Nhãn dữ liệu sai ở V.League 2035 và cậu bé 17 tuổi bị hệ thống bỏ quên

Tháng 3/2035, tại trung tâm huấn luyện của một câu lạc bộ V.League 1 ở phía Bắc, tôi ngồi cạnh chuyên viên phân tích dữ liệu khi anh mở hồ sơ một tiền vệ 17 tuổi. Ở dòng "Domain" trên màn hình ghi: Esports. Phía dưới là 42 trận, 2.318 phút thi đấu, 11 đường chuyền mở ra cơ hội. Tất cả đều đúng. Chỉ có cái nhãn là sai.

Anh cười, kiểu cười của người đã quá quen: "Hệ thống không sai. Nó chỉ trả lời đúng câu hỏi mà chúng tôi đặt sai."

Tôi mất ba tuần để hiểu vì sao một dòng chữ nhỏ như vậy lại quyết định ai được gọi lên đội một và ai bị bỏ lại ở sân tập.

Năm 2035, bóng đá Việt Nam vận hành trên một nền tảng dữ liệu tập trung do VPF phối hợp với hai đối tác công nghệ nước ngoài. Mỗi trận đấu, từ V.League 1 xuống các giải U-17 và U-19, đều được camera đa điểm ghi lại, đẩy qua mô hình nhận diện tự động rồi dán nhãn trước khi vào kho lưu trữ. Nhãn gồm bốn tầng: loại hình nội dung, độ tuổi, vị trí thi đấu và mức độ ưu tiên. Câu lạc bộ không tự dán nhãn. Họ nhận dữ liệu đã qua xử lý, giống như nhận bảng điểm sau trận.

Vấn đề nằm ở tầng đầu tiên. Hệ thống phân loại loại hình nội dung được thiết kế để tách bóng đá khỏi các mảng khác trong cùng một kho, trong đó có thể thao điện tử. Từ năm 2031, một số giải esports Việt Nam dùng chung hạ tầng truyền hình với các trận bóng đá trẻ để tiết kiệm chi phí sản xuất.

Với những cầu thủ đã khẳng định vị trí như Nguyễn Thái Sơn hay Khuất Văn Khang, một nhãn sai không tạo ra khác biệt nào. Hồ sơ của họ dày tới mức hệ thống không thể bỏ sót. Nhưng với một cầu thủ 17 tuổi có 42 trận trong kho, mọi thứ vận hành theo cách khác.

Tháng 2/2035, một cuộc kiểm tra nội bộ của VPF rà soát 18.400 tệp video trong kho lưu trữ mùa 2034-2035. Báo cáo công bố ngày 12/3/2035 cho thấy 3.127 tệp bị gán sai tầng loại hình, tương đương 17%. Trong đó, 1.046 tệp là các trận bóng đá trẻ bị xếp vào nhóm esports, 780 tệp theo chiều ngược lại, phần còn lại nằm ở nhóm nội dung tổng hợp không rõ nguồn.

Đây là chỗ tôi dừng lại lâu nhất khi đọc báo cáo. Một mô hình tuyển trạch không đọc video. Nó đọc nhãn. Nếu một tệp được dán nhãn esports, mô hình sẽ không tính tệp đó vào chỉ số phát triển của cầu thủ. Cậu bé 17 tuổi kia có 42 trận trong kho, nhưng chỉ 9 trận được tính. Ba mươi ba trận còn lại tồn tại ở dạng vô hình với mọi thuật toán đang chạy trong hệ thống.

Tôi đã kiểm tra chéo ba nguồn: báo cáo kiểm tra của VPF, nhật ký gán nhãn thô do một câu lạc bộ cung cấp, và danh sách cầu thủ được đôn lên đội một trong kỳ chuyển nhượng giữa mùa. Cả ba khớp nhau ở một điểm: nhóm cầu thủ trẻ có trên 30% số trận bị gán sai nhãn có xác suất được đôn lên đội một thấp hơn 41% so với nhóm còn lại.

Tôi không suy ra điều đó từ cảm giác. Tôi đếm.

