Nhãn "bóng đá" dán trên một bản tin cấp thoát nước: sự cố phân loại và cái bẫy lấp đầy mọi ô trống

Sáu giờ sáng ở sân tập, mặt cỏ còn ướt sương. Tôi mở cuốn sổ, ghi giờ, ghi nhiệt độ, ghi tên từng cầu thủ bước ra khỏi đường hầm. Có những buổi sáng tôi ghi lại bước chân cầu thủ, như đang viết một bản nhạc không lời. Bốn mươi năm làm nghề, tôi học được một điều tưởng như tầm thường: một con số chỉ có giá trị khi ta biết chắc nó thuộc về trận đấu nào.

Chiều hôm đó, tôi mở hệ thống dữ liệu nội bộ. Một bản ghi mới vừa được đẩy vào luồng tin bóng đá. Nhãn phân loại ghi rõ ràng: bóng đá. Mục nguồn bài: để trống. Mục độ nhạy cảm thời gian: để trống. Mục chất lượng nguồn: để trống. Tôi bấm vào phần thân bài, và trong ba mươi hai điểm thông tin của bản ghi ấy, không có lấy một chữ về bóng đá.

Không có đội bóng. Không có cầu thủ. Không có huấn luyện viên, không có giải đấu, không có liên đoàn, không có thị trường chuyển nhượng. Ba mươi hai điểm thông tin ấy nói về một quy hoạch tổng thể cấp nước, thoát nước và xử lý nước thải cho Vùng Thủ đô Islamabad, được ký kết dưới hình thức biên bản ghi nhớ giữa Cơ quan Phát triển Thủ đô (CDA) và Cơ quan Hợp tác Quốc tế Nhật Bản (JICA). Sân tập không nói dối. Nó chỉ đợi người biết nghe. Lần này, hệ thống dữ liệu đã nói một điều sai.

Bối cảnh: một biên bản ghi nhớ hoàn toàn thật, chỉ là nó không thuộc về bóng đá

Cần nói ngay rằng nội dung bị dán nhãn sai là một sự kiện có thật, được tường thuật trung thực, và xét theo tiêu chuẩn báo chí thì nó không có lỗi gì. Nó chỉ nằm sai chỗ.

Bản ghi mô tả một biên bản ghi nhớ hợp tác kỹ thuật song phương giữa CDA và JICA về quy hoạch tổng thể hệ thống cấp nước, thoát nước và tiêu thoát cho Vùng Thủ đô Islamabad. Thời hạn dự án được nêu là ba mươi sáu tháng. Năm mục tiêu của quy hoạch là 2050. Phạm vi không gian gồm các khu vực hành chính từ 1 đến 5 của Vùng Thủ đô.

Những người đứng tên trong bản ghi đều là công chức và nhà ngoại giao, không ai là huấn luyện viên hay giám đốc thể thao. Về phía CDA có ông Sohail Ashraf, Chủ tịch Cơ quan Phát triển Thủ đô, đồng thời giữ chức Ủy viên Chính của Islamabad. Về phía JICA có ông Miyagawa Masahito, Trưởng nhóm khảo sát. Tham dự lễ ký còn có ông Sardar Khan Zimri, Tổng Giám đốc Cơ quan Cấp nước Islamabad, và bà Fakhryia Anjum, Thư ký liên ngành phụ trách Nhật Bản thuộc Vụ Kinh tế. Cuộc khảo sát hiện trường diễn ra từ ngày 24 tháng 8 đến ngày 14 tháng 9, lễ ký được tiến hành vào ngày thứ Hai sau đó.

Các nghiên cứu trước đây của JICA được dẫn chiếu như dữ liệu đầu vào cho quy hoạch mới. Các chủ đầu tư bất động sản tư nhân được nhắc tới trong vai trò đối tượng phải tuân thủ yêu cầu tối thiểu về quy hoạch và dịch vụ hạ tầng. Giọng văn của bản tin là giọng nghi lễ, một nguồn duy nhất, không có tiếng nói phản biện nào xuất hiện trong suốt ba mươi hai điểm thông tin.

Đây là một bản tin hạ tầng đô thị tử tế. Nó chỉ không phải bóng đá. Và đó chính là toàn bộ vấn đề.

