Kan AI gokverslaving stoppen voordat de schade ontstaat? 

Een nieuw algoritme kan op basis van werkelijk speelgedrag inschatten welke online gokkers een verhoogd risico lopen. Het open-sourcemodel van onderzoekers van de Universiteit van Amsterdam kijkt niet alleen naar het bedrag dat iemand verliest. Ook inzetpatronen, het tijdstip van spelen en de reactie op winst- en verliesreeksen worden meegenomen. 

Daarmee komt een ongemakkelijke vraag steeds nadrukkelijker op tafel. Wat gebeurt er wanneer een online casino eerder dan de speler zelf kan zien dat het gokken dreigt te ontsporen? Een technisch signaal heeft alleen waarde wanneer het ook leidt tot een waarschuwing, persoonlijk contact, een beperking of passende hulp. 

Online gokken laat namelijk een zeer gedetailleerd digitaal spoor achter. Een aanbieder kan zien wanneer iemand inlogt, hoe lang een sessie duurt, hoeveel geld er wordt gestort, welke spellen worden gekozen en hoe snel een speler na een verlies opnieuw geld inzet. Los van elkaar hoeven die gegevens weinig te zeggen. Samen kunnen ze een verandering zichtbaar maken die de speler zelf nog ontkent of niet herkent. 

Twee jaar aan inzetten van dertien casino’s onderzocht 

Het model werd ontwikkeld door UvA-promovendus Charles de Leau, samen met hoogleraren Reinout Wiers en Johan Bollen. Volgens de Universiteit van Amsterdam werd het algoritme getraind op alle inzetten van spelers bij dertien Nederlandse online casino’s. De onderzochte gegevens beslaan twee jaar, van 30 juli 2023 tot en met 30 juli 2025. 

Het gaat daarmee niet om antwoorden op een enquête of om wat spelers zich achteraf van hun gedrag herinneren. Het model gebruikt daadwerkelijk geregistreerde inzetten. Dat geeft onderzoekers de mogelijkheid om te zoeken naar patronen die voorafgaan aan ernstiger problemen. 

De machinelearningtechniek kijkt onder meer naar hoeveel en hoe vaak iemand inzet. Ook de frequentie en de tijdstippen tellen mee, bijvoorbeeld wanneer iemand meerdere dagen achter elkaar ’s nachts speelt. Daarnaast analyseert het systeem winst- en verliesreeksen en de manier waarop een speler daarop reageert. 

Daaruit volgt een risicoscore. Die score is geen medische diagnose en bewijst niet dat iemand een gokverslaving heeft. Het is een aanwijzing dat bepaald gedrag extra aandacht verdient. De Kansspelautoriteit benadrukt daarom dat het model slechts een aanvullend instrument is. Een aanbieder kan zich niet uitsluitend op een algoritme beroepen om te stellen dat aan de zorgplicht is voldaan. 

Niet één storting, maar de verandering telt 

Problematisch gokgedrag laat zich zelden vangen in één universele grens. Een storting van €500 kan voor de ene speler verantwoord zijn en voor een andere speler betekenen dat de huur niet meer kan worden betaald. Ook een lange speelsessie hoeft op zichzelf nog niet te wijzen op een verslaving. 

Het risico wordt duidelijker wanneer meerdere signalen samenkomen. Iemand speelt bijvoorbeeld vaker dan voorheen, verhoogt zijn inzetten en stort kort na een verlies opnieuw geld. De sessies worden langer en verschuiven naar de nacht. Tegelijk neemt het aantal pauzes af en probeert de speler eerdere verliezen steeds sneller terug te winnen. 

Juist in het herkennen van zulke veranderingen kan een algoritme sterker zijn dan een eenvoudige vaste limiet. Het systeem vergelijkt gedrag over een langere periode en kan afwijkingen van het persoonlijke patroon herkennen. Gambling Club beschreef eerder waarom geld, speeltijd en inzetfrequentie belangrijke alarmsignalen voor kansspelverslaving zijn. 

Een speler ervaart zijn gedrag mogelijk als een reeks losse beslissingen: nog één storting, nog één ronde of nog één poging om quitte te spelen. Een datasysteem ziet het gezamenlijke patroon. Dat betekent niet dat de computer de persoonlijke situatie begrijpt, maar wel dat veranderingen minder gemakkelijk als incident kunnen worden afgedaan. 

