Biên bản không có bàn thắng: Khi dữ liệu tố cáo một bài báo bị dán nhãn sai

Có những bản án được viết trước khi quả bóng lăn. Và có những biên bản trận đấu được lập cho một trận cầu chưa từng tồn tại.

Ngày 13 tháng 8, một lá thư được gửi tới Washington. Nội dung xoay quanh việc thu hồi thị thực nhập cảnh Mỹ của Andy López Beltrán, con trai cựu Tổng thống Mexico Andrés Manuel López Obrador. Sáu tuần sau, khoảng ngày 29 tháng 9, một tờ báo lớn của Mỹ công bố bài điều tra với năm nguồn tin giấu tên, nói rằng hai cơ quan an ninh Mỹ đang rà soát các cáo buộc liên quan tới tội phạm có tổ chức và buôn lậu nhiên liệu.

Tôi đọc bản tin đó trong phòng làm việc, mở bảng tính ra như thường lệ, và nhận thấy một điều bất thường không nằm ở nội dung. Hệ thống phân loại dữ liệu của tôi đã dán nhãn bài báo này là bóng đá. Không một đội bóng, không một cầu thủ, không một trận đấu, không một vụ chuyển nhượng nào xuất hiện trong toàn bộ hai mươi điểm thông tin nguồn. Nhãn đúng sẽ phải là chính trị và pháp lý. Nhãn hệ thống đọc được là bóng đá.

Đó là lý do tôi viết bài này. Không phải để phân tích một trận cầu. Mà để ghi lại một lỗi vận hành, theo đúng cách tôi vẫn làm mỗi tuần.

Từ năm 2026, khi xây dựng mô hình phân tích từ 1.847 pha phạm lỗi trong 228 trận K League 1, tôi học được một nguyên tắc: dữ liệu chỉ đáng tin khi quy trình gán nhãn đáng tin. Một quả phạt góc được ghi sai thành phạt đền sẽ đầu độc toàn bộ bảng thống kê phía sau. Một bài báo về pháp lý được ghi thành bóng đá sẽ đầu độc toàn bộ hệ thống phân phối nội dung phía sau.

Cơ chế lỗi ở đây khá dễ lần ra. Các bộ phân loại tự động thường bám vào từ khóa. Trong văn bản nguồn có chữ "câu lạc bộ" theo nghĩa tổ chức, có tên các cơ quan, có cấu trúc tin tức điều tra giống cấu trúc tin chuyển nhượng. Bộ phân loại không đọc ngữ nghĩa, nó đếm tín hiệu. Và nó đếm sai.

Vấn đề không dừng ở một nhãn sai. Vấn đề nằm ở chỗ nhãn sai sẽ lan truyền. Một bài viết được định tuyến vào kho phân tích bóng đá sẽ được đưa cho các mô hình dự đoán bóng đá xử lý. Những mô hình đó sẽ trích xuất thực thể, gán trọng số, và đưa ra kết luận về một chủ thể không hề tồn tại trong thế giới bóng đá. Nếu quy trình không có chốt kiểm tra, sai số này sẽ đi thẳng vào báo cáo cuối cùng.

Điều đáng nói là bản thân bài báo nguồn lại được viết rất cẩn trọng về mặt pháp lý. Nó phân biệt rõ ràng giữa "đang rà soát cáo buộc" và "mở điều tra chính thức". Nó ghi nhận rõ rằng chưa có cáo trạng, chưa có khởi tố. Nó nói thẳng rằng bài báo không khẳng định các hành vi phạm tội là đúng. Việc thu hồi thị thực không đồng nghĩa với việc xác nhận hành vi phạm tội, và bài báo nhắc lại sự phân biệt đó hai lần.

Tôi tôn trọng cách viết đó. Đó là kiểu kỷ luật mà tôi muốn thấy ở mọi bản tin. Nhưng chính sự cẩn trọng đó lại khiến lỗi dán nhãn trở nên nghiêm trọng hơn. Một bài báo được viết với đầy đủ cảnh báo về tính chưa được chứng minh của cáo buộc, khi bị đẩy vào một hệ thống phân tích không đọc kỹ ngữ cảnh, sẽ bị rút gọn thành một dòng dữ liệu trần trụi. Và dòng dữ liệu trần trụi đó sẽ được dùng làm căn cứ cho những kết luận mà bài báo gốc đã cố tình tránh.

