Khi thuật toán gắn nhãn 'quần vợt' cho tin Vatican: Lời cảnh tỉnh cho ngành dữ liệu thể thao Việt Nam

Tối 12/2/2026, hãng tin Associated Press phát đi một câu chuyện không liên quan đến thể thao: Đức Giáo hoàng Lêô XIV đến Đền thờ Đức Mẹ Tốt Lành ở Genazzano, Italia, để khánh thành bức bích họa về Đức Mẹ và dâng Thánh lễ cùng các tu sĩ dòng Augustinô. Bản tin viết về hành hương, về một vương cung thánh đường nhỏ từ thế kỷ 15, về truyền thống được Đức Giáo hoàng Urbanô VIII khởi xướng năm 1630. Không có một quả giao bóng nào, không có điểm break, không có thứ hạng ATP hay WTA, không có mặt sân nào được nhắc đến. Thế nhưng, khi bản tin này đi qua một hệ thống phân tích tự động, nó nhận nhãn 'quần vợt'. Một quy trình phân tích chuyên sâu về quần vợt được kích hoạt và cố gắng tìm kiếm 'cú thuận tay', 'khả năng thích ứng mặt sân', 'điểm số quan trọng', 'thành tích đối đầu'. Kết quả là một loạt ô trống với dòng chữ 'N/A — không áp dụng'. Không có dữ liệu quần vợt nào tồn tại trong câu chuyện về một vị giáo hoàng. Dữ liệu không bao giờ vội. Người vội mới là người sai. Sai sót này thoạt nhìn chỉ là một lỗi kỹ thuật buồn cười. Nhưng với tôi, người đã dành hơn hai thập kỷ làm báo dữ liệu thể thao, nó là một hồi chuông cảnh tỉnh cho giới truyền thông Việt Nam. Chúng ta đang chạy đua áp dụng trí tuệ nhân tạo, chỉ số xG, phân tích dữ liệu thể chất, mô hình dự đoán kết quả. Nhưng nếu một hệ thống có thể gắn nhãn 'quần vợt' cho một chuyến viếng thăm của giáo hoàng, thì cùng một lỗi logic đó có thể xảy ra với một trận đấu của đội tuyển Việt Nam, một trận derby V-League hay một tay vợt trẻ đang lên. Tôi nhớ mùa giải V-League 2026. Trên sân Lạch Tray, CLB Hải Phòng tạo ra 1,92 xG nhưng thua SLNA 0-1 vì một sai lầm cá nhân. Thủ môn đối phương cản phá 11 cú sút, gấp 3,8 lần mức trung bình của giải đấu. Truyền thông gọi đó là 'sự sa sút'. Tôi gọi đó là 'bất công ngẫu nhiên'. Khi bài viết của tôi bị chế giễu suốt hai tuần, tôi không tranh cãi. Tôi chỉ chờ đợi. Mọi cú sút đều là một giả thuyết. xG là cách chúng ta kiểm chứng. Và rồi HLV trưởng CLB Hải Phòng công khai nhắc đến số liệu của tôi trong buổi họp báo. Dữ liệu không cần bênh vực; nó chỉ cần được kiểm chứng. Câu chuyện của Associated Press dạy chúng ta một điều gần gũi hơn: phân loại sai ngay từ đầu sẽ làm hỏng mọi phân tích phía sau. Nếu bạn gọi một bài báo về tôn giáo là 'quần vợt', thì mọi chỉ số nâng cao, mọi biểu đồ, mọi mô hình dự báo bạn chạy trên đó đều vô nghĩa. Điều này không chỉ đúng với quần vợt. Nó đúng với bóng đá, với điền kinh, với bơi lội, với mọi môn thể thao mà các tòa soạn Việt Nam đang cố gắng số hóa. Vào tháng 6/2026, tôi công bố một bài phân tích trước trận Đức – Hàn Quốc tại World Cup 2026. Tôi chỉ ra rằng hệ số pressing của đội tuyển Đức tụt từ 8,1 PPDA năm 2026 xuống 12,6 năm 2026, và quãng đường chạy trung bình của họ giảm 6,2 km mỗi trận. Kết luận của tôi bị nhiều đồng nghiệp xem là 'cuồng tín thống kê'. Họ nói rằng một đội bóng vô địch thế giới không thể sụp đổ chỉ vì mấy con số trong bảng tính. Kết quả ra sao? Đức cầm bóng 74% nhưng thua Hàn Quốc 0-2 và bị loại ngay từ vòng bảng. Sau đó, chính những người từng chế giễu tôi đã đặt mua một chuyên mục dữ liệu riêng trên báo điện tử. Tôi kể lại ký ức đó không phải để khoe thành tích. Tôi muốn nhấn mạnh một nguyên tắc: dữ liệu chỉ có giá trị khi chúng được gắn đúng với đối tượng. Bảng