Khi lưới dữ liệu bóng đá thủng một lỗ: Bài học từ một bài báo không có lấy một chữ bóng đá

Tối 12 tháng Tám năm 2026, trong căn hộ thuê ở Mapo-gu, Seoul, tôi mở bảng điều khiển tin tức như mọi đêm. Đây là thói quen mười tám năm: lọc tin, đọc tiêu đề, đánh dấu những dòng cần kiểm chứng. Một mục hiện lên với nhãn "Football" màu xanh lá, kèm dòng mô tả: "Con trai ca sĩ Yahir công khai tố cáo nữ diễn viên Gala Montes sử dụng chất kích thích, trong ồn ào của chương trình La Casa de los Famosos México."

Tôi đọc câu ấy bốn lần. Không có đội bóng nào trong đó. Không có cầu thủ, không có huấn luyện viên, không có tỷ số, không có hợp đồng, không có một chú thích chiến thuật nào. Một cuộc khẩu chiến giữa đời tư của những người nổi tiếng Mexico, bị dán lên cái nhãn chỉ dành cho bóng đá. Tôi ngồi im rất lâu. Không phải vì bất ngờ - tôi đã thấy loại lỗi này nhiều lần. Mà vì lần đầu tiên, tôi quyết định dừng lại và viết về chính cái lỗi đó.

Mười tám năm làm nghề, tôi đi từ phòng thu thanh nhỏ ở Sài Gòn tới các tòa soạn thể thao ở Seoul. Tôi tường thuật tám kỳ Thế vận hội, tám kỳ World Cup, và nhiều mùa Giro d'Italia lẫn Tour de France. Nhưng công việc thật sự của một phóng viên thể thao, suốt thời gian ấy, không phải là đứng trên khán đài - mà là ngồi trong im lặng, xác minh từng con số, từng câu nói, từng nguồn tin. Tôi học được điều đó từ những người không bao giờ xuất hiện trên truyền hình.

Khoảng hai năm trở lại đây, công việc đó thay đổi. Phần lớn dữ liệu tôi nhận được mỗi ngày không còn đến từ con người. Nó đến từ các hệ thống tự động: thu thập, phân loại, dán nhãn, tóm tắt. Những hệ thống này xử lý hàng trăm nghìn bài báo mỗi ngày, và chúng tôi - những người viết - phụ thuộc vào nhãn chúng gán để biết nên đọc gì, bỏ qua gì. Một nhãn sai không phải là một lỗi nhỏ. Nó là một viên sỏi lọt vào bánh răng. Và số sỏi đang nhiều lên.

Sự thật đáng nói không nằm ở nội dung bài báo. Nó nằm ở cái nhãn.

Trước khi đi tiếp, tôi cần kể rõ bài báo ấy nói về ai và nói cái gì, để bạn thấy được khoảng cách giữa nội dung và cái nhãn lớn đến mức nào.

Nhân vật trung tâm là Tristán Othón, con trai của Yahir - một ca sĩ nhạc pop Mexico nổi tiếng và từng tham gia chương trình truyền hình thực tế. Người bị nhắm tới là Gala Montes, một nữ diễn viên Mexico. Bối cảnh là chương trình La Casa de los Famosos México - một show truyền hình thực tế, nơi người nổi tiếng sống chung trong một ngôi nhà và bị khán giả theo dõi từng cử chỉ.

Câu chuyện diễn ra theo một trình tự quen thuộc. Trước đó, Gala Montes từng có những phát ngôn về thói quen ăn uống của Yahir. Tristán Othón đáp trả bằng một video đăng trên mạng xã hội, với tuyên bố mang tính gia đình: nếu ai đụng tới cha tôi, người đó đụng tới tôi. Nhưng rồi từ chỗ bảo vệ danh dự gia đình, sự việc trượt sang một vùng khác: Tristán công khai tố cáo Gala Montes sử dụng chất kích thích. Đi kèm tố cáo ấy là những lời lẽ mang tính xúc phạm cá nhân.

Ở góc độ kiểm chứng, đây là điểm mấu chốt. Trong toàn bộ các thông tin mà tôi có trong tay, không có bất kỳ bằng chứng nào cho tố cáo kia. Không có tài liệu, không có hình ảnh, không có lời khai của bên thứ ba, không có nguồn kiểm chứng độc lập. Chỉ có một video cá nhân, đăng công khai, trên tài khoản mạng xã hội của chính người đưa ra tố cáo.

