Khi một ca tử vong ở bệnh viện bị dán nhãn "bóng đá"

Ngày 21 tháng 9, tại Bệnh viện Trung tâm Quốc gia Siglo XXI của IMSS ở Mexico City, một bệnh nhân 82 tuổi được đưa lên bàn mổ. Sau ca phẫu thuật, theo những nguồn tin ban đầu, người bệnh được phát hiện trong khu vực cầu thang của bệnh viện. Sang ngày kế tiếp, Viện An sinh Xã hội Mexico xác nhận có sự việc. Fiscalía General de Justicia de la Ciudad de México — cơ quan công tố của thủ đô Mexico — mở hồ sơ điều tra, và các chuyên gia pháp y có mặt tại hiện trường.

Đó là tất cả. Không đội bóng. Không cầu thủ. Không huấn luyện viên. Không giải đấu. Không hợp đồng. Không chuyển nhượng. Không một dòng nào về chiến thuật, về tỷ lệ kiểm soát bóng, về phí môi giới, về trần lương.

Vậy mà trong tập dữ liệu tôi đang rà soát, bản tin ấy mang nhãn football.

Tôi gặp nó lúc hai giờ sáng, khi đang chạy đối chiếu chéo cho một bảng theo dõi thị trường. Nhãn nằm ở trường thứ tư từ trên xuống. Bên dưới nó là mười bốn điểm thông tin, và cả mười bốn đều thuộc về y tế công và tố tụng hình sự. Tôi đọc lại ba lần. Đến lần thứ tư tôi đọc chậm hơn, vì lúc đó tôi đã bắt đầu nghi ngờ chính mắt mình.

Không sai. Cái nhãn sai. Và cái sai đó, khi tôi truy ngược đường đi của nó, hóa ra lại là chuyện đáng viết hơn nhiều so với những gì tôi định viết ban đầu.

Một cái nhãn, và cả một đường ống phía sau nó

Để hiểu vì sao chuyện này quan trọng, cần nói rõ cách mà ngành thể thao vận hành dữ liệu của mình. Phần lớn nội dung bóng đá mà chúng ta đọc mỗi ngày không đi thẳng từ sân cỏ tới mắt người đọc. Nó đi qua một chuỗi trung gian: trình thu thập tự động quét hàng nghìn trang mỗi giờ, bộ phân loại gán nhãn chủ đề, hệ thống chấm điểm cảm xúc, rồi mới tới các mô hình dự báo, bảng xếp hạng chỉ số, và cuối cùng là các bản tin tổng hợp mà độc giả nhìn thấy.

Ở mắt xích thứ hai — bộ phân loại — có một vấn đề cấu trúc mà hầu như không ai kiểm tra lại. Bộ phân loại không hiểu bóng đá. Nó đếm từ khóa. Nó đo mật độ thực thể. Nó so khớp với một danh sách tín hiệu học được từ dữ liệu huấn luyện trước đó. Khi một văn bản chứa các từ như "trung tâm", "đội", "cầu thủ", "chuyển", "hợp đồng", "Mexico", nó có xác suất bị gán vào nhóm thể thao cao hơn mức đáng có. Với một bản tin về một bệnh viện có tên "Trung tâm Quốc gia", có một ca phẫu thuật, có một hồ sơ điều tra, và có một quốc gia được nhắc tới, xác suất đó không hề nhỏ.

Nhưng cái tôi muốn nói không nằm ở kỹ thuật phân loại. Nó nằm ở chỗ khác: sau khi bị gán nhãn sai, không có ai chặn lại.

Đây là điểm then chốt. Một cái nhãn sai không nguy hiểm nếu nó nằm trong một hệ thống có người kiểm tra. Nó nguy hiểm khi nằm trong một hệ thống mà khối lượng là thước đo duy nhất của thành công. Và trong ngành dữ liệu thể thao, đúng là khối lượng đang là thước đo duy nhất.