Ook Frankrijk zet algoritmen in 

Nederland staat niet alleen in deze ontwikkeling. In Frankrijk gebruikt de Autorité nationale des jeux technologie om spelers met mogelijk excessief speelgedrag beter te identificeren. Gambling Club berichtte eerder hoe een algoritme van de Franse toezichthouder de omvang van excessief speelgedrag blootlegde. 

Het Nederlandse model is mede geïnspireerd op het werk van de Spaanse toezichthouder DGOJ. Dat laat zien dat datagedreven spelersbescherming zich niet tot één markt beperkt. Toezichthouders zoeken naar manieren om grote hoeveelheden transactiegegevens om te zetten in controleerbare risicosignalen. 

De openbaarheid van het UvA-model is daarbij belangrijk. Veel bestaande detectiesystemen zijn ontwikkeld door commerciële bedrijven of door de kansspelaanbieders zelf. De precieze werking blijft dan vaak buiten beeld. Het nieuwe model is open source, waardoor onderzoekers en toezichthouders de code en methodiek kunnen controleren en verder ontwikkelen. 

Voor de Ksa ontstaat zo een onafhankelijk referentiepunt. De toezichthouder kan de uitkomsten bijvoorbeeld vergelijken met de risicoscores die aanbieders zelf gebruiken. Dat verkleint de afhankelijkheid van gesloten systemen waarvan buitenstaanders niet kunnen beoordelen welke signalen zwaar meetellen en welke spelers mogelijk worden gemist. 

AI is geen automatische oplossing 

Het woord algoritme kan de indruk wekken dat spelersbescherming volledig kan worden geautomatiseerd. Zo eenvoudig is het niet. Gambling Club schreef al dat de goksector nog worstelt met de volwassen en verantwoordelijke inzet van artificiële intelligentie. Vooral governance, transparantie en gespecialiseerde kennis blijven zwakke punten. 

Een model kan bovendien fouten maken. Er kunnen spelers als risicovol worden aangemerkt terwijl daarvoor een onschuldige verklaring bestaat. Het omgekeerde is gevaarlijker: iemand met ernstige problemen kan buiten beeld blijven doordat zijn gedrag niet past binnen de patronen waarop het systeem is getraind. 

Een speler die vanaf de eerste dag hoge bedragen stort, vertoont bijvoorbeeld geen duidelijke stijging ten opzichte van zijn eerdere gedrag. Wie alleen naar plotselinge veranderingen kijkt, kan zo’n speler missen. Hetzelfde geldt voor mensen die hun gokactiviteiten over meerdere aanbieders verdelen. Iedere aanbieder ziet dan slechts een gedeelte van het totale gedrag. 

Daarom moet een risicoscore worden beoordeeld in combinatie met andere informatie en menselijk contact. Het algoritme kan bepalen dat een dossier aandacht nodig heeft. Een getrainde medewerker moet vervolgens onderzoeken wat er daadwerkelijk aan de hand is. 

Dezelfde gegevens kunnen spelers langer laten gokken 

De technologie kent daarnaast een fundamentele spanning. De gegevens waarmee een casino risicovol gedrag kan herkennen, hebben ook commerciële waarde. Ze laten zien welke spellen iemand kiest, op welke momenten die persoon terugkeert en welke presentatie of communicatie effect heeft. 

Een aanbieder kan data gebruiken om iemand aan een limiet of pauze te herinneren. Dezelfde kennis kan in theorie worden ingezet om een speler vaker te laten terugkomen of langer te laten spelen. De grens tussen personalisatie en beïnvloeding wordt daardoor belangrijk. 

Dit maakt transparantie noodzakelijk. Spelers moeten weten welke gegevens worden verzameld, waarom die worden verwerkt en hoe lang ze worden bewaard. Ook moet duidelijk zijn in hoeverre automatische analyses gevolgen kunnen hebben voor een account. Gambling Club legde eerder uit welke verplichtingen de GDPR aan casino’s oplegt bij de verwerking van spelersgegevens. 

