marca nela e o APS (Acquisition Power Score) traduz essa participação em uma faixa esperada de novos clientes, com fatores específicos de cada mercado. O CEB (Competitive Earning Baseline) converte os mesmos insumos em uma receita-base, ancorada no GGR dos reguladores em mercados licenciados e em benchmarks de ARPU onde não há relatórios oficiais. Por fim, outra camada varre diariamente os lobbies das operadoras e reconhece dezenas de milhares de jogos.

O mercado se move rápido demais para o acompanhamento manual. De janeiro a setembro de 2026, a Blask adicionou 811 marcas ao seu monitoramento em 91 países, e 369 delas entraram no ar em 2026.

Para os usuários, o principal ganho é a comparabilidade. Marcas licenciadas e offshore passam pela mesma estrutura, então um mercado sem dados de regulador pode ser lido ao lado de outro com divulgação completa. Os sinais de demanda se atualizam a cada hora ou dia, enquanto os relatórios dos reguladores cobrem transações concluídas, com defasagem. APS e CEB vêm em faixas mínimo / média / máximo, o que mantém a incerteza visível no próprio número.

Pela seção 3.1, um sistema assim fica longe do jogador: ele trabalha com dados agregados de busca e de lobby e não toma decisão sobre nenhuma conta, o que o coloca no nível de menor impacto. Os pedidos de transparência da seção 3.2 ainda valem, e a metodologia responde a eles ao declarar o que cada métrica deixa de fora. O Blask Index não é GGR nem tráfego, o APS não é uma contagem de FTDs e o CEB é uma base de referência, não receita reportada.

Para onde vai a regulação de IA em jogos de azar

Malta já tem uma estrutura concluída, enquanto o Reino Unido está em estágio anterior. A Gambling Commission apresentou sua abordagem como anexo da sua estratégia corporativa. Ela traz princípios para o uso de IA pelo próprio órgão, baixa tolerância a risco e o objetivo de entender e, quando apropriado, regular o uso da tecnologia pelo setor. O próximo passo listado são políticas, modelos de casos de uso e estruturas de governança. Em maio de 2025, a KPMG defendeu que Malta poderia definir padrões de IA confiável em jogos e pediu que as operadoras criassem estruturas de governança de IA. Agora, a Charter leva essa ideia ao texto do próprio regulador.

O AI Act da UE segue classificando sistemas em trilho próprio, e por isso a Charter reforça que seus dois níveis não mudam nada nesse regulamento. Para as demais autoridades de jogos, as 48 páginas de Malta agora são um modelo para adotar, adaptar ou contestar.

Conclusão

Hoje, a inteligência artificial no iGaming é uma tecnologia de back-office com um chatbot na porta de entrada. Os sistemas que a Charter trata como de maior impacto, como KYC, restrições de conta e elegibilidade, ainda são raros em produção, e Malta escreveu suas regras antes de a maioria deles entrar no ar. A pergunta em aberto é se as primeiras licenciadas a aderir à Charter terão IA para governar ou IA para vender.

Perguntas frequentes

Como a IA é usada no iGaming?

Segundo a pesquisa da MGA com licenciadas, sobretudo em otimização operacional, análise de dados e chatbots de atendimento. Em seguida vêm motores de recomendação, perfilamento de jogadores e modelos de fraude, AML e jogo responsável. Já KYC, pagamentos, odds dinâmicas e cassino ao vivo continuam raros.

A IA pode ser usada em cassinos?

Sim. Operadoras online a usam para suporte, personalização, detecção de fraude e proteção do jogador. Em Malta, a AI Gaming Charter espera salvaguardas mais fortes sempre que um sistema influencia decisões voltadas ao jogador ou de compliance.

O que é a AI Gaming Charter da MGA?

Uma estrutura voluntária publicada pela MGA e pela MDIA em 18 de setembro de 2026. Ela define seis áreas de princípios para o uso de IA pelas licenciadas e as associa ao AI Act da UE e ao GDPR.

O que é AI washing?

É exagerar o uso, o papel ou as capacidades da IA em um produto. A Charter cita três formas: apresentar software convencional como IA, exagerar a autonomia e vender a IA como garantia de equidade, precisão ou segurança.