Bản tin chặn đường ở Mexico City lọt vào luồng phân tích bóng đá: lỗi gắn nhãn và cái giá của dữ liệu bẩn

Một tệp dữ liệu, hai thế giới

Đồng hồ ở Lyon chỉ 2 giờ 14 phút sáng khi tôi mở tệp thứ mười một trong hàng đợi phân tích của ngày hôm đó. Nhãn ở đầu tệp ghi rõ: lĩnh vực bóng đá. Nhưng dòng đầu tiên kể về những tiểu thương bán thịt ở chợ San Juan, quận Iztapalapa, Mexico City, dựng rào chắn trên Calzada Ignacio Zaragoza để phản đối quy định bắt buộc thanh toán điện tử. Khoảng 150 người tham gia. Tuyến Metro A gánh lượng khách tăng vọt. Trung tâm điều hành giao thông OVIAL CDMX phát cảnh báo ùn tắc. Lực lượng C5 và Subsecretaría de Control de Tránsito được điều tới hiện trường.

Tôi đọc hết 17 điểm thông tin. Hai lần. Rồi lần thứ ba, chậm hơn.

Không có đội bóng nào. Không có cầu thủ, không có huấn luyện viên, không có hợp đồng, không có phí chuyển nhượng, không có bảng xếp hạng, không có một phút thi đấu nào. Một bản tin giao thông đô thị thuần túy đã được đưa vào đúng cái hàng đợi mà tôi vẫn dùng để sàng lọc các thương vụ chuyển nhượng.

Nếu tôi ngồi vào bàn và phân tích nó như một sự kiện bóng đá, tôi sẽ phải bịa ra mọi thứ.

Cách một bản tin lọt vào hàng đợi bóng đá

Ở tuổi 33, sau khi rời sân cỏ để chuyển sang nghề báo, tôi dành phần lớn thời gian làm việc với các luồng dữ liệu. Các hãng thông tấn, bộ phận truyền thông câu lạc bộ, tổ chức giải đấu và hàng trăm trang tin nhỏ đẩy nội dung vào hệ thống mỗi giờ. Không ai đọc bằng mắt từng bản tin. Hệ thống phân loại tự động gắn nhãn theo lĩnh vực, theo mức độ khẩn cấp, theo vùng địa lý, rồi chia về các hàng đợi.

Nhãn quyết định tất cả. Một tệp mang nhãn bóng đá sẽ đi vào luồng phân tích bóng đá. Một tệp mang nhãn giao thông sẽ đi vào luồng hạ tầng đô thị. Nếu nhãn sai, biên tập viên ở đầu bên kia — thường là người trẻ, thường chịu sức ép thời gian — sẽ xử lý tệp ấy bằng đúng bộ công cụ của lĩnh vực ghi trên nhãn.

Tôi từng nghĩ chuyện này nhỏ, kiểu lỗi kỹ thuật hiếm gặp. Tôi đã sai về tần suất của nó.

Điều khiến tôi dừng lại ở tệp này là mức độ rõ ràng của sự nhầm lẫn. Không có một chút mơ hồ nào. Bản tin nói về rào chắn, về dòng xe, về chính sách thanh toán, về một khu chợ ở phía đông Mexico City. Không có bất kỳ từ nào có thể gợi tới bóng đá khi đọc trong ngữ cảnh.

Vậy thì lỗi nằm ở đâu?

Giải phẫu lỗi: 17 điểm thông tin, 0 thực thể bóng đá

Trong nghề của tôi, một thực thể là bất cứ thứ gì có tên riêng và có thể tra cứu: một câu lạc bộ, một cầu thủ, một giải đấu, một quỹ đầu tư, một điều khoản hợp đồng. Bản tin này có rất nhiều thực thể. Chúng đều thuộc về một thế giới khác.

Chợ San Juan, ở Iztapalapa. Khoảng 150 tiểu thương bán thịt và hàng tươi sống. Calzada Ignacio Zaragoza, một trong những trục đường lớn của phía đông thành phố. Tuyến Metro A. OVIAL CDMX. C5. Subsecretaría de Control de Tránsito. Chính quyền quận Iztapalapa.