Tôi ghi lại toàn bộ điều này vì một lý do nghề nghiệp đơn giản: trong nghề của tôi, một tố cáo không có bằng chứng không phải là tin. Nó là một giả thuyết. Và một giả thuyết, khi đi qua một hệ thống dán nhãn tự động, có thể bị biến thành một sự kiện - chỉ bằng một cú nhấp chuột.

Vậy điều gì đã xảy ra để một bài báo như thế nhận nhãn "Football"?

Tôi đã dành ba ngày để thử truy ngược. Tôi không có quyền truy cập vào mã nguồn của hệ thống, nhưng tôi có thể suy đoán từ cấu trúc. Có ba khả năng.

Thứ nhất, một lỗi khớp chuỗi. Trong tiếng Anh và tiếng Tây Ban Nha, tên "Gala" có thể trùng một phần với "Galatasaray" - một câu lạc bộ bóng đá Thổ Nhĩ Kỳ. Nếu bộ lọc từ khóa của hệ thống đủ thô, một cái tên người có thể kích hoạt một nhãn chuyên môn. Nghe có vẻ vô lý, nhưng tôi đã chứng kiến những lỗi tương tự trong quá khứ.

Thứ hai, một lỗi theo mẫu. "La Casa de los Famosos" là một thương hiệu truyền hình có nhiều phiên bản quốc gia. Nếu một mẫu dữ liệu nào đó gán nhãn "thể thao" cho các chương trình có yếu tố cạnh tranh - vì chúng có bảng xếp hạng, có loại trừ, có người thắng kẻ thua - thì một chương trình thực tế có thể bị kéo vào nhầm.

Thứ ba, một lỗi từ dữ liệu huấn luyện nhiễm bẩn. Nếu hệ thống từng học từ một tập dữ liệu trong đó lẫn các bài báo giải trí đội lốt thể thao, nó sẽ tiếp tục tái tạo lỗi ấy. Đây là loại lỗi nguy hiểm nhất, vì nó tự sinh sôi.

Tôi không thể khẳng định khả năng nào là đúng. Nhưng tôi có thể khẳng định một điều: cả ba khả năng đều chỉ ra cùng một vấn đề. Hệ thống dán nhãn tin tức thể thao hiện nay đang vận hành mà không có đủ người kiểm chứng ở vòng cuối.

Và cái lỗi này, với tôi, không phải là câu chuyện mới. Tôi đã sống với nó từ năm 2026.

Mùa hè năm ấy, tôi hai mươi chín tuổi, là phóng viên cấp trung theo dõi FC Seoul. Ngày 15 tháng Bảy, trong trận gặp Jeonbuk, tôi chú ý đến một hậu vệ trái hai mươi mốt tuổi tên Park Min-jun - số áo 22 - người có năm pha tạt bóng trúng đích trong sáu mươi phút, trước khi bị huấn luyện viên rút ra để chuyển sơ đồ sang 3-4-3. Tôi viết một bài giới thiệu về cậu ấy. Biên tập viên từ chối, vì bài không có tin giật gân. Ba tháng sau, Park Min-jun bị đẩy xuống đội hạng hai. Tôi im lặng nhận trách nhiệm: mình đã không đủ dũng cảm để bảo vệ một phát hiện.

Từ đó, tôi bắt đầu ghi chú riêng về những cầu thủ bị đánh giá thấp, gắn với các chỉ số định lượng cụ thể - số đường chuyền thành công, số pha tắc bóng, số lần chạm bóng trong vòng cấm. Cách viết của tôi chuyển từ bình luận chung sang hồ sơ cụ thể, giàu tình tiết. Tôi hiểu ra một điều mà tôi mang theo đến tận bây giờ: một phát hiện không được bảo vệ thì cũng giống như không có phát hiện.

Điều này liên quan trực tiếp đến câu chuyện hôm nay. Khi một bài báo không có bóng đá bị dán nhãn "Football", cái bị tổn thương không phải là bài báo ấy. Cái bị tổn thương là niềm tin của những người đọc, của những người viết, và của cả một hệ thống dựa trên dữ liệu.

