Khi bản tin hình sự khoác áo bóng đá: một nhãn sai và cái giá của nó

Trong hộp thư phân tích có một tệp tin gắn nhãn “bóng đá”. Tôi mở nó theo đúng trình tự nghề: đọc tên tệp, dò nguồn, đối chiếu dấu thời gian, rồi mới động vào nội dung. Cả ba lớp đầu đều trượt. Bên trong không có đội bóng, không có cầu thủ, không có tỷ số, không có tên giải đấu. Có một phụ nữ 21 tuổi ở Brazil, chủ một tài khoản mạng xã hội với khoảng 24.000 người theo dõi, bị sát hại trước mặt cha ruột tại một xã thuộc bang Pará. Có một vụ điều tra hình sự đang mở. Có một người từng bị tạm giữ, được tại ngoại tạm thời ngày 9 tháng 9, rồi thiệt mạng khoảng một tuần sau đó. Đây là một bản tin hình sự, bị dán nhãn bóng đá. Và không có gì thuộc về bóng đá trong tập dữ liệu này cả.

Tôi không xem trận đấu; tôi đọc nhịp trận đấu qua từng khung hình. Ở đây, khung hình đầu tiên đã cho biết tôi đang xem nhầm cuốn băng. Nhưng cái đáng viết không phải cuốn băng, mà là cái nhãn dán lên nó. Một hồ sơ giết người lọt vào nhánh phân tích bóng đá là chuyện của hệ thống phân loại, không phải chuyện của bóng đá. Và hệ thống thì luôn có người vận hành.

Cơ chế của sự lẫn lộn này khá rõ. Các bộ phân loại tự động phần lớn chạy bằng từ khóa. Một bài báo hình sự có thể chứa đủ cụm từ để đánh lừa máy: tên viết tắt của một tổ chức tội phạm, tên địa danh, tên một nhóm có tổ chức. Chỉ cần một cụm khớp với danh mục có sẵn, cả tệp tin bị đẩy sang nhánh bóng đá mà không ai mở ra đọc. Đây là kiểu sai số tôi quen thuộc: hệ thống không hỏng ở chỗ nó kêu, nó hỏng ở chỗ nó im.

Trong trường hợp cụ thể này, một phụ nữ 21 tuổi bị sát hại. Cô từng bị tạm giữ trong một vụ việc khác, được tại ngoại tạm thời ngày 9 tháng 9 và chưa hề bị kết tội. Các tài khoản của cô biến mất hoặc không còn truy cập được sau lần tạm giữ đó. Ba chữ cái viết tắt của một tổ chức tội phạm được tìm thấy tại hiện trường, nhưng chính quyền đã nói rõ: chưa xác nhận trách nhiệm. Đó là toàn bộ dữ kiện. Không có bàn thắng, không có chiến thuật, không có chuyển nhượng, không có gì để một mô hình bóng đá học được ngoài việc học sai.

Đáng chú ý là chính bài báo gốc đã giữ mình khá kỹ. Nó nói rõ người phụ nữ chưa bị kết tội. Nó nói rõ cơ quan chức năng chưa xác nhận tổ chức nào chịu trách nhiệm. Hai câu đó là phần đáng giá nhất của toàn bộ văn bản, và cũng là hai câu dễ bị cắt nhất khi ai đó tóm tắt lại. Giữ lại câu phủ nhận khó hơn giữ lại câu khẳng định, vì câu phủ nhận không tạo được tiêu đề.

Tôi từng nộp một báo cáo năm 2026, sau sáu tuần thống kê 47 quả phạt đền trong 15 vòng đấu của Chinese Super League, cho thấy một trọng tài nghiêng về đội chủ nhà tới 68% ở các tình huống 50/50. Báo cáo bị trả lại với lý do trực giác trọng tài quan trọng hơn thống kê. Sáu tháng sau, khi liên đoàn đổi cách áp dụng luật chạm tay dựa trên dữ liệu tương tự, báo cáo ấy thành tài liệu nội bộ. Tôi kể chuyện này để nói một nguyên tắc: một hệ thống không có người kiểm tra thì không phải hệ thống, mà là một thói quen. Hôm nay nó dán nhãn “bóng đá” lên một vụ giết người. Mai nó sẽ dán nhãn “đã xác nhận” lên một tin chuyển nhượng chưa kiểm chứng.

