Khi kho dữ liệu thể thao gắn nhãn bóng đá cho một bản tin án mạng

Trong kho dữ liệu mà tôi dựng suốt hơn hai mươi năm làm báo, có một mục bị gắn thẻ "bóng đá" mà bên trong không có lấy một cái tên cầu thủ. Không đội bóng. Không giải đấu. Không một chỉ số bàn thắng kỳ vọng nào. Chỉ có tên một thị trưởng Mexico bị ám sát, con số 32 người bị tạm giữ, và một chuỗi cơ quan an ninh: Văn phòng Công tố bang, SSPC, FGR, Bộ Quốc phòng, Hải quân, Vệ binh Quốc gia. Một biên tập viên trẻ gửi tôi đường dẫn kèm dòng nhắn: "Anh Nam ơi, sao hệ thống lại xếp bài này vào chuyên mục bóng đá?" Tôi mở, đọc hết, rồi ngồi im. Không phải vì nội dung làm tôi sốc. Mà vì cách nó lọt vào nhà của tôi.

Nếu chỉ đọc lướt, ta dễ gật đầu cho qua. Một bản tin an ninh về vụ ám sát thị trưởng Uruapan, bang Michoacán, lẽ ra phải nằm ở chuyên mục thời sự. Nhưng nó nằm ở đây, giữa những bài phân tích chiến thuật của tôi. Và câu hỏi đáng giá không phải "tại sao lại có lỗi", mà là "lỗi này đã đi qua bao nhiêu cánh cửa trước khi tới tay tôi".

Bản tin kể rằng Carlos Manzo, thị trưởng thành phố Uruapan, bị ám sát ngày 1 tháng 11 năm 2026 khi đang tại nhiệm. Đây là vụ việc được báo chí Mexico đưa tin rộng rãi. Theo bản tin tôi đọc, cảnh sát đã bắt giữ người thứ 32 trong quá trình điều tra, một nghi phạm được gọi bằng cái tên bảo vệ danh tính là Alexis "N". Omar García Harfuch, Bộ trưởng An ninh và Bảo vệ Công dân, đã có phát ngôn chính thức rằng cơ quan đã xác định cấu trúc vận hành của nhóm tội phạm có chân rết tại Uruapan. Một nghi phạm khác, Jorge Armando "N", bị cáo buộc là người trực tiếp gây án.

Không có gì trong đó thuộc về bóng đá. Vậy tại sao nó bị gắn thẻ bóng đá?

Tôi ngồi lại, mở lịch sử phân loại, và tìm ra thủ phạm. Hệ thống không có trí tuệ. Nó có từ khóa. Trong bản tin xuất hiện những chữ như "tấn công", "chiến dịch", "cấu trúc" — những từ mà kho dữ liệu bóng đá của tôi cũng dùng để mô tả các pha tấn công biên, chiến dịch chuyển nhượng, và cấu trúc đội hình. Một bộ lọc dựa trên từ khóa đã gặp "Uruapan", "bị ám sát", "tấn công" và quyết định rằng đây là một bài về bóng đá. Đó là một lỗi ngây thơ, nhưng nó lộ ra đúng vấn đề: kho dữ liệu của chúng ta biết khớp chữ, chứ chưa biết hiểu nghĩa.

Ở tuổi 69, tôi không tin cú ngã ngoạn mục; tôi tin vết nứt âm thầm từ mùa trước. Lỗi phân loại cũng vậy. Nó không xuất hiện trong ngày nó khiến tôi ngồi im. Nó được dựng từ nhiều năm, mỗi lần chúng ta chấp nhận một lối tắt tiện lợi.

Khi tôi dựng kho dữ liệu cá nhân cho từng cầu thủ, tôi học một nguyên tắc: một sự kiện chỉ đáng tin khi nó có mốc thời gian và người chịu trách nhiệm. Với một bản tin, cũng vậy. Bản tin về Uruapan có mốc thời gian, nhưng phần lớn thông tin đến từ các nguồn không được định danh. Trong ghi chú của mình, tôi đếm được hơn mười trường ghi "nguồn: không xác định", chỉ có SSPC và ông García Harfuch là nguồn được nêu tên. Bức ảnh được ghi nguồn duy nhất là @SSPC. Một bản tin có quá nửa chi tiết vô danh thì hệ thống không nên đối xử với nó như dữ liệu đã kiểm chứng, bất kể nó thuộc chuyên mục nào.

