Lỗi gắn nhãn: khi một bài tin giải trí lọt vào kho dữ liệu bóng đá

3 giờ 47 phút sáng, mưa Sài Gòn đập lên ô cửa sổ tầng bốn. Tôi mở bảng tin để chuẩn bị cho buổi bình luận trưa hôm sau, và trong danh sách 26 mục được hệ thống gắn nhãn bóng đá có một bài viết về Kylie Jenner, Kendall Jenner, Timothée Chalamet, Jacob Elordi và Travis Scott. Không một câu lạc bộ. Không một huấn luyện viên. Không một giải đấu, không một trận, không một bản hợp đồng, không một điều khoản. Tôi đọc hết 26 mục, hai lần, rồi ngồi im nghe tiếng mưa. Năm 2026, ở Newark Advertiser, người biên tập đầu tiên của tôi dạy rằng cái nhãn nằm trên đầu một bài báo là một lời hứa với người đọc; hứa sai thì mất bạn đọc, mà mất bạn đọc thì không còn nghề. Ba mươi ba năm sau, lời hứa ấy bị một dòng metadata xóa sạch lúc gần bốn giờ sáng, trong im lặng, và không ai chịu trách nhiệm.

Bài viết kia đến từ The Express Tribune, một bản tổng hợp dẫn lại Page Six; Page Six dẫn các nguồn giấu tên. Nội dung xoay quanh bốn cái tên: Kylie Jenner, Kendall Jenner, Timothée Chalamet, Jacob Elordi, cùng Travis Scott ở phần nền. Kylie được cho là muốn tiến tới hôn nhân. Chalamet được cho là chưa sẵn sàng. Kendall và Elordi được cho là nghiêm túc hơn, và cái nghiêm túc ấy được đo bằng một cụm từ do nguồn tin đưa ra: "chất liệu làm chồng". Mốc thời gian trong bài: Kylie và Travis Scott chia tay tháng 1/2026, có hai con chung; tin hẹn hò với Chalamet được ghi là bắt đầu từ tháng 2/2026; một chuyến đi Australia vào tháng 6; và một dòng nói hai người đã bên nhau hơn ba năm.

Không ai trong bốn nhân vật lên tiếng. Trích dẫn duy nhất có thể kiểm chứng là câu "Yes. Yes." của Chalamet, câu trả lời cho một câu hỏi giả định, không xác nhận kế hoạch nào. Bốn cụm "nguồn tin" khác nhau xuất hiện trong một bài ngắn, tất cả đều ẩn danh, tất cả đều được dẫn qua một đầu mối duy nhất.

Với người làm nghề, đây là sự cố định tuyến, không phải tranh cãi về người nổi tiếng. Hệ thống gắn nhãn tự động dựa trên thực thể và từ khóa. Chữ "pressure" xuất hiện trong bài, trong ngữ cảnh một lời cầu hôn dưới áp lực. Tên người nổi tiếng nằm sát các chuyên mục thể thao. Thế là một bài giải trí đi thẳng vào kho dữ liệu bóng đá, và nếu tôi không mở bảng tin lúc gần bốn giờ sáng, nó sẽ nằm đó, chờ được dùng làm nguyên liệu cho một mô hình phân tích.

Năm mươi mốt năm trong nghề dạy tôi một điều về các hệ thống tự động: chúng không nói dối, chúng chỉ lặp lại lỗi của người thiết kế chúng với tốc độ ánh sáng. Năm 2026, khi tôi bắt đầu bình luận trên đài Tiếng nói Israel, sai sót chỉ đi xa bằng tốc độ sóng phát thanh, và luôn có một biên tập viên đứng giữa. Bây giờ không có ai đứng giữa. Một bài viết được gắn nhãn sai sẽ được sao chép sang mười nguồn tổng hợp trong vòng mười lăm phút, và đến lượt nó lại trở thành "nguồn" cho lần sao chép tiếp theo.