Phần lõi: khi từ vựng quy hoạch khoác áo từ vựng thể thao

Hệ thống phân tích của chúng tôi chạy hai tầng. Tầng một bóc tách bài viết thành các điểm thông tin và gán nhãn lĩnh vực. Tầng hai áp khung phân tích chuyên môn lên các điểm thông tin ấy. Ở bản ghi này, tầng một đã gán nhãn "bóng đá". Tầng hai, khi nhận được, buộc phải trả lời một câu hỏi lạ: phân tích chiến thuật của một hệ thống thoát nước trông như thế nào?

Câu trả lời đúng là: không trông như thế nào cả.

Hãy đi qua chín chiều phân tích chuẩn để thấy mức độ trống rỗng. Về chiến thuật và kỹ thuật, không có sơ đồ đội hình, không có cấu trúc pressing, không có vai trò cầu thủ, không có bất kỳ chỉ số bàn thắng kỳ vọng hay đường chuyền kiến tạo kỳ vọng nào. Về tài chính câu lạc bộ và thị trường chuyển nhượng, công cụ trong nguồn là một biên bản ghi nhớ hợp tác kỹ thuật, không phải hợp đồng lao động hay hợp đồng chuyển nhượng. Con số ba mươi sáu tháng là chu kỳ dự án công, không phải thời hạn hợp đồng cầu thủ. Năm 2050 là mốc quy hoạch hạ tầng, không phải đường cong tuổi tác của một đội hình.

Về kết quả thi đấu và chu kỳ dư luận, không có bảng xếp hạng, không có lịch thi đấu, không có phong độ. Về bối cảnh giải đấu, cái được gọi là "khu vực 1 đến 5" là địa lý hành chính, không phải hệ thống thăng hạng và xuống hạng. Về luật lệ và quản trị, nội dung quản trị trong nguồn thuộc về tài trợ phát triển và hành chính đô thị, không phải luật bóng đá. Sự tham gia của Vụ Kinh tế cho thấy đây là kênh tài chính cấp nhà nước, một cơ chế hoàn toàn khác với tài chính câu lạc bộ.

Về phòng thay đồ và quản lý, bốn cá nhân được nêu tên giữ các chức vụ hành chính và ngoại giao. Cấu trúc ký kết là cấu trúc thể chế song phương, không phải thứ bậc câu lạc bộ. Về hồ sơ rủi ro, cột rủi ro thể thao, rủi ro tài chính bóng đá, rủi ro nhân sự bóng đá đều trống. Chiều rủi ro duy nhất có nội dung là rủi ro hệ thống, và nó nằm ở chính bản ghi này: một bản ghi mang nhãn bóng đá nhưng chứa nội dung không phải bóng đá.

Về dư luận và truyền thông, nguồn là một bản tin công bố dựa trên lễ ký, giọng điệu chính thức, mục đích thông tin. Về truyền dẫn ngành, dòng vốn duy nhất được mô tả là hỗ trợ phát triển song phương chảy vào hạ tầng đô thị, một lớp tài sản hoàn toàn tách biệt với đầu tư bóng đá.

Điểm mấu chốt nằm ở đây: một bản ghi bị dán nhãn sai không phải là một bản ghi vô hại. Nó là một bản ghi có khả năng sinh ra phân tích bịa đặt nếu người phân tích tuân thủ mệnh lệnh điền đầy mọi ô trống.

Tôi từng ngồi bốn tháng cách ly trong mùa dịch năm 2026, xem đi xem lại ba mươi tám trận đấu của một đội bóng ở Ligue 2. Tôi phát hiện ra rằng mười tám trong tổng số hai mươi lăm bàn thua, tức bảy mươi hai phần trăm, đến từ các pha phản công sau khi hậu vệ phải dâng cao. Tôi viết một báo cáo ba mươi trang, không công khai, gửi cho ban huấn luyện. Khi mùa giải trở lại, đội thắng sáu trận liên tiếp. Ba mươi trang giấy không cứu ai, nhưng người đọc nó là người giữ nhịp.