PPDA của đội tuyển Đức có ý nghĩa vì nó được đo trên các trận đấu bóng đá thực sự. Nếu tôi lấy bảng PPDA đó áp cho một bài viết về giáo hoàng, tôi sẽ tạo ra một thứ báo cáo vô nghĩa, thậm chí gây hiểu lầm. Hãy nhìn vào cách hệ thống phân tích kể trên xử lý bài báo Vatican. Thay vì bịa ra các chỉ số quần vợt để lấp đầy biểu mẫu, nó điền 'N/A — không đủ thông tin' ở mọi hạng mục. Đó là một quyết định đúng đắn về mặt đạo đức nghề nghiệp. Không có dữ liệu nào tốt hơn một dữ liệu sai. Người ta có thể thắc mắc: tại sao một câu chuyện về tôn giáo lại bị gắn nhãn 'quần vợt'? Tôi không có quyền truy cập vào thuật toán của Associated Press hay của hệ thống phân loại mà tôi đang kiểm tra. Nhưng tôi có thể đưa ra một giả thuyết dựa trên kinh nghiệm theo dõi các trận đấu của tôi suốt 25 năm qua: các mô hình học máy thường nhận diện khuôn mẫu bề mặt thay vì bản chất. Chúng thấy từ 'Đức Mẹ' và vô tình kích hoạt một vector liên quan đến 'Đức' trong bóng đá, hoặc chúng thấy từ 'vương cung thánh đường' và nhầm với một loại sân đấu nào đó. Điều đó nghe có vẻ vô lý, nhưng ngay cả những thuật toán tinh vi nhất cũng có những điểm mù kỳ lạ. Bài học lớn nhất không nằm ở chỗ thuật toán mắc lỗi. Bài học nằm ở chỗ con người đã quá tin vào nhãn mà thuật toán tạo ra. Nếu một tòa soạn thể thao Việt Nam nhận được một bài viết được gắn nhãn 'quần vợt', biên tập viên sẽ chuyển nó cho chuyên mục quần vợt. Chuyên mục quần vợt sẽ cố gắng phân tích nó bằng các công cụ quần vợt. Họ sẽ viết những đoạn văn dài về 'khả năng thích ứng mặt sân' và 'độ căng thẳng của loạt tie-break' dù bài viết không hề đề cập đến một trận đấu nào. Độc giả sẽ bối rối, và niềm tin vào dữ liệu thể thao sẽ bị tổn hại. Tại Việt Nam, phong trào báo chí dữ liệu mới chỉ bùng nổ trong vài năm gần đây. Nhiều trang bóng đá sử dụng xG để đánh giá các trận đấu ở V-League. Một vài trang quần vợt bắt đầu dịch các chỉ số nâng cao từ ATP Tour. Các buổi hội thảo về trí tuệ nhân tạo trong thể thao được tổ chức liên tục tại Hà Nội và Thành phố Hồ Chí Minh. Đây là một tín hiệu tốt. Nhưng tôi lo ngại rằng chúng ta đang nhảy vào cuộc chơi mà không xây dựng các lớp kiểm soát chất lượng phía trước. Một đồng nghiệp trẻ từng hỏi tôi: 'Làm sao để viết một bài phân tích dữ liệu hay?' Tôi trả lời: 'Trước tiên, hãy chắc chắn rằng bạn đang phân tích đúng thứ cần phân tích.' Cậu ấy cười, tưởng tôi nói đùa. Tôi không nói đùa. Tôi đã chứng kiến quá nhiều bài viết dùng số liệu áp vào sai bối cảnh. Một cầu thủ bị chấn thương nhưng đội ngũ truyền thông vẫn công bố lịch tái xuất một cách lạc quan. Một HLV trưởng bị sa thải chỉ sau ba trận thua dù đội bóng của ông ấy tạo ra chỉ số chất lượng cơ hội cao hơn đối thủ. Một tay vợt trẻ có thứ hạng tốt nhưng không thực sự cạnh tranh nổi với nhóm top 20 vì lịch thi đấu của anh ta được dàn xếp để gặp toàn đối thủ yếu. Nếu nhìn kỹ, câu chuyện về giáo hoàng và thuật toán 'quần vợt' không khác gì những sai lầm mà các nhà phân tích thể thao Việt Nam vẫn mắc phải mỗi tuần. Chúng ta thấy một bảng số liệu đẹp, giống với một bảng số liệu mà chúng ta từng thấy trong một trận đấu quần vợt, và chúng ta vội vàng kết luận rằng đó là một trận đấu quần vợt. Người viết vội vàng, người đọc vội vàng, và dữ liệu trở thành nạn nhân. Tôi muốn đề xuất một quy trình ba bước cho bất kỳ tòa soạn thể thao Việt Nam nào muốn sử dụng dữ liệu một cách có trách nhiệm. Bước thứ nhất là