Hãy tưởng tượng dòng chảy tiếp theo. Một bài báo giải trí lọt vào kho dữ liệu bóng đá. Nó được đếm vào một mô hình nào đó. Nó trở thành một điểm dữ liệu trong một bảng tổng hợp về mức độ phủ sóng. Nó bị một mô hình ngôn ngữ đọc và nhắc lại. Rồi một nhà phân tích nào đó, tin vào cái nhãn, đưa nó vào một báo cáo. Không ai cố ý làm sai. Nhưng sai thì vẫn là sai.

Tôi gọi đây là "hiệu ứng viên sỏi". Một viên sỏi nhỏ lọt vào guồng máy, và guồng máy vẫn chạy - nhưng sản phẩm đầu ra đã khác. Không ai thấy viên sỏi. Ai cũng thấy sản phẩm.

Trong trường hợp cụ thể này, viên sỏi có hai mặt. Mặt thứ nhất là mặt dữ liệu. Mặt thứ hai là mặt con người.

Ở mặt dữ liệu, một bài báo không có bóng đá làm nhiễu bất kỳ mô hình nào tiêu thụ nó. Nếu hệ thống đang đếm tần suất xuất hiện của từ khóa liên quan đến bóng đá, bài báo này góp phần làm sai lệch kết quả. Nếu hệ thống đang phân tích cảm xúc của người hâm mộ, bài báo này đẩy tín hiệu theo một hướng không tồn tại. Đó là loại lỗi lan truyền âm thầm, và khó sửa nhất.

Ở mặt con người, có một hậu quả nghiêm trọng hơn nhiều. Một tố cáo không có bằng chứng về việc sử dụng chất kích thích, đăng công khai trên mạng xã hội, kèm những lời lẽ xúc phạm - đây không còn là chuyện giải trí. Đây là chuyện pháp lý và đạo đức. Ở nhiều hệ thống luật, một phát ngôn như vậy có thể cấu thành hành vi xâm phạm danh dự, và người đưa ra phát ngôn - không phải người bị nhắm tới - mới là bên gánh rủi ro. Tôi nói điều này với tư cách quan sát truyền thông, không phải tư vấn pháp lý.

Nhưng tôi không muốn dừng ở việc chỉ trích. Nghề của tôi không phải là ngồi phán xét các hệ thống. Nghề của tôi là tìm ra điều gì đúng, và giữ nó lại.

Vậy điều gì đúng ở đây?

Điều đúng là: một cái nhãn sai không tự sửa. Một bài báo lọt nhầm không tự biến mất. Và một hệ thống không có người kiểm tra ở vòng cuối sẽ tiếp tục tái tạo lỗi của chính nó, ngày này qua ngày khác, cho đến khi có ai đó dừng lại.

Nhưng có một góc nhìn ngược chiều mà tôi muốn cân nhắc, vì tôi tin rằng người viết tốt phải tự thách thức chính mình.

Nhiều người sẽ nói: đây chỉ là lỗi nhỏ, đừng phóng đại. Có hàng triệu bài báo mỗi ngày, vài lỗi dán nhãn là chuyện không đáng bàn. Và ở một mức độ nào đó, họ đúng. Nếu nhìn từ con số, một bài báo lạc nhãn không làm sụp đổ ngành tin tức thể thao.

Nhưng cách nhìn đó bỏ sót một điều. Nó bỏ sót cái cách mà sai sót nhỏ vận hành. Trong bóng đá, một đường chuyền sai ở phút thứ ba có thể trở thành bàn thắng của đối phương ở phút thứ chín mươi. Trong dữ liệu, một nhãn sai ở vòng đầu có thể trở thành một kết luận sai ở vòng cuối. Người ta chỉ nhìn kết luận. Không ai nhìn đường chuyền ở phút thứ ba.

Có một niềm tin phổ biến rằng trí tuệ nhân tạo sẽ thay thế con người trong khâu dán nhãn, và rằng điều đó là tốt vì nó nhanh hơn. Nhưng thứ mà chúng tôi cần ở vòng cuối không phải là tốc độ. Thứ chúng tôi cần là sự ở lại. Một người ngồi lại, nhìn vào cái nhãn, và hỏi: "Cái này có đúng không?"