Điều tôi học được từ mùa hè năm ấy không nằm ở công thức. Nó nằm ở kỷ luật xác minh. Trước khi tôi dám viết rằng bảy mươi hai phần trăm bàn thua đến từ cánh phải, tôi phải tua lại từng bàn thua, ghi số phút, ghi vị trí xuất phát của đường bóng, ghi tên cầu thủ mất bóng. Một hệ thống dữ liệu bóng đá vận hành được là vì ở tầng thấp nhất của nó, có người ngồi đếm.

Và tầng thấp nhất ấy vừa thất bại.

Có một giả thuyết đáng cân nhắc về nguyên nhân. Từ vựng của một quy hoạch hạ tầng — kế hoạch tổng thể, chiến lược theo giai đoạn, cơ quan thực hiện, phân định thẩm quyền, lộ trình đầu tư ngắn hạn và dài hạn — có độ trùng lặp bề mặt đáng kể với từ vựng quản trị thể thao. Một bộ phân loại dựa trên từ khóa có thể bị đánh lừa bởi lớp vỏ ngôn ngữ ấy. Đây chỉ là giả thuyết, và cần được kiểm chứng chứ không nên được khẳng định.

Nhưng dù nguyên nhân là gì, hậu quả mang tính cấu trúc. Nếu nhãn được sinh ra từ đường dẫn, từ tên chuyên mục, hoặc từ một mô hình chỉ nhìn phần đầu trang chứ không nhìn thân bài, thì lỗi này không ngẫu nhiên. Nó có tính hệ thống. Và lỗi hệ thống thì tái diễn.

Có một chi tiết nữa khiến tôi chú ý. Bản ghi sai nhãn đồng thời có ba trường metadata trống: nguồn bài, độ nhạy cảm thời gian, chất lượng nguồn. Ba trường trống ấy có thể không phải là sự trùng hợp. Chúng gợi ý rằng các bản ghi bị dán nhãn sai thường cũng là các bản ghi được xử lý sơ sài ở tầng trước. Nếu đúng như vậy, chúng ta đang có sẵn một bộ lọc cảnh báo sớm miễn phí: sự vắng mặt của metadata.

Tôi nhớ một buổi sáng tháng Bảy năm 2026 ở một lò đào tạo trẻ ngoại ô Paris. Một cậu bé mười sáu tuổi gốc Mali chơi tiền vệ trung tâm, thực hiện bốn mươi bảy đường chuyền chính xác trên tổng số năm mươi tư, đạt tám mươi bảy phần trăm, kèm chín pha tắc bóng thành công. Tôi viết một bài dài mười hai nghìn từ trên blog cá nhân và không nhận được một đồng nhuận bút nào. Chủ tịch học viện đọc bài, mời tôi làm quan sát viên không lương, được vào sân từ sáu giờ mỗi sáng. Viên ngọc thô năm ấy không lấp lánh, nhưng tôi biết mình đang nhìn một thứ đang thở.

Điều tôi muốn nói qua câu chuyện đó rất cụ thể. Giá trị của một quan sát viên không nằm ở việc anh ta viết được bao nhiêu. Nó nằm ở việc anh ta từ chối viết bao nhiêu. Tôi đã có trong tay một thông tin về việc đội tuyển Pháp chuẩn bị đổi sơ đồ từ bốn hai ba một sang bốn ba ba để khắc chế Bỉ, nghe được trong đường hầm sân vận động sau trận tứ kết. Trong đường hầm sân vận động, tiếng ồn tắt hẳn. Chỉ còn nhịp tim của trận đấu. Tôi giữ kín, không viết một dòng nào. Pháp thắng một không, rồi vô địch. Uy tín của tôi đến từ việc giữ mồm giữ miệng, không phải từ việc tung tin.

Cùng logic ấy áp vào dữ liệu. Một hệ thống phân tích đáng tin không phải là hệ thống luôn có câu trả lời. Nó là hệ thống biết khi nào phải im lặng.

