"Monterrey" và lỗi gán nhãn: khi bản tin hình sự lọt vào dữ liệu bóng đá

2 giờ 40 phút sáng, màn hình trong căn hộ nhỏ ở Sài Gòn sáng lên. Một dòng tin chạy qua: người phụ nữ 23 tuổi bị tạm giữ sau khi dùng dao gây thương tích cho người đàn ông 51 tuổi, vụ việc xảy ra trên đường Juan Álvarez, trung tâm Monterrey, bang Nuevo León, Mexico. Nạn nhân được chuyển sang cơ sở y tế, nghi phạm được giao cho cơ quan chức năng, hồ sơ đang trong quá trình điều tra. Dòng dữ liệu ấy mang theo một nhãn: bóng đá.

Tôi đọc lại ba lần. Không có đội bóng. Không có cầu thủ. Không có huấn luyện viên, không có trận đấu, không có bảng xếp hạng, không một dòng nào về chuyển nhượng hay điều lệ giải. Hai mươi hai điểm thông tin trong bản ghi gốc, tất cả đều xoay quanh một vụ án hình sự ở đô thị công nghiệp phía bắc Mexico. Vậy mà nhãn vẫn nằm đó, như một tấm vé vào nhầm cửa.

Cách các hệ thống tin tức vận hành ngày nay không phức tạp như ta tưởng. Một bài báo chạy qua lớp phân loại đầu tiên, tại đó các từ khóa bề mặt được đếm và so khớp. Bài nào chứa nhiều từ thuộc một chủ đề thì được xếp vào chủ đề đó. Với phần lớn nội dung đời sống, cách làm này đủ dùng. Với bóng đá, nó là một cái bẫy giăng sẵn.

Monterrey là tên một thành phố hơn một triệu dân, đồng thời là tên một câu lạc bộ ở Liga MX. Cỗ máy không phân biệt được hai thứ ấy, bởi cả hai đều là cùng một chuỗi ký tự. Nó chỉ thấy chữ, không thấy ngữ cảnh. Thế là một vụ hành hung trên đường Juan Álvarez trở thành tin bóng đá, chỉ vì nó xảy ra ở đúng nơi một đội bóng đang đóng quân.

Điều khiến tôi chú ý hơn cả là những dấu hiệu đi kèm trong chính bản ghi ấy. Hình minh họa do trí tuệ nhân tạo tạo ra. Trường nguồn để trống ở gần như toàn bộ các điểm thông tin. Cuối trang là vài tiêu đề hoàn toàn không liên quan, từ quy định giao thông tới một vụ tai nạn khác. Ba dấu hiệu đó cộng lại vẽ nên chân dung một trang tổng hợp nội dung chất lượng thấp. Và một trang như thế, khi lọt vào đường ống dữ liệu, không gây ồn ào. Nó chỉ lặng lẽ nằm sai chỗ.

Tôi từng coi chuyện gán nhãn sai là chuyện nhỏ. Sau buổi tối ở Long An năm 2026, tôi nghĩ khác. Mùa đó tôi ngồi đủ chín trận sân nhà và ghi lại một chi tiết không ai nhắc tới: ba bàn thua trong mười phút cuối, ở ba trận khác nhau. Khi đội bị loại khỏi AFC Cup, tôi dành ba ngày ngồi với ông Sáu, người gác cổng sân, nghe ông kể về những thế hệ cầu thủ khoác áo Long An từ năm 2026. Thứ tôi giữ lại đến giờ không phải bài viết, mà là thói quen ghi lại những khoảnh khắc bảng tỷ số bỏ qua.

Giữa hai tiếng còi, có một thế giới mà bảng tỷ số không đo được. Thế giới ấy chỉ tồn tại nếu có ai đó ghi lại đúng cách. Một cái tên viết sai, một sự kiện xếp nhầm ngăn, một dòng dữ liệu lạc chủ đề — chúng nằm im ở đó, chờ được tìm ra.

Năm 2026, tôi gọi nhầm Denis Cheryshev thành Dzyuba ba lần trong một buổi bình luận trực tiếp ở World Cup. Phản ứng trên mạng đến nhanh hơn tôi kịp uống ngụm nước. Tôi bỏ ra bốn mươi bảy ngày xem lại toàn bộ băng các trận của tuyển Nga từ vòng loại, lần theo cuộc đời mười một cầu thủ dự bị, viết thành chuỗi bài về phòng thay đồ của họ. Trong quá trình đó tôi phát hiện cha của Cheryshev từng chơi cho Real Madrid, một chi tiết chưa tờ nào nhắc. Sửa một cái tên sai mất 47 ngày; giữ lòng tin một con người là mãi mãi. Từ đó, mỗi bài viết của tôi bắt đầu bằng việc đối chiếu phiên âm tên cầu thủ qua tối thiểu ba nguồn độc lập.