Đây là chỗ tôi nghĩ khác đám đông. Mọi người sẽ nói: đó là lỗi của thuật toán. Tôi không nghĩ vậy. Máy chỉ soi từ khóa như người ta soi bảng tỷ số; vấn đề nằm ở cánh cửa phía trên. Một hệ thống đúng đắn phải có một cổng kiểm tra: ít nhất một thực thể bóng đá phải hiện diện trước khi gán nhãn bóng đá. Một cầu thủ, một đội, một giải, một sân. Nếu không có, nó không được bước vào. Cánh cổng đó không tồn tại, hoặc tồn tại mà bị mở toang. Và khi cửa mở, mọi thứ lọt vào, kể cả một vụ ám sát.

Cái lỗi đơn lẻ không đáng sợ. Cái đáng sợ là nó lan. Mỗi lần một bản tin sai nhãn đi qua mà không ai chặn, nhãn sai đó được ghi vào lịch sử. Lần sau, hệ thống học từ lịch sử ấy, và nó tự tin hơn rằng bóng đá bao gồm cả những bản tin như thế. Tôi gọi đó là sự ô nhiễm nguồn. Nó âm thầm như một vết nứt trên tường, tới khi cả bức tường đổ, chẳng ai nhớ mình đã bỏ qua nó từ lúc nào.

Việc này làm tôi nhớ tới một ca cũ của chính mình. Mùa 2026-18, khi Houston Rockets dưới thời Mike D'Antoni vung tay ném 3 điểm gần như không giới hạn, tôi bị biên tập giục viết bài tôn vinh cuộc cách mạng không trung. Đó cũng là một dạng gán nhãn nhanh. Nhãn "cách mạng" được dán trước, dữ liệu được tìm sau. Tôi từ chối, ngồi lại ba tuần, lọc qua 1.200 trận, và phát hiện tỷ lệ thắng của nhóm ném trên 40 quả ba điểm mỗi trận chỉ là 62%, gần như không khác nhóm ném từ 28 đến 35 quả. Nếu tôi đã dán nhãn theo cảm giác, tôi đã để một dữ liệu sai bước vào kho vĩnh viễn.

Kho dữ liệu thể thao sống bằng tính chính xác. Một bài viết sai chuyên mục không làm ai chết. Nhưng một kho dữ liệu gắn nhãn sai lặp đi lặp lại sẽ làm mục ruỗng chính nền tảng mà đám đông đang dựa vào.

Có một chi tiết tinh tế tôi muốn nói chậm. Trong bản tin kia, hai người được nêu tên không phải cầu thủ: García Harfuch là Bộ trưởng An ninh, Alexis "N" và Jorge Armando "N" là nghi phạm. Không ai trong số họ có hồ sơ cầu thủ trong kho của tôi. Nếu hệ thống của tôi được xây đúng, nó sẽ không bao giờ xếp họ chung chuồng với con người mà tôi lưu trữ theo mùa giải, theo chỉ số sử dụng bóng, theo số phút chơi. Đây không phải chuyện phân biệt gì đẹp đẽ. Đây là chuyện trật tự dữ liệu.

Tôi lại nhớ tới Bojan Bogdanović. Tháng 9 năm 2026, tại vòng loại khu vực châu Âu của World Cup bóng rổ ở Trung Quốc, tôi bay sang Tel Aviv xem Croatia đấu với đội chủ nhà. Bojan ném 3/14, Croatia thua 78-88. Các phóng viên trẻ trong khu vực báo chí lập tức đổ lỗi cho thể lực. Một lần nữa, nhãn được dán trước, dữ liệu được tìm sau. Tôi dành mười ngày, xem lại toàn bộ 47 pha tấn công của Croatia và phát hiện hệ thống pick-and-roll của họ đã cũ, bị Italy bắt bài 19 lần, và Bojan nhận bóng ở vị trí cách rổ 8 mét thay vì 6,5 mét như lúc anh đánh ở NBA.