Hãy hình dung điều gì xảy ra nếu tầng hai làm ngược lại. Một mô hình được huấn luyện để hoàn thành biểu mẫu sẽ tìm cách hoàn thành biểu mẫu. Nó sẽ hỏi: chiều phân tích chiến thuật cần gì? Nó cần một đội hình, một phong cách chơi, một cấu trúc pressing. Không có dữ liệu thật, nó sẽ dựng ra. Nó sẽ gán cho một hệ thống cấp nước một sơ đồ chiến thuật. Nó sẽ biến khu vực hành chính thành bảng xếp hạng, biến thời hạn ba mươi sáu tháng thành độ dài hợp đồng, biến mốc 2050 thành giai đoạn chuyển giao thế hệ của một đội hình.

Điều đáng sợ là đầu ra ấy sẽ trông rất chuyên nghiệp. Nó sẽ có số liệu. Nó sẽ có thuật ngữ. Nó sẽ có cấu trúc. Và nó sẽ hoàn toàn sai.

Rủi ro lớn nhất ở đây không phải là một câu lạc bộ xuống hạng hay một cầu thủ chấn thương. Rủi ro là một dòng dữ liệu được dán nhãn bóng đá đang chảy đến tay người đọc và mang theo nội dung không thuộc về bóng đá. Tổn thất là tổn thất niềm tin.

Tác hại không dừng ở một bản ghi. Dữ liệu bẩn lan theo đường tổng hợp. Nếu một bản ghi như thế này lọt vào một chỉ số cảm xúc truyền thông, nó sẽ làm lệch điểm. Nếu nó lọt vào một chỉ số theo dõi dòng chuyển nhượng, nó sẽ tạo ra tín hiệu ma. Nếu nó lọt vào một bản tổng hợp tuần, nó sẽ trở thành một dòng mà không ai truy được nguồn. Ở tầng vĩ mô hơn, nếu tỷ lệ bản ghi sai nhãn vượt ngưỡng một phần trăm, chất lượng tổng thể của luồng tin bắt đầu suy giảm.

Trong nghề của tôi, chúng ta thường tranh cãi rất lâu về việc chỉ số bàn thắng kỳ vọng bị lạm dụng như thế nào, về việc nó không giải thích được quyết định của trận đấu, phong độ cầu thủ hay tiêu chuẩn trọng tài. Nhưng tranh cãi ấy chỉ có nghĩa khi ta đã chắc chắn con số thuộc về môn thể thao mà ta đang nói tới. Một cuộc tranh luận về ý nghĩa của chỉ số là cuộc tranh luận ở tầng cao. Việc dán nhãn sai là thất bại ở tầng thấp nhất. Khi tầng thấp nhất hỏng, mọi tầng phía trên đều vô nghĩa.

Tôi từng viết về cách mạng lưới tuyển trạch ở các nước đang phát triển vừa tìm thấy thiên tài, vừa tạo ra những tấm vé số bóng đá và những gia đình tan vỡ. Bài học từ đó áp được vào đây theo một cách bất ngờ: sự thiếu kiểm soát ở khâu đầu vào luôn tạo ra hậu quả ở khâu đầu ra, và người trả giá thường không phải là người gây ra lỗi.

Góc phản trực giác: bản năng đổ lỗi cho thuật toán đang che mất vấn đề thật

Phản ứng tự nhiên khi thấy một bản ghi bị dán nhãn sai là đổ lỗi cho mô hình. Mô hình ngu, mô hình hỏng, mô hình cần thêm dữ liệu huấn luyện. Cách giải thích ấy nghe hợp lý và nó khiến chúng ta thấy yên tâm, vì nó biến sự cố thành một vấn đề kỹ thuật có thể sửa bằng một lần cập nhật.

Nhưng hãy nhìn vào động cơ kinh tế phía sau. Các luồng dữ liệu hiện đại được thiết kế để tối đa hóa khối lượng. Mỗi bản ghi phải được xử lý, mỗi trường phải được điền, mỗi mục phải có nội dung. Trong một hệ thống như vậy, khoảng trống bị coi là thất bại. Nói "không đủ thông tin để đánh giá" bị coi là không hoàn thành nhiệm vụ. Và khi một hệ thống trừng phạt sự im lặng, nó đang dạy cho mọi thành phần bên trong nó rằng bịa đặt là một cách hoàn thành.

Điểm phản trực giác ở đây là: đầu ra có giá trị nhất từ bản ghi này không phải là một phân tích, mà là một lời từ chối.