Khoảng thời gian sáu tuần giữa sự kiện thị thực và bài điều tra là một chi tiết đáng ghi vào biên bản. Nó gợi ý rằng bài điều tra có thể là phản ứng dây chuyền sau sự kiện, chứ không phải một bước leo thang độc lập. Nhưng đây là suy luận, không phải dữ liệu. Tôi ghi nó vào cột ghi chú, không đưa vào cột kết luận.

Có một điều khác cần đặt lên bàn. Lý do cụ thể của việc thu hồi thị thực chưa được phía đại sứ quán Mỹ công bố. Khi lý do không được nêu, các diễn giải chính trị sẽ tự lấp vào chỗ trống. Chủ thể của bài báo công khai cho rằng biện pháp này mang động cơ chính trị. Phía cơ quan chức năng không xác nhận, cũng không phủ nhận chi tiết nào. Khoảng trống thông tin đó là mảnh đất màu mỡ cho mọi phía.

Năm 2026, tôi học cách tin vào mô hình trước khi tin vào cảm xúc. Bài học đó vẫn đúng. Nhưng mô hình chỉ tốt bằng dữ liệu đầu vào. Và dữ liệu đầu vào chỉ tốt bằng khâu gán nhãn.

Trong trận bán kết World Cup 2026, khi phân tích VAR cho đài KBS, tôi phát hiện tần suất sử dụng VAR ở vòng bán kết cao gấp 3,2 lần vòng bảng. Con số đó chỉ có ý nghĩa vì tôi biết chắc mỗi tình huống được gán đúng vào loại của nó. Nếu một tình huống bóng chạm tay trong vòng cấm bị gán thành lỗi việt vị, toàn bộ kết luận sẽ sụp đổ. Cùng một logic, một bài báo chính trị bị gán thành bóng đá sẽ làm sụp đổ mọi kết luận xây trên nó.

Sân vận động trống rỗng, nhưng kỷ luật vẫn ngồi trên khán đài. Trong mùa giải 2026 không khán giả, tôi phân tích 171 trận K League và thấy số thẻ vàng giảm 18,5 phần trăm so với mùa 2026. Kết luận của tôi khi đó là áp lực đám đông ảnh hưởng trực tiếp tới ngưỡng chịu đựng của trọng tài. Một kết luận như vậy đòi hỏi mọi trận đấu phải được ghi nhận đúng loại. Chỉ một trận bị gán sai cũng đủ làm lệch con số.

Đó là lý do tôi coi lỗi dán nhãn trong bài báo này là một sự kiện đáng ghi biên bản, chứ không phải một chi tiết kỹ thuật nhỏ.

Để hiểu một giải đấu, hãy đọc biên bản kỷ luật thay vì bảng xếp hạng. Và để hiểu một hệ thống dữ liệu, hãy đọc danh sách các lỗi gán nhãn thay vì bảng thành tích.

Dữ liệu không bao giờ bị truất quyền thi đấu. Nhưng dữ liệu sai nhãn thì bị loại khỏi cuộc chơi ngay từ lúc vào sân.

Hệ thống của tôi không phơi bày lỗi của cầu thủ, nó phơi bày vũ điệu của sự bất công. Lần này, vũ điệu đó diễn ra ở khâu phân loại, trước cả khi có ai kịp chạm bóng.

Tôi không bắt lỗi ai, tôi chỉ lần theo dấu vết mà họ để lại trên sân. Dấu vết ở đây là một nhãn sai được sinh ra tự động, đi qua hệ thống định tuyến, và suýt nữa đi thẳng vào báo cáo cuối cùng.

Mỗi thẻ đỏ là một bản án được viết từ trước đó nhiều pha bóng. Mỗi lỗi dữ liệu nghiêm trọng cũng vậy. Nó được viết từ trước đó, ở một khâu mà không ai nhìn thấy.

Việc cần làm bây giờ không phải là tranh luận thêm về nội dung chính trị của bài báo gốc. Việc cần làm là kiểm tra lại toàn bộ đường ống gán nhãn. Có bao nhiêu bài viết khác đã bị đẩy vào sai ngăn kéo. Có bao nhiêu kết luận đã được xây trên những dòng dữ liệu bị phân loại nhầm.

Những gì còn lại thuộc về tương lai là câu hỏi mở: khi các hệ thống phân tích ngày càng tự động, ai sẽ là người ngồi ở khâu gán nhãn, và liệu người đó có đọc kỹ ngữ cảnh trước khi bấm nút.