Khoảnh khắc đáng nhớ nhất của tôi trong nghề không đến từ một trận chung kết. Nó đến từ năm 2026, khi đại dịch khiến mọi giải đấu dừng lại. Tôi xin vào Sân vận động World Cup Seoul hai lần mỗi tuần, và gặp ông Kim Sang-oh, năm mươi tám tuổi, người chăm sóc mặt cỏ suốt mười lăm năm. Ông vẫn cắt cỏ đều đặn dù không có trận nào. Tôi viết loạt bài mười hai kỳ mang tên "Sân cỏ trong im lặng" - không cầu thủ, không khán giả, chỉ có tiếng máy cắt cỏ. Loạt bài giành giải thưởng báo chí thể thao quốc gia.

Tôi kể câu chuyện đó vì một lý do. Có những thứ quan trọng nhất chỉ hiện ra khi sân vận động trống. Và một bài báo không có bóng đá, bị dán nhãn bóng đá - đó chính là một sân vận động trống. Nó phơi ra điều mà tiếng ồn thường che giấu: rằng chúng ta đang vận hành một hệ thống mà ở đó, ở vòng cuối cùng, không còn ai ngồi lại.

Tôi học được điều này từ người ngồi cuối băng ghế dự bị. Người đó không ghi bàn, không được gọi tên, và thường bị lãng quên khi bảng tỷ số hiện ra. Nhưng người đó giữ cho đội bóng còn thở.

Trong câu chuyện hôm nay, "người ngồi cuối băng ghế" không phải là Tristán Othón hay Gala Montes. Cũng không phải là Yahir. Người ngồi cuối băng ghế là người kiểm duyệt ở vòng cuối - người bị cắt giảm đầu tiên khi ngân sách eo hẹp, người mà công việc của họ vô hình khi mọi thứ suôn sẻ, và chỉ được nhớ đến khi đã quá muộn.

Tôi không viết bài này để bênh vực một bên hay lên án một bên trong cuộc khẩu chiến Mexico. Cuộc khẩu chiến ấy không thuộc về bóng đá, và tôi không có đủ ba nguồn để kết luận bất cứ điều gì về nó. Tôi viết bài này vì một việc khác, nhỏ hơn và lớn hơn cùng lúc: một cái nhãn sai đã lọt qua tay tôi, và tôi muốn giữ nó lại trước khi nó biến thành một điều gì khác.

Người ta nhìn bảng tỷ số, tôi nhìn cái cách họ thở khi bóng đi chệch cột. Và ở đây, quả bóng đã đi chệch cột từ rất lâu trước khi có ai kịp thấy.

Vậy cần theo dõi điều gì tiếp theo?

Thứ nhất, cái nhãn. Nếu hệ thống sửa lại nhãn từ "Football" thành "Entertainment", đó là dấu hiệu cho thấy vòng kiểm chứng cuối cùng vẫn còn sống. Nếu nó không được sửa, đó là dấu hiệu cho thấy chúng ta sẽ còn thấy thêm nhiều viên sỏi nữa.

Thứ hai, tố cáo. Nếu nó được rút lại, hoặc được bổ sung bằng chứng, bức tranh rủi ro thay đổi. Nếu nó tiếp tục đứng nguyên mà không có bằng chứng, nó tiếp tục là một giả thuyết - bất kể hệ thống gán cho nó cái nhãn gì.

Thứ ba, những người ngồi cuối băng ghế. Họ có còn được giữ lại ở vòng cuối không, hay đã bị thay bằng một thuật toán nhanh hơn, rẻ hơn, và tự tin hơn mức cần thiết?

Tôi không biết câu trả lời. Nhưng tôi biết một điều mà mười tám năm làm nghề đã dạy tôi: một câu hỏi đúng thường quan trọng hơn một câu trả lời sai.

Mỗi mùa giải là một nhịp trống, và việc của tôi là lắng nghe cho đến khi nó thành giai điệu. Nhịp trống hôm nay không đều. Có một nốt lạc. Và nốt lạc ấy, nếu ta không để ý, sẽ trở thành một phần của bản nhạc - không phải vì nó hay, mà vì không ai nghe đủ kỹ để nhận ra nó không thuộc về đó.

Người viết thể thao giỏi nhất không phải người chạy nhanh nhất, mà là người ở lại lâu nhất. Tôi ở lại. Câu hỏi duy nhất còn lại là: hệ thống có ở lại cùng tôi không, hay đã đi trước từ lâu?