Sự sụp đổ của một ngôi sao và sự sụp đổ của một kho dữ liệu có cùng một cơ chế. Điều đáng sợ nhất của sự sụp đổ Bojan là nó im lặng đến mức chúng ta quen. Điều đáng sợ nhất của một kho dữ liệu nhiễm nhãn sai cũng vậy: nó không báo động, nó chỉ nằm đó, và chúng ta dần coi nó là bình thường.

Kỳ chuyển nhượng năm 2026 mang tới cho tôi một bài học liên quan. Tháng 1 năm 2026, khi Ben Simmons được trao đổi từ Philadelphia 76ers sang Brooklyn Nets, hầu hết báo chí chạy theo tiếng ồn và gọi đó là thương vụ giải cứu tương lai Nets. Tôi không vội. Tôi mở lại hồ sơ mình lưu từ năm 2026, khi Simmons từ chối ném 3 điểm suốt playoffs, khi chỉ số sử dụng bóng của anh giảm 12% lúc bước vào hiệp 4. Số liệu phòng ngự của anh chỉ tốt khi đội nhà dẫn trước từ 10 điểm trở lên. Tôi viết một bài cảnh báo bằng ba chỉ số mâu thuẫn với câu chuyện truyền thông. Kết cục: Simmons góp mặt 42 trận, mờ nhạt, và Nets rời playoffs ở vòng một.

Cái tôi muốn nói là thế này. Số liệu không dối trá. Cách chúng ta siết nó trong tay mới dối trá. Khi chúng ta siết một bản tin an ninh vào chuyên mục bóng đá chỉ vì nó chứa chữ "tấn công", chúng ta đang siết sai. Và chúng ta siết sai, thường là, vì chúng ta muốn nhanh.

Có một cánh cổng bị bỏ qua ở đâu đó. Đó là vấn đề thật sự.

Ở đây, sẽ có người phản bác tôi: nhãn sai thì sửa nhãn, có gì to tát? Tôi cho rằng sự bình thản đó chính là vấn đề. Trong nghề của tôi, một bài viết bị xếp sai chuyên mục không làm ai mất tiền. Nhưng thói quen chấp nhận lỗi nhỏ là thói quen bào mòn mọi hệ thống. Nếu ta bỏ qua một nhãn sai hôm nay, ta sẽ bỏ qua một thống kê sai ngày mai, và tới mùa giải sau, ta sẽ dựa vào một kho dữ liệu mà chính ta không còn biết nó đúng ở đâu.

Tôi soi những con số của một vụ án mạng dưới mọi góc sáng, rồi nhận ra vấn đề không nằm ở bản tin. Nó nằm ở cái cổng đã để bản tin đi qua. Nếu chỉ sửa nhãn, ta đã chữa triệu chứng. Ta cần đặt một câu hỏi khó hơn: bao nhiêu bài viết khác đã đi qua cùng cánh cổng đó, và hệ thống của ta đã im lặng đếm chúng trong bao lâu?

Tôi không ngừng viết về những vết nứt nhỏ, vì chúng ta đã ngừng hỏi vì sao từ rất lâu. Một lỗi phân loại không phải là tin. Nhưng nó là bằng chứng.

Tôi sẽ không gỡ bản tin khỏi kho. Tôi sẽ giữ nó lại, đặt ở một ngăn riêng, dán nhãn đúng, và ghi chú ngày nó lọt vào. Trong nghề của tôi, ký ức là bộ luật, không phải kho hoài niệm. Tôi giữ nó để lần sau, khi ai đó định mở toang cánh cổng, họ phải nhìn thấy vết nứt đầu tiên.

Câu hỏi cho tất cả chúng ta không phải máy đã sai ở đâu. Mà là ta đã ngừng đặt câu hỏi từ lúc nào.