Từ chối không phải là thụ động. Từ chối là một hành động có thông tin. Nó đòi hỏi người phân tích phải thực hiện đủ phép kiểm tra để biết chắc rằng không có gì để phân tích. Trích xuất thực thể trả về số không thực thể bóng đá — không câu lạc bộ, không cầu thủ, không huấn luyện viên, không giải đấu — là một kết quả đo lường được, không phải một khoảng trống.

Điều thứ hai cần nói: chúng ta có xu hướng tin rằng một nguồn trông nghiêm túc thì đáng tin. Bản tin này có đầy đủ chức danh, đầy đủ tên cơ quan, đầy đủ quy trình khảo sát, đầy đủ ngày tháng. Nó là một bản tin công bố dựa trên lễ ký, một nguồn duy nhất, không có tiếng nói phản biện nào. Chính vì nó không có tiếng nói đối lập, nó không tạo ra ma sát. Không có ma sát, bộ lọc nào cũng dễ dàng cho qua.

Điều thứ ba, và có lẽ là điều khiến tôi khó chịu nhất. Trong ngành thể thao, chúng ta đã dành nhiều năm để nói về việc thủ môn bị định giá bằng khả năng phát bóng thay vì phản xạ cơ bản, về việc những pha phản xạ suy giảm vẫn nhận được mức phí chuyển nhượng cao. Câu chuyện ấy có một cấu trúc quen thuộc: một thuộc tính phụ, dễ đo, được ưu tiên hơn một thuộc tính chính, khó đo. Dữ liệu cũng vậy. Một chỉ số dễ đo, như số lượng bản ghi được xử lý, được ưu tiên hơn một chỉ số khó đo, như tỷ lệ bản ghi được xử lý đúng. Khi phần dễ đo trở thành thước đo thành công, phần khó đo sẽ bị bỏ mặc cho đến khi nó sụp đổ.

Và một điều nữa dành cho những ai đang xây dựng hệ thống bằng mô hình ngôn ngữ. Khi bạn buộc một hệ thống phải sản xuất nội dung ở mọi mục, bạn đang tối ưu hóa nó cho việc sản xuất nội dung, không phải cho việc nói sự thật. Hai mục tiêu ấy không trùng nhau. Trong những điều kiện bình thường, chúng đủ gần để ta không nhận ra khác biệt. Trong những điều kiện trống rỗng, chúng tách ra hoàn toàn.

Cổng chặn đúng cho tình huống này rất đơn giản. Nếu bước trích xuất thực thể không tìm thấy một câu lạc bộ, một cầu thủ hay một giải đấu nào, hệ thống chỉ được xuất kết quả ở chế độ xử lý rỗng. Trả bản ghi về tầng một để gán nhãn lại. Không công bố bất kỳ phân tích bóng đá nào rút ra từ nó. Kiểm toán các bản ghi anh em cùng lô để xem đây là ca cá biệt hay là lỗi dây chuyền.

Điểm nhìn tiến bộ

Tôi không tin vào những hệ thống dữ liệu luôn có câu trả lời. Sau bốn mươi năm đứng ở sân tập, tôi tin vào những hệ thống biết nói rằng chúng chưa biết.

Bản ghi về hệ thống cấp thoát nước Islamabad là một bản tin tốt ở sai chỗ. Nó sẽ không gây hại gì nếu nó ở đúng chỗ của nó. Nó chỉ trở nên nguy hiểm khi có ai đó, ở đâu đó trong dây chuyền, được giao nhiệm vụ biến nó thành một câu chuyện bóng đá và không được trao quyền nói rằng nó không phải vậy.

Trước mỗi giờ bóng lăn, tôi luôn tự hỏi một câu duy nhất: nhịp điệu của trận đấu nằm ở đâu. Bây giờ tôi tự hỏi thêm một câu nữa. Trước khi một bản tin đến tay người đọc, có ai trong chúng ta còn đủ can đảm để mở trang đầu tiên và đọc xem nó thực sự nói về cái gì không?

Hoặc: có ai còn đủ can đảm để nhìn vào một ô trống và nói rằng nó nên ở lại trống?