Rủi ro ở đây có hai lớp, và lớp thứ hai mới là lớp nguy hiểm.

Lớp thứ nhất là rủi ro dữ liệu. Một hồ sơ hình sự lọt vào kho dữ liệu bóng đá sẽ kéo lệch mô hình chủ đề, làm bẩn chỉ mục từ khóa, làm hỏng hệ thống truy xuất. Nếu tệp này được lưu, nó không nằm yên: nó sẽ xuất hiện trong kết quả tìm kiếm về một cầu thủ nào đó chỉ vì trùng một cụm từ. Cách xử lý đúng không phải là sửa nội dung cho khớp nhãn. Cách xử lý đúng là cách ly tệp, chuyển nó về danh mục hình sự, và rà lại cả lô dữ liệu.

Lớp thứ hai là rủi ro biên tập, và nó nặng hơn nhiều. Một vụ sát hại kèm tiền sử tạm giữ sẽ nhanh chóng bị kể lại thành một câu chuyện khác: từ nạn nhân thành nghi phạm. Đó là phản xạ của công chúng, và cũng là phản xạ của tóm tắt tự động. Chỉ cần một bản tóm tắt giữ câu “ba chữ cái của tổ chức tội phạm tại hiện trường” mà cắt câu “chưa xác nhận”, ta đã biến một bản tin thận trọng thành một lời buộc tội. Đường kẻ không bao giờ nói dối, nhưng người kẻ đường thì có thể. Và người kẻ đường ở đây có thể là một thuật toán không biết mình đang viết về chuyện gì.

Phe phản biện sẽ nói: chỉ là một tệp dán nhãn sai, xóa đi là xong. Tôi không đồng ý với cách đặt vấn đề đó. Vấn đề không nằm ở việc một tệp hình sự lọt vào nhánh bóng đá; vấn đề nằm ở chỗ bộ máy dán nhãn ấy không phân biệt nổi một âm bản rõ ràng — một vụ giết người, không một từ khóa bóng đá nào. Nếu nó trượt ở ca hiển nhiên như vậy, độ chính xác của nó ở những ca tinh vi là điều không có gì bảo đảm.

Cái khó nhất trong nghề này không phải là đếm được một con số, mà là giữ được một con số đúng khi xung quanh ai cũng muốn nó kể một câu chuyện. Ở đây không có con số nào để đếm. Chỉ có một người đã chết, một gia đình đã mất con, và một hệ thống đang giữ nhầm danh mục. Một kho dữ liệu trống không tạo ra bóng đá ma; nó tạo ra những kẻ kể chuyện — những người buộc phải bịa ra một trận đấu từ chỗ không có gì.

Điều tôi muốn đề xuất không phải là “hãy cẩn thận hơn”, vì câu đó vô nghĩa. Tôi muốn một bước kiểm tra có tên: trước khi một tệp tin được nạp vào kho phân tích bóng đá, phải có một người mở nó ra và trả lời đúng một câu hỏi — trong đây có đội bóng nào không? Nếu câu trả lời là không, tệp bị đẩy ra ngoài kèm một dòng ghi chú. Ai kiểm tra người kiểm tra: đó là câu hỏi tôi vẫn tự hỏi mỗi lần ngồi vào phòng xem lại băng quay chậm. Không hệ thống nào tự cứu mình, kể cả hệ thống được thiết kế để sửa sai cho người khác. Nhưng cái tệp tin kia phải được trả về đúng chỗ của nó — trước khi có ai đó biến một vụ án mạng thành một dòng dữ liệu bóng đá.