Privacy en spelersbescherming hoeven elkaar niet uit te sluiten. Gepseudonimiseerde gegevens kunnen belangrijk onderzoek mogelijk maken zonder dat onderzoekers de identiteit van individuele spelers nodig hebben. Dat vraagt wel om strikte beveiliging, heldere doelen en controle op hergebruik. Gevoelige gok- en betaalgegevens mogen niet zonder duidelijke grondslag voor andere doeleinden worden ingezet. 

Zien verplicht ook tot handelen 

Het herkennen van een risico is pas de eerste stap. Daarna moet worden besloten welke interventie passend is. Een speler kan een automatische melding krijgen, maar zo’n bericht is eenvoudig weg te klikken. Persoonlijk contact kan effectiever zijn, zeker wanneer een medewerker concrete veranderingen benoemt en de speler niet met algemene waarschuwingen afscheept. 

Afhankelijk van de ernst kan een aanbieder vragen om lagere limieten in te stellen, tijdelijk geen stortingen accepteren of het account blokkeren. Wanneer er een redelijk vermoeden van problematisch gedrag bestaat, kan steviger ingrijpen nodig zijn. 

Een belangrijk signaal is het proberen terug te verdienen van verloren geld. In de praktijk kan dit leiden tot hogere inzetten, extra stortingen en langere sessies. Gambling Club waarschuwde daarom eerder dat spelers moeten stoppen met het najagen van verliezen. Een algoritme kan dit patroon mogelijk herkennen doordat het ziet hoe snel en met welke bedragen iemand na een verlies verder speelt. 

De zorgplicht wordt door betere technologie niet kleiner, maar juist zwaarder. Wanneer een aanbieder over nauwkeurige signalen beschikt, wordt het moeilijker om achteraf te stellen dat de risico’s niet zichtbaar waren. Tegelijk mag een casino een belangrijke beslissing niet blind door software laten nemen. De kwaliteit van de opvolging blijft uiteindelijk bepalend. 

Hulpvraag blijft toenemen 

De urgentie blijkt ook uit de Nederlandse verslavingszorg. Volgens de LADIS-cijfers over gokken waren in 2025 ruim 3.100 mensen in behandeling met gokken als primaire problematiek. Sinds 2023 neemt zowel het aantal als het aandeel mensen met gokproblemen in de verslavingszorg jaarlijks toe. De helft van de geregistreerde cliënten was nieuw in de verslavingszorg. 

LADIS vermeldt bovendien dat de stijging zichtbaar blijft wanneer alleen wordt gekeken naar instellingen die gedurende de hele onderzoeksperiode gegevens hebben aangeleverd. De groei is dus niet uitsluitend het gevolg van een bredere registratie. Hoewel de plaats waar wordt gegokt niet altijd volledig wordt vastgelegd, schrijft LADIS de recente toename vooral toe aan online gokken. 

Een algoritme kan helpen om iemand eerder in beeld te krijgen, maar kan geen behandeling bieden. Het systeem weet niet of een speler zijn baan is kwijtgeraakt, schulden verbergt of door spanningen thuis ’s nachts niet kan slapen. Het ziet transacties en gedrag, geen schaamte, angst of persoonlijke omstandigheden. 

Daarom moet vroegsignalering een verbinding vormen tussen technologie en menselijke hulp. Ook naasten kunnen veranderingen vaak opmerken, zoals geheimhouding, onverklaarbare geldproblemen en gebroken afspraken. Gambling Club heeft daarom een praktische gids over wat je kunt doen wanneer een partner of familielid te veel gokt. 

Het open-sourcemodel van de UvA biedt toezichthouders en aanbieders een krachtig nieuw hulpmiddel. De werkelijke test begint echter nadat het systeem een risico heeft gemeld. Wordt de waarschuwing serieus onderzocht? Volgt er tijdig persoonlijk contact? En wordt de speler daadwerkelijk beschermd wanneer het gedrag blijft escaleren? 

De belangrijkste vooruitgang is daarom niet dat een computer mogelijk eerder ziet dat het misgaat. De vooruitgang ontstaat pas wanneer dat inzicht voorkomt dat financiële, sociale en psychische schade verder oploopt.