Tôi học cách đọc một bản tin qua cấu trúc nguồn của nó. Bài viết kia có độ sâu nguồn bằng đúng một bước nhảy: ẩn danh, qua Page Six, qua The Express Tribune. Mỗi lần được tổng hợp lại, độ sâu ấy không tăng thêm một phân, nhưng cảm giác về nó thì tăng. Ba tờ báo cùng đưa tin nghĩa là ba lần kể lại một câu nói duy nhất, không phải ba người xác nhận. Đó là tiếng vọng giả: càng nhiều bản sao, người đọc càng tin.

Giá trị của một bản tin bóng đá nằm ở loại thực thể nó chứa, không nằm ở cái nhãn dán trên đầu nó.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, một trận cầu không bao giờ được mô tả trọn vẹn bằng bảng tỷ số. Ngày 7/7/2026, trong phòng thu của Đài Tiếng nói Việt Nam, tôi bình luận trận Nga gặp Croatia ở tứ kết World Cup. Hai đội hòa 2-2 sau 120 phút, Croatia thắng luân lưu 4-3. Suốt 28 đêm của kỳ World Cup ấy tôi có mặt trong phòng thu, và đêm đó tôi không nhắc tỷ số cho đến phút cuối. Tôi kể về những chàng thủy thủ Balkan, về tiếng sóng ở Moscow, một thành phố cách biển hàng trăm cây số. Đoạn bình luận được cắt ra, đăng lên ứng dụng, và có 1,2 triệu lượt nghe trong 48 giờ. Không ai nghe vì một dãy số. Họ nghe vì một hình ảnh. Nhưng nếu đêm đó tôi gán cho một cầu thủ một bàn thắng không tồn tại, thì 1,2 triệu lượt nghe kia sẽ là 1,2 triệu lần tôi phản bội nghề.

Câu chuyện kiểm soát bóng cũng vậy. Tôi đã xem quá nhiều đội cầm bóng 62% và thua 0-2, vì 62% ấy được xây bằng những đường chuyền ngang ở phần sân nhà, không có lấy một đường xuyên qua tuyến cuối của đối phương. Chỉ số kiểm soát bóng là chỉ số lừa dối nhất trong bóng đá, và cái nhãn "bóng đá" trên một bài tin giải trí là phiên bản dữ liệu của nó: trông đúng, đếm được, và không nói lên điều gì.

Một cổng kiểm tra đơn giản sẽ chặn được toàn bộ sự cố này. Trước khi gán nhãn bóng đá, hệ thống phải tìm thấy ít nhất một thực thể hợp lệ: một câu lạc bộ, một cầu thủ, một huấn luyện viên, một giải đấu, một trận đấu. Trong 26 điểm thông tin của bài kia, số thực thể hợp lệ bằng không. Không câu lạc bộ. Không cầu thủ nào trong hệ thống chuyển nhượng. Không giải đấu. Vậy mà nhãn vẫn được gán, và bài viết vẫn đi qua cửa.

Bản vá trong thể thao điện tử dạy điều tương tự. Một bản cập nhật nhỏ đổi hệ số của một vị tướng, và chức vô địch đổi chủ; người ta gọi đó là may mắn, nhưng nó chỉ là trọng tài vô hình làm việc đúng chức năng. Hệ thống gắn nhãn cũng là một trọng tài vô hình như thế. Nó không thổi còi, không rút thẻ, nhưng nó quyết định bài nào được vào sân.

Có một chi tiết nữa đáng dừng lại. Bài viết đặt tin hẹn hò vào tháng 2/2026 và chuyến đi Australia vào tháng 6, đồng thời nói hai người đã bên nhau hơn ba năm. Hai dữ kiện ấy chỉ khớp nếu bài được viết vào giữa hoặc cuối năm 2026 trở đi. Ngày xuất bản không được nêu trong bản tổng hợp. Với người đọc bình thường, đây là chi tiết vụn. Với người làm dữ liệu, đây là một quả mìn: một bài không có mốc thời gian xác thực thì mọi mốc bên trong nó đều là giả định.