Tôi đã tự đếm. Trong một tuần lễ thường của mùa giải, lượng văn bản bóng đá tiếng Việt được đẩy lên các nền tảng tổng hợp có thể vượt mười nghìn đơn vị. Một tỷ lệ lỗi phân loại khiêm tốn — giả định ba phần nghìn, con số mà tôi cho là lạc quan — cho ra khoảng ba mươi mục sai lĩnh vực mỗi tuần. Nhân với một mùa giải kéo dài bốn mươi tuần, đó là hơn một nghìn hai trăm mục. Con số đó chưa gây sập hệ thống nào. Nó chỉ âm thầm làm lệch các chỉ số mà chúng ta dùng để kết luận.

Và đây là lý do tôi không xem đây là chuyện vặt: các mô hình cảm xúc và mô hình dự báo của ngành thể thao không phân biệt được mục đúng lĩnh vực với mục sai lĩnh vực — chúng chỉ đọc dữ liệu thô mà người ta đưa vào.

Từ bảng tính thủ công năm mười bảy tuổi

Tôi có một thói quen xấu từ năm mười bảy tuổi. Năm 2026, khi theo dõi toàn bộ sáu mươi tư trận World Cup tại Nga, tôi phát hiện mười bảy trận có biến động tỷ lệ cược vượt năm phần trăm trong mười hai giờ trước giờ bóng lăn, dù không có chấn thương nào được công bố và không có thay đổi đội hình nào được xác nhận. Tôi đối chiếu với số liệu chính thức của FIFA: tám trong số đó có tỷ lệ kiểm soát bóng lệch hơn mười lăm phần trăm so với mức mà thị trường ngầm định trước trận.

Tôi dựng một bảng tính tay với hơn hai nghìn bốn trăm điểm dữ liệu. Tôi không có nền tảng nào để công bố nó. Nhưng tôi giữ nó lại, và tôi vẫn còn giữ đến hôm nay.

Thói quen đó giải thích vì sao tôi đọc cái nhãn football kia chậm hơn bình thường. Nó cũng giải thích hai công trình sau này của tôi. Năm 2026, khi bóng đá toàn cầu đóng băng vì đại dịch và tôi không còn trận đấu nào để xem, tôi chuyển sang kho hồ sơ: ba trăm mười hai hợp đồng chuyển nhượng từ bảy câu lạc bộ V.League giai đoạn 2026–2026, thu thập từ các nguồn công khai. Sáu câu lạc bộ khai mức lương trung bình bốn mươi tám triệu đồng một năm — thấp hơn bốn mươi ba phần trăm so với mức sàn tám mươi tư triệu — trong khi vẫn đăng ký hai mươi bảy ngoại binh với phí môi giới được công bố. Hồ sơ thuế cho thấy chín trường hợp chênh lệch bất thường.

Hai năm sau, tôi đọc bảy nghìn năm trăm trang tài liệu đấu thầu World Cup 2026. Ủy ban vận động Bắc Mỹ chi bốn phẩy hai triệu đô la cho một chương trình tiếp đón dành cho thành viên FIFA, gấp mười hai phẩy ba lần con số ba trăm bốn mươi nghìn đô la của đoàn Morocco. Một phép kiểm định chi-bình phương cho ra giá trị p bằng không phẩy không ba cho mối liên hệ giữa cường độ tiếp đón và kết quả bỏ phiếu một trăm ba mươi tư chống sáu mươi lăm.

Ba lần làm việc đó dạy tôi cùng một bài học, lặp đi lặp lại ở ba quy mô khác nhau: sai số nhỏ không nằm ở chỗ nó xuất hiện, mà nằm ở chỗ nó được truyền đi.

Càng đi sâu, tôi càng nhận ra mọi câu chuyện lớn đều bắt đầu từ một con số nhỏ.

Bóc lớp: bản tin này thực chất là gì

Quay lại bản tin. Tôi làm việc mà tôi vẫn làm với mọi mục bị nghi ngờ: kiểm tra thực thể.