xác minh danh tính. Trước khi chạy bất kỳ mô hình thống kê nào, hãy đọc kỹ bài viết và trả lời câu hỏi đơn giản: 'Nội dung này thuộc môn thể thao nào?' Nếu không có câu trả lời rõ ràng, hãy dừng lại. Đừng cố gắng nhồn một bài viết về giáo hoàng vào khuôn khổ quần vợt. Bước thứ hai là kiểm tra nguồn dữ liệu. Mọi con số cần có nguồn công khai, có thể truy cập và kiểm chứng. Tôi học được điều này từ những năm làm việc tại tờ Daily Mail, nơi tôi bắt đầu sự nghiệp của mình vào năm 2026. Tại Sports Illustrated, nơi tôi từng làm công việc kiểm tra thông tin, tôi hiểu rằng một con số sai có thể phá hủy cả một bài viết dài 3.000 từ. Ở Việt Nam, chúng ta càng cần phải minh bạch về nguồn gốc dữ liệu, bởi vì các trang web nước ngoài thường không được kiểm định kỹ lưỡng khi được dịch lại. Bước thứ ba là chấp nhận bỏ trống. Không phải chỉ số nào cũng áp dụng được cho mọi trận đấu, mọi cầu thủ, mọi môn thể thao. Một bài phân tích quần vợt mà không có dữ liệu về giao bóng, trả giao bóng, điểm break hay khả năng di chuyển trên sân đất nện thì chỉ là một bài bình luận cảm tính. Tốt hơn hết là nói rõ 'chúng tôi chưa có đủ dữ liệu' còn hơn là tạo ra một mô hình giả tưởng. Tôi từng viết trong một chuyên mục của mình rằng: 'Khán giả có thể rời sân, nhưng dữ liệu thể chất thì không bao giờ nghỉ.' Dữ liệu luôn ở đó, nhưng chúng không tự biết nói. Chúng cần một người phiên dịch trung thực, một người không bao giờ cố tình bóp méo con số để phục vụ câu chuyện của mình. Người Việt Nam chúng ta có một câu nói rất hay: 'Sai một ly, đi một dặm.' Gắn nhãn 'quần vợt' cho một bài viết về giáo hoàng chỉ là một sai lầm nhỏ trong một hệ thống lớn. Nhưng nếu chúng ta không sửa ngay từ gốc, nó sẽ dẫn đến những sai lầm lớn hơn: dự đoán sai kết quả một trận đấu, đánh giá sai phong độ một cầu thủ, định giá sai một bản hợp đồng chuyển nhượng, thậm chí là xúc phạm cả một cộng đồng tín ngưỡng chỉ vì một thuật toán không thể phân biệt được giữa thánh đường và sân quần vợt. Tôi muốn nhấn mạnh rằng, trí tuệ nhân tạo không phải là kẻ thù. Nó là một công cụ, giống như một chiếc máy tính hoặc một cuốn sổ tay thống kê. Nhưng công cụ càng mạnh, người sử dụng càng phải cẩn trọng. Một con dao sắc có thể tạo ra những đường cắt hoàn hảo, nhưng nó cũng có thể gây ra những vết thương nghiêm trọng. Thuật toán của chúng ta càng thông minh, chúng ta càng cần phải kiểm tra những gì nó tạo ra. Trong trường hợp của Associated Press, tôi không biết liệu họ có bao giờ công khai thừa nhận sai sót này hay không. Nhưng tôi biết rằng, nếu họ không sửa chữa, một loạt bài phân tích quần vợt vô nghĩa có thể được sinh ra từ một câu chuyện tôn giáo. Những bài viết đó sẽ làm ô nhiễm kho dữ liệu của chúng ta trong nhiều năm. Và khi các nhà nghiên cứu thể thao tìm kiếm dữ liệu quần vợt trong tương lai, họ sẽ tìm thấy một mớ hỗn độn không thể sử dụng. Có một cách để tránh điều đó: hãy luôn ghi nhớ rằng dữ liệu là phương tiện, không phải đích đến. Người ta nhớ kết quả. Tôi nhớ các điều kiện hình thành kết quả. Một chiến thắng 2-0 của đội tuyển Việt Nam trước một đối thủ yếu có thể được tạo ra từ hai quả phạt đền may mắn, trong khi một trận thua 0-1 trước một đối thủ mạnh có thể là dấu hiệu của sự tiến bộ vượt bậc. Nếu chỉ nhìn vào kết quả cuối cùng mà bỏ qua bối cảnh, bạn sẽ không bao giờ hiểu được bóng đá, hay bất kỳ môn thể thao nào. Tôi nghĩ về một buổi chiều tại sân Lạch