Đếm đi đếm lại, số thực thể bóng đá bằng không.

Khi tôi đối chiếu với quy trình phân tích mà mình vẫn dùng cho các thương vụ chuyển nhượng, kết quả còn rõ hơn. Có chín chiều phân tích tiêu chuẩn: chiến thuật và kỹ thuật, tài chính câu lạc bộ và thị trường chuyển nhượng, kết quả thi đấu và vòng xoáy dư luận, bối cảnh giải đấu và vị thế đội bóng, tuân thủ quy định và quản trị, phòng thay đồ và ban huấn luyện, hồ sơ rủi ro, câu chuyện truyền thông và kỳ vọng, cùng chuỗi lan tỏa của toàn ngành.

Cả chín chiều đều trả về cùng một câu: không đủ thông tin để đánh giá.

Đó là một kết quả phân tích hợp lệ. Nó cũng là kết quả mà rất nhiều người trong nghề không dám đưa ra.

Tôi đã dành thêm hai giờ để kiểm tra theo cách thủ công: lọc toàn bộ tệp theo tên riêng, theo chức danh, theo đơn vị tiền tệ, theo mùa giải. Không một dòng nào khớp. Lần duy nhất tôi thấy chữ “giải đấu” là khi tôi tự viết nó ra trong ghi chú của chính mình.

Khi từ vựng đường phố trùng từ vựng sân cỏ

Tôi dành hai ngày để truy nguyên khả năng cao nhất: vì sao một bộ phân loại tự động lại gán nhãn bóng đá cho một bản tin về rào chắn giao thông.

Câu trả lời nằm ở sự chồng lấn từ vựng. Trong tiếng Anh và tiếng Tây Ban Nha, rất nhiều từ khóa của tin đô thị và tin bóng đá là cùng một chuỗi ký tự.

“Blockade” và “block”. “Market” trong “San Juan Market” và “transfer market”. “Line” trong “Metro Line A” và “defensive line”. “Pressure” trong “traffic pressure” và “high press”. “Window” trong “service window” và “transfer window”. “Crowd” trong “crowd of protesters” và “crowd at the stadium”. “Suspension” trong “suspension of a payment rule” và “suspension of a player”.

Một bộ lọc đọc từ khóa mà không đọc cấu trúc câu sẽ nhìn thấy bốn, năm tín hiệu quen thuộc và kết luận ngay. Nó không sai về mặt kỹ thuật. Nó sai về mặt ý nghĩa.

Đây là điều tôi nhận ra khi so sánh với công việc hằng ngày của mình. Lỗi gắn nhãn sai trong hệ thống tin tức thể thao hầu như không bao giờ đến từ việc thiếu từ khóa — nó đến từ việc bộ lọc không phân biệt được một từ khóa đứng một mình và một từ khóa đứng trong một mạng lưới quan hệ.

Trong bóng đá, “market” chỉ có nghĩa khi nó đi kèm một câu lạc bộ, một người đại diện, một cửa sổ chuyển nhượng, một con số. Ở chợ San Juan, “market” chỉ có nghĩa khi nó đi kèm người bán thịt, quầy hàng và một quy định thanh toán. Cùng một từ. Hai vũ trụ.

Điều đáng chú ý là bản tin này không hề chứa từ khóa bóng đá nào ở dạng trần trụi. Nó chỉ chứa những từ khóa ấy ở dạng ngữ nghĩa, tức là ở tầng mà một danh sách loại trừ không thể chạm tới.

Cái giá của việc ép một cách đọc

Giả sử tôi bỏ qua nhãn và tự hỏi: nếu phải viết 500 từ về tệp này như một sự kiện bóng đá, tôi sẽ viết gì?

Tôi sẽ phải dựng một đội bóng không tồn tại. Tôi sẽ phải gán cho những người bán thịt một vai trò cổ động viên. Tôi sẽ phải biến việc dựng rào chắn thành một hành động phản kháng trong nội bộ phòng thay đồ. Tôi sẽ phải biến OVIAL CDMX thành ban tổ chức giải. Mỗi câu trong đó sẽ là một lời nói dối, dù từng chữ đều đúng ngữ pháp.