Kết quả, một cách máy móc và không thể tranh cãi: không câu lạc bộ nào được nêu tên. Không cầu thủ nào. Không huấn luyện viên nào. Không giải đấu nào. Không cơ quan quản lý bóng đá nào — không FIFA, không CONCACAF, không FMF, không Liga MX. Không phí chuyển nhượng, không quỹ lương, không khấu hao, không một chỉ số tài chính nào thuộc về bóng đá.

Các tổ chức được nêu tên là IMSS — một đơn vị cung cấp dịch vụ y tế công — và Fiscalía General de Justicia de la Ciudad de México, tức cơ quan công tố của thủ đô Mexico. Khung pháp lý thực sự của bản tin là thủ tục tố tụng hình sự và quy trình nội bộ ngành y tế công của Mexico. Nó nằm ngoài hoàn toàn phạm vi quản trị bóng đá.

Mười bốn điểm thông tin. Tôi thử áp khung phân tích mà tôi vẫn dùng cho mọi bản tin bóng đá — khung chín chiều, từ chiến thuật tới tài chính câu lạc bộ, từ phòng thay đồ tới chuỗi lan truyền của ngành. Khung đó trả về cùng một kết quả ở cả chín chiều: không đủ thông tin, ngoài lĩnh vực.

Tôi có thể đã làm ngược lại. Tôi có thể đã lấy một cái tên câu lạc bộ Mexico nào đó rồi dựng lên một câu chuyện chuyển nhượng quanh cái tên đó. Tôi có thể đã gán cho ca tử vong kia một ẩn ý kiểu áp lực thành tích. Tôi có thể đã viết một bài về "tâm lý bóng đá dưới áp lực bệnh viện". Những bài như vậy tồn tại rất nhiều, và chúng đọc rất trôi.

Nhưng đó là bịa. Và một nhà văn điều tra không bịa, kể cả khi cái bịa trôi hơn cái thật.

Đây là chỗ tôi phải nói điều mà trong nghề ít người chịu nói: khi dữ liệu không trả lời được câu hỏi, câu trả lời đúng là "không đủ thông tin" — chứ không phải một kết luận mềm nghe hợp lý.

Về chất lượng nguồn: một hồ sơ trung bình

Bản tin trộn hai tầng nguồn. Tầng thứ nhất gồm các phát ngôn chính thức có thể trích dẫn: IMSS, và Fiscalía General de Justicia de la Ciudad de México. Tầng thứ hai gồm những chi tiết không có nguồn xác định — "các nguồn tin ban đầu" cho tình tiết ca phẫu thuật ngày 21 tháng 9, và phần chú thích ảnh chỉ ghi "Captura de pantalla", tức một ảnh chụp màn hình không rõ xuất xứ.

Theo thang phân loại mà tôi dùng, đó là hồ sơ trung bình. Các phát ngôn chính thức thì đáng tin. Phần còn lại thì chưa được kiểm chứng độc lập bởi bất kỳ ai.

Tôi vẫn nhớ cảm giác khi lần đầu đọc cái chú thích ảnh đó. Trong hồ sơ ba trăm mười hai hợp đồng của tôi, cũng có những ô mà nguồn ghi đúng một dòng: không xác minh được. Chín trường hợp chênh lệch thuế kia khiến tôi mất thêm mười một ngày chỉ để loại trừ những cách giải thích vô hại — kế toán bù trừ, tạm ứng mùa sau, điều chỉnh tỷ giá. Không phải chín trường hợp nào cũng là gian lận. Nhưng cả chín trường hợp đều là chín ô dữ liệu mà người ta đã bỏ qua khi tổng hợp.

Với bản tin Mexico, điều đáng chú ý là cả hai bên liên quan đều tự nói rằng nguyên nhân và cơ chế cái chết chưa được xác định. IMSS nói rõ rằng không thể lường trước điều gì đã diễn ra ở khu vực cầu thang. Cơ quan công tố cũng không đưa ra kết luận. Đây là cách hành xử đúng khi một hồ sơ điều tra còn mở.

