전문가에 따르면 랜드베이스(오프라인) 카지노들이 AI 기반 플레이어 보호 도구 도입을 점점 더 검토하고 있습니다. 그러나 업계 데이터에 따르면 기술 도입은 여전히 고르지 못하며, 거버넌스 체계는 아직 발전 단계에 있고, 많은 운영사들이 자동화된 위험 점수를 효과적인 개입 전략으로 어떻게 전환할지에 대해 여전히 고민하고 있는 것으로 나타났습니다.
마카오에서 열린 G2E Asia에서 Mindway AI의 고객 성공 책임자인 Yardena Almagor는 행동 기반 AI 모델이 기존의 임계값 기반 모니터링을 넘어서는 방식으로 활용되고 있다고 설명하면서도, 현재 업계 접근 방식의 구조적 한계를 인정했습니다.
“사람들은 AI라는 말을 들으면 정말 복잡하고 매우 화려하며 약간은 마법 같은 것이라고 생각합니다”라고 그녀는 말했습니다. “하지만 실제로는 그것보다 훨씬 단순합니다.”
그녀의 발언은 더 넓은 도박 산업이 여전히 AI 성숙도의 초기 단계에 머물러 있는 가운데 나온 것입니다. 네바다대학교 라스베이거스(UNLV) International Gaming Institute가 KPMG LLP와 협력해 발표한 State of AI in Gaming 2026 벤치마크 보고서에 따르면, 업계 평균 AI 성숙도 점수는 100점 만점에 45점으로, 초기 단계의 도입과 지속적인 거버넌스 격차를 보여주고 있습니다.
UNLV 보고서는 전 세계 83개 도박 기업과 113개 규제 기관의 응답을 기반으로 작성됐습니다. 보고서는 대부분의 운영사들이 AI에 대한 전략적 목표를 가지고 있지만, 이를 효과적으로 확장할 수 있는 인프라와 전문성을 갖추지 못한 경우가 많다고 밝혔습니다. 또한 오프라인 기반 운영사들이 온라인 운영사들보다 뒤처져 있다고 지적했습니다.
보고서에 따르면 AI 활용은 기술, 보안, 제품 혁신 분야에 집중돼 있으며, 이는 전체 프로젝트의 거의 절반을 차지합니다. 생성형 AI는 널리 사용되고 있으며 80% 이상의 기업이 콘텐츠와 인사이트를 위해 이를 활용하고 있지만, 보다 고도화된 ‘에이전트형(agentic)’ AI는 규정 준수 및 플레이어 안전 우려로 인해 제한적으로 사용되고 있습니다.
압박받는 임계값 시스템
Almagor는 많은 운영사들이 공통적으로 직면한 주요 과제로 지출 한도, 자기 배제 트리거, 행동 급증과 같은 임계값 의존 문제를 지적했습니다. 그녀는 이러한 방식이 널리 사용되고 있지만 도박 피해의 전체 스펙트럼을 포착하지는 못한다고 말했습니다.
“문제 도박자 중 실제로 자가 배제를 하는 사람은 단 20%에 불과하다는 사실을 알고 있습니다”라고 그녀는 말했습니다. “그리고 실제로 자기 배제를 하는 사람들 중 단 30%만이 문제 도박자라는 사실도 알고 있습니다.”
“문제 도박은 단 하나의 행동으로 나타나는 것이 아닙니다”라고 그녀는 말했습니다. “시간이 흐르면서 나타나는 매우 다양한 행동 변화들의 관계이며, 때로는 매우 미묘한 형태로 나타납니다.”
UNLV IGI 보고서는 많은 조직들이 AI 기반 시스템에서 성공을 정의하는 데 어려움을 겪고 있으며, 5곳 중 1곳만이 2년 내 의미 있는 투자 수익률(ROI)을 보고했다고 지적했습니다. 또한 기업 4곳 중 1곳은 AI 도구에 대한 체계적인 평가 프로세스를 갖추지 못해 성과 측정이 어렵다고 밝혔습니다.
랜드베이스 데이터가 보여주는 행동의 복잡성
Almagor는 호주의 한 랜드베이스 카지노 운영사와 진행한 분석 사례를 언급했으며, 이 분석에서는 약 20만 명의 플레이어를 대상으로 4개월 동안 행동 모델이 적용됐습니다. 데이터셋에는 세션 활동, 플레이어 프로필, 자가 배제 기록이 포함됐습니다.
연구 결과에 따르면 지출 규모만으로는 위험도를 파악하는 데 한계가 있었습니다. 예를 들어 두 명의 고액 ‘플래티넘’ 고객은 비슷한 금전적 행동을 보였지만, 도박 패턴은 매우 달랐습니다.
“한 플레이어는 여러 게임에서 불규칙하고 강도 높은 플레이를 보였습니다”라고 그녀는 말했으며, 다른 플레이어는 보다 일관되고 안정적인 행동을 보였다고 설명했습니다.
거버넌스와 책임 체계의 격차 여전
AI 기반 모니터링에 대한 관심이 커지고 있음에도 불구하고, UNLV의 State of AI in Gaming 2026 보고서는 업계 전반의 책임 있는 AI 구현에서 상당한 격차가 존재한다고 강조했습니다.
도박 기업의 약 3분의 1은 공식적인 책임 있는 AI 프레임워크가 전혀 없다고 답했으며, 조직 전반에 걸쳐 책임 있는 AI 관행을 완전히 내재화한 곳은 약 2%에 불과했습니다. 추가로 3분의 1은 자사의 노력이 “시작 단계” 또는 “기초 수준”이라고 설명했습니다.
또한 보고서는 전담 AI 거버넌스 역할을 가진 조직이 20% 미만이며, 감독 기능이 여러 부서에 분산되거나 공동으로 운영되는 경우가 많다고 밝혔습니다. 일부 사례에서는 공식적인 책임 구조 자체가 존재하지 않았습니다.
규제 기관의 신뢰도 역시 제한적입니다. 보고서는 규제 기관들이 라이선스 보유 기업들이 AI를 어떻게 활용하는지에 대한 가시성이 부족해, 인식된 활용 사례와 실제 활용 사례 사이에 괴리가 발생하고 있다고 지적했습니다. 규제 기관들은 고객 대상 애플리케이션에 주목하는 경향이 있지만, 실제 AI 활동의 대부분은 백엔드 기술, 보안 및 제품 시스템에 집중돼 있습니다.
개입에는 여전히 인간의 감독이 핵심
Almagor는 AI 시스템이 책임 있는 도박 프레임워크에서 인간의 의사 결정을 대체하는 것이 아니라 지원해야 한다고 강조했습니다. 저위험 플레이어는 일반적인 책임 도박 메시지를 받을 수 있지만, 고위험 플레이어의 경우 직원의 직접적인 개입이 이뤄질 수 있다는 설명입니다.
“그 고위험 플레이어에게는 누군가가 직접 다가가 실제로 대화를 나눌 필요가 있습니다”라고 그녀는 말했습니다.
게임 산업의 미래에 맞춰 피드를 구성하세요. 내부 전문가들의 목소리, 예측 시장 보도, 카지노 산업 동향 및 글로벌 규제 뉴스를 확인하려면 SiGMA World를 선호 소스로 선택하세요.