Nghề của tôi đã đi qua giai đoạn mà sai sót kiểu này chỉ gây xấu hổ. Bây giờ nó gây thiệt hại.

Một bài viết sai về một thương vụ có thể đẩy giá cổ phiếu của một câu lạc bộ niêm yết, làm lệch kỳ vọng của nhà tài trợ, hoặc đơn giản hơn là khiến một cầu thủ 19 tuổi phải đọc những lời nguyền rủa từ những người chưa từng thấy anh ấy đá bóng. Tôi đã từng chứng kiến chuyện đó.

Tôi vẫn nhớ đêm tháng 5 năm 2026 khi thương vụ Victor Osimhen tới Paris Saint-Germain đổ vỡ ở phút chót vì vấn đề công bằng tài chính. Mức giá được nhắc tới là 180 triệu euro. Trong vòng hai giờ, hàng nghìn bình luận trút xuống tài khoản của cầu thủ. Phần lớn trong số đó được viết bởi những người chỉ đọc tiêu đề. Tôi phải tổ chức một buổi tọa đàm trực tuyến giữa các nhóm cổ động viên Lyon, Paris và Napoli chỉ để giải thích rằng một thương vụ đổ vỡ không có nghĩa là một con người phản bội ai.

Khi một bản tin sai nhãn bị ép thành phân tích, thiệt hại không nằm ở chỗ nó được đăng — mà ở chỗ nó được tin.

Cùng lúc đó, ở Mexico City, khoảng 150 tiểu thương đang mất một ngày buôn bán. Họ không cần thêm một bài bình luận bóng đá về mình. Họ cần một bản tin đúng chỗ.

Kỷ luật của câu trả lời trống

Phí giải phóng đầu tiên dạy tôi rằng: con số chỉ là khởi điểm, không phải đích đến.

Năm 2026, tôi 24 tuổi, là phóng viên mới của một trang tin thể thao kỹ thuật số ở Lyon. Nhờ quá khứ từng chơi ở đội trẻ của câu lạc bộ Lyon, tôi có quan hệ với một tuyển trạch viên. Tôi nghe được rằng Houssem Aouar sắp gia hạn hợp đồng, và vì muốn phá độc quyền tin, tôi đăng con số phí giải phóng là 30 triệu euro. Con số đúng là 45 triệu euro. Người đại diện của cầu thủ và biên tập viên thể thao lớn tuổi gọi điện chất vấn tôi trong cùng một buổi chiều.

Từ đó, tôi tự đặt một luật: không công bố bất kỳ con số nào nếu chưa đối chiếu ít nhất ba nguồn độc lập. Và khi dữ liệu chưa đủ chắc, tôi viết “mức phí ước tính”.

Luật đó áp dụng cho cả những tệp không có con số nào.

Trong bản phân tích tệp tin Mexico City, câu trả lời đúng cho gần như mọi chiều phân tích là không đủ thông tin, không thể đánh giá. Người ngoài có thể đọc câu đó như một sự bỏ cuộc. Trong nghề, đó là câu trả lời đắt nhất và khó viết nhất, vì nó đòi hỏi người viết phải từ chối phần thưởng dễ dàng nhất: một bài viết nghe có vẻ hiểu biết.

Tôi từng nói với các đồng nghiệp trẻ ở Paris rằng giá trị của một người làm dữ liệu không nằm ở số cột họ điền được, mà ở số cột họ dám để trống.

Nghề tin chuyển nhượng học được gì

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở Ligue 1 qua nhiều mùa giải, tôi nhận ra một quy luật lặp lại: những sai lầm nghiêm trọng nhất trong tin chuyển nhượng không đến từ nguồn tin xấu, mà đến từ một nguồn tin tốt bị đặt vào sai ngữ cảnh.