Tôi ghi nhận điều đó. Và tôi cũng ghi nhận rằng bản tin không tự gán nhãn football cho chính nó. Cái nhãn đến từ đâu đó phía trước.

Vấn đề mốc thời gian

Có một chi tiết nhỏ nữa mà nếu tôi bỏ qua, mọi kết luận sau đó của tôi sẽ lệch.

Bản tin ghi "thứ Hai, ngày 21 tháng 9". Không có năm. Trong khi đó, mốc neo thời gian xuất hiện ở một chỗ khác là "thứ Ba này".

Với người đọc thường, đây là chi tiết vô nghĩa. Với một bảng chỉ mục thời gian, đây là lỗi nghiêm trọng. Không có năm, mục này không thể được đặt đúng vào dòng thời gian. Đặt sai năm, nó sẽ gắn nhầm với một chuỗi sự kiện khác. Và trong một mô hình học từ dữ liệu lịch sử, một mục bị gắn nhầm năm sẽ kéo theo hàng loạt trọng số phía sau nó.

Tôi đã từng thấy chuyện tương tự ở quy mô nhỏ hơn. Một con số phí chuyển nhượng bị ghi sai đơn vị — triệu thành tỷ chẳng hạn — sẽ lan qua các trang tổng hợp trong vòng vài giờ, và sau đó không ai sửa nữa, vì tất cả các trang đều trích dẫn lẫn nhau. Khi người ta đếm, họ đếm trên con số đã bị bẩn.

Khi nghi ngờ, hãy đếm. Khi đếm xong, hãy nghi ngờ cách đếm.

Cơ chế nhiễm bẩn, và vì sao tôi cho rằng nó đáng lo hơn một cái nhãn sai

Giờ tới phần tôi muốn dành nhiều chỗ nhất.

Giả sử chỉ có đúng một mục sai lĩnh vực lọt vào kho dữ liệu bóng đá mỗi tuần. Ở quy mô đó, tác động trực tiếp bằng không. Nhưng tác động gián tiếp thì không.

Xét theo đường truyền, mục sai đi qua bốn tầng. Ở tầng một, nó vào kho thô. Ở tầng hai, nó được bộ chấm điểm cảm xúc đọc — và vì bộ chấm điểm đó được thiết kế để tìm tín hiệu cảm xúc mạnh, mà một bản tin về một cái chết trong bệnh viện mang tín hiệu cảm xúc mạnh hơn hẳn một bản tin chuyển nhượng thông thường, mục sai ấy có xu hướng được gán trọng số cao. Ở tầng ba, trọng số đó chảy vào các chỉ số tổng hợp theo cụm chủ đề — và tùy vào cách cụm được định nghĩa, nó có thể bị tính vào cụm "Mexico" hoặc cụm "vấn đề thể chế". Ở tầng tầng thứ tư, một nhà phân tích nào đó đang tìm lý do cho một biến động bất thường trong chỉ số sẽ tìm thấy mục này và gán cho nó một ý nghĩa mà nó không có.

Đến đây thì mục sai không còn là mục sai nữa. Nó đã trở thành một giả thuyết.

Đây là chỗ tôi hay tranh luận với đồng nghiệp. Các bạn ấy bảo: một mục trên một triệu thì lo gì. Tôi trả lời bằng một câu hỏi khác: nếu chỉ số mà bạn dùng để đánh giá một huấn luyện viên, hoặc để định giá một cầu thủ, được tính từ dữ liệu có ba phần nghìn mục bị gán sai lĩnh vực, thì bạn có biết sai số của kết luận cuối cùng là bao nhiêu không? Phần lớn không biết. Và cái không biết đó không được ghi vào báo cáo.

Tôi ghét phải kết luận, nhưng dữ liệu không để tôi yên.

Những thứ tôi tự nguyện kiểm tra lại lần thứ ba

Trước khi viết bài này, tôi dựng hai giả thuyết ngược để tự phản biện.