Người hâm mộ Việt Nam xứng đáng được biết điều này, vì họ là những người tiêu thụ tin bóng đá dày nhất mà tôi từng thấy. Ở một quán cà phê trên đường Nguyễn Du, tôi từng ngồi cạnh bốn người đàn ông tranh luận về một pha việt vị ở V.League suốt bốn mươi phút, dẫn cả luật lẫn biên bản trận. Đêm 2/11/2026, tôi có mặt ở sân Thống Nhất khi CLB TP.HCM chỉ cần thắng Than Quảng Ninh để vô địch, và họ hòa 1-1 ở phút 90+4; Hà Nội FC vô địch với 57 điểm, TP.HCM nhì với 55. Không ai trong số người ngồi trên khán đài đêm đó cần một bài báo gắn nhãn sai để hiểu nỗi đau của mình. Cổ động viên thay áo qua từng thời đại, nhưng tiếng hô vẫn nguyên một điệu.

Sẽ có người nói: chỉ là một lỗi kỹ thuật, sửa nhãn là xong. Tôi không tin. Lỗi gắn nhãn là triệu chứng; căn bệnh nằm ở chỗ tòa soạn đã ngừng kiểm tra loại thực thể vì tin rằng metadata luôn đúng. Và căn bệnh thứ hai nằm ở phía người đọc: chúng ta tiêu thụ nhãn trước khi tiêu thụ nội dung. Một bài nằm trong mục bóng đá được đọc với tâm thế của người xem bóng đá, và tâm thế ấy làm mềm mọi lỗ hổng.

Phản trực giác hơn: bốn "nguồn tin" trong một bài ngắn không phải dấu hiệu của nhiều nguồn xác nhận, mà là dấu hiệu của một dòng khai thác duy nhất được dán nhiều nhãn. Khi một bài báo cần bốn cái tên khác nhau để kể cùng một chuyện, thứ đang được xây không phải sự thật, mà là cảm giác về sự thật. Nghề của tôi sống bằng cảm giác ấy, nhưng nghề của tôi không được phép nhầm nó với dữ kiện.

Còn một điểm mù nữa. Mẫu tin "so sánh hai chị em" tạo ra kịch tính mà không cần một sự kiện nào xảy ra: không đính hôn, không chia tay, không tuyên bố. Một câu chuyện không có sự kiện sẽ chết trong vòng chưa đầy một tháng, trừ khi một sự kiện thật xuất hiện. Đó là lý do tôi không đặt cược vào nó, và cũng là lý do nó nguy hiểm: nó sống đủ lâu để đi qua hàng trăm cửa dữ liệu trước khi chết. Sân vắng, nhưng tôi vẫn nghe khán đài khóc bằng ký ức — và ký ức ấy, lần này, là của một kho dữ liệu bị lấp đầy bằng thứ không thuộc về nó.

Đêm ấy tôi tắt máy, và trước khi ngủ tôi nghĩ tới câu nói của người biên tập năm 2026. Cái nhãn là lời hứa. Người hâm mộ Việt Nam đang hứa với chính mình mỗi sáng bằng cách mở bảng tin; họ xứng đáng nhận lại một lời hứa đúng. Ký ức của tôi nhuộm màu cỏ, và màu ấy không pha sắc thời gian — nhưng ký ức chỉ đáng tin khi dữ kiện đứng vững phía sau nó. Bóng đá cho ta phút giây, rồi lấy đi cả một tuổi đời để nuối tiếc; đừng để một dòng metadata lấy đi phút giây ấy trước khi nó kịp xảy ra. Điều tôi muốn những người xây hệ thống trả lời: nếu một bài viết không có một cầu thủ nào, vì sao nó vẫn được phép bước vào sân?