Tray, nơi CLB Hải Phòng chơi một trong những trận đấu hay nhất mùa giải nhưng vẫn thua. Truyền thông địa phương lúc đó gọi đó là 'một trận cầu bạc nhược'. Họ chỉ nhìn vào tỷ số. Họ không thấy rằng hàng thủ của đội khách đã chơi xuất thần đến mức nào, hay các cú sút của đội chủ nhà đã đi trúng những vị trí khó đến ra sao. Tôi không thể thuyết phục họ thay đổi quan điểm bằng cảm xúc. Tôi chỉ có thể đưa ra những con số và để họ tự phán xét. Dữ liệu không bao giờ vội. Người vội mới là người sai. Khi tôi viết bài phân tích về đội tuyển Đức vào năm 2026, tôi cũng bị coi là kẻ dị giáo. Người ta nói rằng những con số PPDA không thể hiện được tinh thần chiến đấu của nhà vô địch. Tôi đồng ý rằng dữ liệu không thể đo được tinh thần. Nhưng tôi cũng biết rằng tinh thần không thể tồn tại lâu dài nếu thiếu nền tảng thể lực và chiến thuật. Đội tuyển Đức có thể vẫn có niềm tin, nhưng đôi chân của họ đã không còn di chuyển với cường độ cần thiết. Dữ liệu thể chất không bao giờ nghỉ ngơi, và nó đã nói lên sự thật trước khi trái bóng bắt đầu lăn. Sai lầm của thuật toán 'quần vợt' nhắc tôi rằng ngay cả những nhà tiên phong về AI cũng có thể mắc lỗi cơ bản. Vậy nên, với các tòa soạn thể thao Việt Nam, tôi xin đề nghị một điều: đừng bao giờ giao phó hoàn toàn việc phân loại nội dung cho máy móc. Hãy giữ một con người ở khâu cuối cùng, một biên tập viên có đủ kinh nghiệm để nhận ra rằng một bài viết về giáo hoàng không thể là một bài phân tích quần vợt. Con người có thể chậm hơn máy móc, nhưng con người biết cách đặt câu hỏi đúng. Câu hỏi đúng ở đây không phải là 'Làm thế nào để phân tích bài viết này bằng mô hình quần vợt?' Câu hỏi đúng là 'Bài viết này có thực sự nói về quần vợt không?' Nếu câu trả lời là không, hãy dừng lại. Đừng cố gắng biến một chuyến viếng thăm của Đức Giáo hoàng Lêô XIV thành một trận bán kết Grand Slam. Sự tôn trọng dành cho dữ liệu, dành cho độc giả và dành cho cả chủ thể của bài viết chính là nền tảng của một nền báo chí thể thao trung thực. Tôi viết bài này vào một thời điểm mà trí tuệ nhân tạo đang thay đổi cách chúng ta làm báo. Tôi không phản đối sự thay đổi. Tôi chỉ muốn nhắc rằng, mỗi khi chúng ta chạy một thuật toán, chúng ta đang đặt niềm tin vào một quy trình do con người tạo ra, với những sai sót do con người gây ra. Thuật toán có thể học từ dữ liệu, nhưng dữ liệu có thể bị sai ngay từ đầu. Nếu dữ liệu gốc bị dán nhãn sai, mọi thứ phía sau cũng sẽ sai. Tương lai của báo chí dữ liệu thể thao Việt Nam không nằm ở việc chúng ta sở hữu bao nhiêu phần mềm đắt tiền. Nó nằm ở việc chúng ta có đủ khiêm nhường để nói 'tôi không biết' khi thiếu dữ liệu, và đủ can đảm để nói 'dữ liệu này sai' khi phát hiện ra lỗi. Không có một mô hình nào hoàn hảo, nhưng một mô hình trung thực sẽ tốt hơn một mô hình hoàn hảo nhưng giả dối. Tôi kết thúc bài viết này bằng một câu hỏi để ngỏ cho chính tôi và cho các đồng nghiệp: liệu chúng ta có đang xây dựng những hệ thống dữ liệu biết lắng nghe, hay chỉ đang tạo ra những cỗ máy vang vọng lại những định kiến vội vàng của chính mình? Câu trả lời, như mọi khi, nằm ở dữ liệu. Nhưng dữ liệu ấy cần được đặt vào đúng ngữ cảnh của nó, vào đúng môn thể thao của nó, vào đúng con người của nó. Một bức bích họa về Đức Mẹ ở Genazzano không thuộc về ATP Tour. Một quả giao bóng của một tay vợt Việt Nam không thuộc về Vatican. Sự tôn trọng ranh giới chính là sự tôn trọng dữ liệu.