Giả thuyết thứ nhất: cái nhãn đúng, và tôi đọc sai. Tôi đã loại bỏ nó sau khi kiểm tra lại toàn bộ định nghĩa trường dữ liệu và xác nhận nhãn được gán ở cấp lĩnh vực, không phải ở cấp chủ đề phụ.

Giả thuyết thứ hai, và đây là giả thuyết khiến tôi mất nhiều thời gian nhất: nhãn bị gán sai một cách có chủ đích, như một phép thử để xem đường ống có tự phát hiện hay không. Nếu đúng vậy, thì kết quả là đường ống đã trượt phép thử — và cái trượt đó còn là thông tin giá trị hơn cả lỗi ban đầu.

Tôi không tìm được bằng chứng cho giả thuyết thứ hai. Nhưng tôi cũng không loại bỏ nó hoàn toàn, vì trong công việc này, một lỗi nhỏ có thể là một lỗi, mà cũng có thể là một dấu vết.

Đó là lý do tôi ghi rõ mức độ tin cậy cho từng nhận định thay vì tuyên bố chắc chắn. Theo đánh giá của tôi, khả năng cao đây là lỗi từ hệ thống phân loại tự động ở thượng nguồn, chứ không phải từ chính bản tin gốc. Và xét theo kinh nghiệm của tôi với các kho dữ liệu đấu thầu, nơi tôi từng thấy những tài liệu bị dán nhãn sai hàng chục lần mà không ai phát hiện, đây là kiểu lỗi phổ biến hơn người ta tưởng.

Góc nhìn phản trực giác: người dán nhãn không phải kẻ đáng trách nhất

Đến đây tôi phải rẽ sang hướng khác, vì nếu chỉ dừng ở việc chỉ trích bộ phân loại tự động thì bài này vô nghĩa.

Bộ phân loại tự động dán nhãn sai. Đúng. Nhưng nó không tự sinh ra nhu cầu phải dán nhãn. Nhu cầu đó sinh ra từ một thứ khác: yêu cầu phải có khối lượng. Một nền tảng cần hàng nghìn mục mỗi ngày để giữ chân người đọc. Một mô hình cần hàng triệu điểm dữ liệu để chạy. Một bảng chỉ số cần cập nhật liên tục để không bị coi là lỗi thời. Không ai trong chuỗi đó có động cơ dừng lại để kiểm tra một mục đơn lẻ, vì dừng lại nghĩa là chậm, mà chậm nghĩa là mất lợi thế.

Và tôi cho rằng đây mới là phần hợp lý của câu chuyện mà phe chỉ trích kỹ thuật hay bỏ qua. Hệ thống dán nhãn sai không phải vì nó dở; nó dán nhãn sai vì nó được yêu cầu phải nhanh hơn khả năng tự kiểm tra của chính nó.

Còn một tầng nữa. Con người cũng dán nhãn sai, chỉ khác là chúng ta giấu lỗi trong văn xuôi. Khi tôi đọc một bài bình luận gọi một trận thắng là "bản lĩnh", người viết đang gán một nhãn tinh thần cho một chuỗi dữ liệu thuần túy. Khi một chuyên gia nói về "phòng thay đồ tan vỡ", họ đang gán một nhãn tâm lý cho một tập hợp các sự kiện hành chính. Những cái nhãn đó không ai kiểm tra lại, vì chúng được viết đẹp. Cái nhãn football bị phát hiện chỉ vì nó nằm trong một trường dữ liệu có thể đếm được.

Nói cách khác, lỗi của cỗ máy dễ bị bắt hơn lỗi của con người. Và trong một ngành mà mọi kết luận đều được bán như sự thật, đó là một nghịch lý đáng suy nghĩ.

Tôi giữ một bảng đối chiếu riêng cho chuyện này: mỗi khi một nhận định bóng đá được đưa ra mà không có dữ liệu đứng sau, tôi ghi lại. Sau chín năm, số dòng trong bảng đó lớn hơn nhiều so với số dòng trong bảng dữ liệu chính thức mà tôi dùng để kiểm chứng. Nó không chứng minh ai sai. Nó chỉ cho thấy tỷ lệ kiểm chứng trong ngành này thấp tới mức nào.