Áp cùng nguyên tắc ấy lên câu chuyện Monterrey. Một hệ thống đáng tin không hỏi “bài này có từ khóa gì”, mà hỏi “bài này có thực thể bóng đá nào”. Thực thể, chứ không phải từ khóa: tên câu lạc bộ, tên cầu thủ, tên giải, tên sân, ngày thi đấu, tỷ số. Không có thực thể nào trong danh sách ấy thì bài viết không thuộc ngăn bóng đá, bất kể nó nhắc bao nhiêu lần một cái tên trùng khớp.

Đây là phần khiến vấn đề nghiêm trọng hơn với chúng ta. Bóng đá Việt Nam thuộc nhóm những nền bóng đá có mật độ câu lạc bộ mang tên địa danh cao nhất thế giới. Nam Định, Hải Phòng, Thanh Hóa, Nghệ An, Đà Nẵng, Bình Dương, Long An, Cần Thơ, Quảng Nam — mỗi cái tên vừa là một địa phương, vừa là một đội bóng. Ở Anh, trường hợp tương tự đếm trên đầu ngón tay. Ở Tây Ban Nha, Valencia hay Sevilla cũng gây nhầm lẫn, nhưng ít hơn nhiều. Với tiếng Việt, gần như mọi bản tin xã hội nhắc tới Hải Phòng hay Thanh Hóa đều mang theo rủi ro gán nhãn sai.

Hệ quả dừng lại ở một bài xếp nhầm thì đã nhẹ. Dữ liệu bẩn có tính lan truyền. Một bản ghi sai chủ đề lọt vào chỉ mục tìm kiếm, được một mô hình khác đọc, rồi được dùng làm nguyên liệu trả lời độc giả. Sai một lần ở tầng dưới, sai nhiều lần ở tầng trên. Với một nền bóng đá mà dữ liệu công khai còn mỏng, tỷ lệ nhiễu ấy đủ làm lệch một chỉ số theo dõi phong độ hay độ sâu đội hình.

Phản xạ đầu tiên của ngành khi thấy lỗi phân loại là thêm dữ liệu: thêm mẫu huấn luyện, thêm từ điển, thêm nhãn. Tôi cho rằng hướng đó đi ngược. Vấn đề không nằm ở việc cỗ máy biết quá ít, mà ở việc nó được phép quyết định quá dễ dãi. Bớt từ khóa, thêm điều kiện. Thay vì hỏi “có phải bóng đá không”, hãy hỏi “có đội nào, cầu thủ nào, trận nào không”. Một cánh cổng hẹp chặn được nhiều lỗi hơn một bộ dữ liệu lớn.

Đổ hết lỗi cho thuật toán thì chúng ta bỏ sót thủ phạm chính. Cỗ máy chỉ lặp lại điều tầng biên tập đã bỏ qua. Trang đăng bản tin kia dùng ảnh do trí tuệ nhân tạo tạo, không ghi nguồn, ghép cạnh tin hình sự những tiêu đề câu khách về giao thông. Không ai đọc lại trước khi xuất bản. Thuật toán làm đúng phần việc của nó trên một đầu vào không được kiểm. Lỗi nằm ở con người, chỉ hiện hình qua máy móc.

Còn một điểm nhức nhối hơn. Nạn nhân trong vụ việc ở Monterrey là một người 51 tuổi; nghi phạm là một phụ nữ 23 tuổi. Họ là công dân, không phải nhân vật bóng đá. Khi câu chuyện như thế bị kéo vào ngăn dữ liệu thể thao, tổn hại vượt ra ngoài con số thống kê sai. Đó là sự tái nhận diện ngoài ý muốn, ở một không gian họ chưa từng chọn bước vào. Tôi từng mất bốn mươi bảy ngày để sửa ba cái tên. Sửa một tổn thương thì không có mốc thời gian nào.

Đêm đó, tôi gắn cờ cho bản ghi, đẩy nó ra khỏi ngăn bóng đá, và ghi thêm một dòng vào cuốn sổ đã dày lên trong mấy năm: trùng tên địa danh. Bóng đá không bao giờ nợ chúng ta một kết quả, nó chỉ nợ chúng ta một câu chuyện. Nhưng nó chỉ trả câu chuyện ấy cho người chịu đọc đúng ngăn kéo. Việc đáng theo dõi trong những tháng tới không phải là có thêm bao nhiêu bài bị gán nhãn sai, mà là liệu các đường ống dữ liệu có chịu dựng thêm một cánh cổng — nơi mỗi cái tên phải được đối chiếu trước khi bước vào sân.