Một tuyển trạch viên nói với tôi rằng câu lạc bộ đang nhắm một tiền đạo. Anh ấy nói thật. Nhưng anh ấy nói vào tháng 2, khi danh sách dự phòng còn mười cái tên. Đến tháng 7, chỉ còn một cái tên ở lại. Nếu tôi đăng vào tháng 2 rằng câu lạc bộ sắp ký hợp đồng với cầu thủ X, tôi không nói dối. Tôi chỉ đặt một dữ kiện đúng vào một khung thời gian sai.

Lỗi gắn nhãn sai trong tệp Mexico City thuộc cùng một họ. Không có thông tin sai. Chỉ có thông tin bị đặt vào sai ngăn kéo.

Đó là lý do tôi xem việc truy nguyên lỗi này là một phần của nghề, chứ không phải một công việc kỹ thuật thuần túy. Khi tôi giải thích cho độc giả vì sao một thương vụ đổ vỡ, tôi đang làm đúng việc mà người vận hành hệ thống phân loại phải làm: chỉ ra rằng một dữ kiện đúng vẫn có thể dẫn tới một kết luận sai nếu nó nằm sai chỗ.

Thời đình trệ dạy tôi rằng: lắng nghe là một dạng chuyển nhượng quan trọng nhất.

Điểm mù của niềm tin vào một bộ lọc tốt hơn

Phản ứng đầu tiên của hầu hết mọi người khi nghe câu chuyện này là đề xuất một bộ lọc tốt hơn. Thêm từ khóa loại trừ. Thêm mô hình ngôn ngữ. Thêm một lớp kiểm tra tự động.

Tôi không tin đó là hướng đúng.

Một bộ lọc tốt hơn theo kiểu đếm từ khóa sẽ không sửa được lỗi này. Tệp dữ liệu kia không hề chứa một từ khóa bóng đá rõ ràng nào khi đọc trong ngữ cảnh câu, nghĩa là bộ phân loại đã không hoạt động theo kiểu đếm từ khóa. Nó hoạt động theo xác suất ngữ nghĩa, và xác suất ngữ nghĩa không sửa được bằng một danh sách loại trừ dài hơn.

Còn một lý do khác nằm ở cấu trúc của ngành. Mỗi lớp tự động hóa mới lại làm giảm số người thực sự đọc văn bản. Một bộ lọc tốt hơn sẽ khiến người ta tin vào hệ thống hơn, và do đó đọc ít hơn. Khi số người đọc giảm, xác suất một lỗi lọt qua tăng lên, chứ không giảm.

Nói cách khác, điều ngành thể thao cần không phải là một cỗ máy phân loại thông minh hơn. Điều ngành cần là một quy trình trong đó việc trả lời “không đủ thông tin” là hành động mặc định, chứ không phải hành động dũng cảm.

Sai lầm đáng giá khi nó dạy bạn bảo vệ người khác khỏi chính sai lầm đó.

Nước đi tiếp theo

Sẽ có người nói với tôi rằng một tệp dữ liệu bị gắn nhãn sai không đáng để viết một bài dài như thế này. Tôi hiểu. Trong mười bảy năm theo dõi ngành, tôi đã thấy hàng nghìn tệp bị xử lý sai và bị quên đi trong cùng một ngày.

Nhưng tôi cũng đã thấy điều ngược lại. Mỗi khi một hệ thống tin tức thể thao mất đi khả năng phân biệt giữa “chưa có thông tin” và “không có thông tin”, nó bắt đầu sản xuất ra những bài viết trông giống hệt nhau: trôi chảy, tự tin và trống rỗng. Độc giả cảm nhận được điều đó trước khi họ gọi tên được nó.

Nếu quy trình của tôi hôm đó bị đẩy nhanh thêm ba mươi giây, có lẽ đã có một bản phân tích về áp lực tuyến giữa của một khu chợ bán thịt.

Vậy thì câu hỏi tôi mang theo vào ca làm việc tiếp theo rất đơn giản: trong hàng đợi của tôi đêm nay, có bao nhiêu tệp tôi đang đọc với một niềm tin đã được cài sẵn từ trước — và tôi sẽ phát hiện ra chúng muộn đến mức nào?