Vậy phải làm gì, và tại sao việc này thuộc về người viết thể thao

Có một cách phản ứng dễ: bỏ luôn hệ thống dán nhãn tự động. Tôi không đề xuất điều đó, vì không có hệ thống nào thay thế được nó ở quy mô hiện tại. Cách phản ứng đúng là kiểm tra.

Kiểm tra có nghĩa là định kỳ lấy mẫu ngẫu nhiên từ kho dữ liệu và xác minh lĩnh vực bằng tay. Với một kho mười nghìn mục mỗi tuần, lấy mẫu hai trăm mục là đủ để phát hiện tỷ lệ lỗi ở mức vài phần nghìn. Việc đó tốn của tôi khoảng bốn giờ một tuần. So với cái giá của một kết luận sai được công bố, bốn giờ là rẻ.

Kiểm tra cũng có nghĩa là công bố phương pháp. Mỗi bảng chỉ số nên nói rõ nó lấy dữ liệu từ đâu, đã loại bỏ bao nhiêu mục, và sai số ước tính là bao nhiêu. Không phải để phòng thủ, mà để người đọc tự đánh giá. Trong bảy nghìn năm trăm trang tài liệu đấu thầu mà tôi từng đọc, thứ khiến tôi tin vào kết luận của chính mình không phải là mức độ chắc chắn của nó, mà là việc tôi ghi rõ nó có thể sai ở đâu.

Và kiểm tra cũng có nghĩa là chấp nhận nói "không đủ thông tin". Với bản tin về ca tử vong ở bệnh viện Siglo XXI, câu trả lời đúng của một nhà phân tích bóng đá là im lặng. Không phải vì sự việc không quan trọng — nó rất quan trọng, nhưng với lĩnh vực y tế công và tư pháp, chứ không phải với bóng đá. Nhầm lĩnh vực ở đây không làm ai mất điểm, nhưng nó làm bẩn một tập dữ liệu mà hàng nghìn kết luận khác đang dựa vào.

Có khoảng cách giữa sự thật trên sân cỏ và sự thật trên bàn giấy. Và còn một khoảng cách nữa, ít được nói tới hơn: giữa sự thật trên bàn giấy và sự thật trong trường dữ liệu.

Điều tôi muốn để lại

Tôi không biết chuyện gì đã xảy ra trong khu vực cầu thang của Bệnh viện Trung tâm Quốc gia Siglo XXI. Không ai biết, kể cả IMSS và cơ quan công tố Mexico City, và cả hai đều đã nói đúng như vậy. Hồ sơ vẫn mở. Khi nào có kết luận, nó thuộc về trang y tế và trang pháp luật, không thuộc về trang thể thao.

Điều tôi biết là cái nhãn football kia đã được gán, đã tồn tại trong một kho dữ liệu, và đã sẵn sàng chảy vào bất kỳ mô hình nào đọc kho đó. Tôi biết điều đó vì tôi đã nhìn thấy nó bằng mắt mình, lúc hai giờ sáng, ở trường thứ tư từ trên xuống. Và tôi biết rằng nếu tôi không đọc chậm lại ở lần thứ tư, nó sẽ đi tiếp.

Trước khi xuất bản, tôi kiểm tra ba lần. Sau khi xuất bản, họ kiểm tra tôi ba mươi lần.

Câu hỏi tôi để lại không dành cho bộ phân loại tự động. Nó dành cho những ai đang vận hành đường ống dữ liệu thể thao và chưa từng lấy mẫu ngẫu nhiên một lần nào: nếu tỷ lệ lỗi trong kho của bạn là ba phần nghìn, bạn có biết mục nào đang sai không? Và nếu không biết, bạn dựa vào đâu để tin vào kết luận bạn công bố mỗi ngày?