En ny AI-model, DraftFM, kan forudsige, hvilke kort spillere vil vælge i Magic: The Gathering, selv før et nyt sæt er udgivet. Det lyder måske som en niche for samlekort-entusiaster, men teknologien bag har bredere implikationer for virksomheder, der bygger systemer, hvor data er knappe – især når det gælder at forudsige adfærd i nye, uafprøvede situationer.
DraftFM er trænet på 149 millioner menneskelige valg fra 29 tidligere sæt, men bruger ingen kort- eller sæt-ID'er. I stedet lærer modellen at score kort ud fra deres offentlige egenskaber og tekst – samme mekanisme for kendte og ukendte kort. Det betyder, at den kan håndtere et helt nyt sæt, hvor der endnu ikke findes nogen spildata. Modellen opnår en top-1-præcision på 50,8–60,4 % på tre sæt, den aldrig har set – mod omkring 7 % ved ren chance.
Det interessante for beslutningstagere er ikke selve spillet, men princippet: at forudsige valg i et domæne uden historiske data. DraftFM blev testet på det dengang uudgivne sæt The Hobbit, hvor dens rangering af kort blev offentliggjort 36 timer før sættet blev spilbart – og den var lige så enig med seks ekspertanmeldere, som eksperterne var indbyrdes. Det er et konkret eksempel på, at AI kan levere brugbare forudsigelser i et "day-zero"-scenarie, hvor traditionelle modeller fejler.
For virksomheder, der bygger prædiktive systemer – fx inden for e-handel, finans eller produktudvikling – er metoden værd at følge. Den viser, at man kan træne modeller på generiske funktioner frem for domænespecifikke ID'er, hvilket gør dem robuste over for nye produkter eller markeder. Det kan reducere behovet for at vente på data, før man kan automatisere beslutninger.