Ở La Masia năm 2026, tôi từng ngồi chín tháng để theo một tiền vệ 17 tuổi. Ngày đó tôi kiểm tra từng con số bằng tay, đối chiếu với tiền lệ của năm tài năng trẻ cùng vị trí trong mười năm. Cách làm ấy chậm. Nhưng nó dạy tôi rằng dữ liệu không tự đúng. Nó chỉ đúng khi có một người chịu trách nhiệm về nó.

Mùa giải 2035 thì khác. Không ai chịu trách nhiệm về một cái nhãn. Câu lạc bộ nói họ nhận dữ liệu từ nền tảng. Nền tảng nói mô hình tự động gán nhãn. Đơn vị cung cấp mô hình nói đầu vào video do đơn vị sản xuất bàn giao. Đơn vị sản xuất nói họ chỉ ghi hình theo lịch. Bốn bên, không ai sai, và một cầu thủ mất ba mươi ba trận trong hồ sơ.

Khi báo cáo được công bố, phản ứng quen thuộc xuất hiện: đổ lỗi cho trí tuệ nhân tạo. Đọc kỹ nhật ký gán nhãn, tôi thấy chuyện khác. Mô hình chỉ gán sai ở những tệp có tiêu đề gần giống nhau, các trận bóng đá trẻ diễn ra trong nhà thi đấu, dùng chung bảng điện tử và chung đội ngũ kỹ thuật với giải esports. Sai số đến từ việc con người xếp hai loại nội dung khác nhau vào cùng một hàng đợi sản xuất để tiết kiệm 19% chi phí vận hành.

Nói cách khác, lỗi không nằm ở thuật toán. Lỗi nằm ở quyết định tiết kiệm.

Phần ít được nói tới nằm ở phía sau. Dòng dữ liệu bị gán sai nhãn chảy vào các bảng chỉ số bán cho đối tác truyền thông, cho công ty phân tích và cho thị trường cá cược. Một nhãn sai làm lệch chỉ số, làm lệch định giá, rồi làm lệch cả những câu chuyện mà truyền thông kể về một cầu thủ chưa từng được xem đủ.

Mỗi mùa giải là một vòng nhịp, và tôi học cách đếm từng nốt lặng. Nốt lặng ở đây là ba mươi ba trận không ai nhìn thấy.

Ở Matxcơva năm 2026, tôi học được rằng một trận đấu có thể kết thúc, nhưng tiếng vọng của nó thì không. Mười bảy năm sau, tôi hiểu thêm một tầng: tiếng vọng chỉ vang được nếu có người ghi nó vào đúng chỗ. Ghi sai chỗ, nó biến mất sạch, không để lại tiếng.

Cậu bé 17 tuổi kia không hề biết hồ sơ của mình bị dán nhãn sai. Cậu vẫn tập lúc 5 giờ 30 sáng, vẫn ở lại sau buổi tập để sút thêm ba mươi quả bằng chân trái. Cậu bé 17 tuổi ấy không cần tôi tin, cậu ấy cần tôi đứng yên mà thấy.

Đứng yên mà thấy, trong năm 2035, nghĩa là đọc nhật ký gán nhãn thay vì đọc bảng tổng kết. Nghĩa là hỏi ai đã xếp hai loại nội dung vào cùng một hàng đợi, và hỏi vì sao. Nghĩa là chấp nhận mất ba tuần để hiểu một dòng chữ nhỏ trên màn hình.

Báo cáo ngày 12/3/2035 đưa ra ba khuyến nghị: tách hàng đợi sản xuất, thêm bước kiểm tra thủ công cho nhóm U-17 và U-19, và công khai tỷ lệ gán nhãn sai theo từng vòng đấu. Hai khuyến nghị đầu đã được thực hiện từ tháng 4/2035. Khuyến nghị thứ ba vẫn đang chờ.

Tôi không tìm kiếm khoảnh khắc, tôi chờ khoảnh khắc tự mình đứng lên. Khoảnh khắc ấy sẽ đến vào ngày đầu tiên một câu lạc bộ V.League công bố tỷ lệ gán nhãn sai của chính mình, trước khi bất kỳ ai bên ngoài yêu cầu họ làm điều đó.

Cho tới lúc đó, mỗi buổi sáng ở sân tập vẫn có những cầu thủ 17 tuổi chạy những vòng cuối cùng trong hồ sơ của một môn thể thao khác.