Dán nhãn sai một trận bóng: lỗ hổng dữ liệu của bóng đá Việt Nam thời AI

Tháng Tám năm 2026, trong một phòng dữ liệu ở Thâm Quyến, hệ thống phân loại tự động trả về cho tôi một nhãn duy nhất: bóng đá. Nội dung đi kèm là câu chuyện về một nhà nghiên cứu rời Anthropic, người từng làm việc tại OpenAI, cảnh báo rằng các phòng thí nghiệm trí tuệ nhân tạo hàng đầu đang đẩy nhanh cuộc đua về siêu trí tuệ. Trong toàn bộ văn bản không có một đội bóng, một cầu thủ, một huấn luyện viên, hay một chỉ số bàn thắng kỳ vọng nào.

Mô hình đã đọc sai. Và nó đọc sai theo cách nguy hiểm nhất: rất tự tin.

Tôi kể câu chuyện này không phải để bàn về trí tuệ nhân tạo. Tôi kể vì nó là hình ảnh thu nhỏ của một vấn đề mà bóng đá Việt Nam đang bước vào nhanh hơn khả năng tự bảo vệ của chính mình. Khi một hệ thống dán nhãn sai, người đọc phía sau sẽ không bao giờ biết mình đang đọc sai. Và một nhãn sai trong phòng dữ liệu bóng đá có thể tốn của một câu lạc bộ hàng tỷ đồng, hoặc chôn vùi sự nghiệp của một cầu thủ mười chín tuổi.

Con số không bao giờ nói dối - chỉ có cách đọc nó mới sai lầm.

Bối cảnh: một nền bóng đá đang nhập khẩu công cụ nhanh hơn nhập khẩu kỷ luật

Bóng đá Việt Nam đang ở giai đoạn chuyển nhượng trước mùa giải 2026-27. Các câu lạc bộ V.League 1 hoàn tất danh sách đăng ký, đàm phán với ngoại binh, gia hạn với trụ cột và xử lý bài toán quỹ lương. Song song với guồng quay đó, một thứ khác cũng đang được mua vào: dữ liệu.

Trong khoảng bốn mùa giải trở lại đây, số câu lạc bộ V.League 1 có ít nhất một nhân sự phân tích bán thời gian đã tăng lên rõ rệt. Áo GPS xuất hiện trong các buổi tập. Các buổi họp chuyên môn không còn chỉ có video cắt sẵn mà có thêm bảng số liệu. Một vài đội bắt đầu hỏi mua gói dữ liệu sự kiện chi tiết từ các nhà cung cấp quốc tế, những gói mà mười năm trước chỉ nằm trong ngân sách của các câu lạc bộ châu Âu.

Đấy là tin tốt. Nhưng nó tạo ra một nghĩa vụ mới mà rất ít người trong ngành nhận ra: nếu bạn mua một mô hình, bạn phải mua luôn trách nhiệm về cái nhãn.

Tôi đã có sáu năm làm việc với dữ liệu bóng đá, bốn năm trong đó gắn với các thị trường châu Á, và kết luận lớn nhất tôi rút ra không nằm ở mô hình. Nó nằm ở bước trước mô hình: bước gán nhãn cho từng sự kiện, từng cầu thủ, từng trận đấu. Đó là bước con người làm, con người kiểm, và cũng là bước con người bỏ qua nhiều nhất.

Hãy hình dung cụ thể. Một trận V.League 1 kéo dài 90 phút sinh ra khoảng 1.000 đến 1.400 sự kiện bóng chạm chân. Mỗi sự kiện phải được gán một nhãn: chuyền, chuyền tiến tuyến, chuyền vào vùng cấm, sút, sút trúng đích, tắc bóng, phá bóng, mất bóng. Mỗi nhãn sai làm lệch toàn bộ chuỗi chỉ số phía sau. Một đường chuyền ngang bị dán nhãn "chuyền tiến tuyến" sẽ đẩy chỉ số xG chain của một tiền vệ lên, và chỉ số đó có thể là lý do cậu ấy được gọi lên đội tuyển quốc gia.

Lõi phân tích: nhãn là thứ đi trước sự thật, và nó quyết định sự thật

xG không phải sự thật - nó là la bàn, và la bàn không bao giờ chỉ đường tắt.

Tôi học được điều này từ một thất bại cụ thể. Tháng Một năm 2026, khi còn làm phân tích viên tại một công ty tư vấn ở Thâm Quyến, tôi nhận được yêu cầu đánh giá một tiền vệ trẻ người Argentina đang chơi cho River Plate. Tôi dựng hồ sơ đa chiều: chỉ số tham gia chuỗi bàn thắng kỳ vọng đạt 0,45 mỗi trận, nằm trong nhóm 5% tốt nhất của giải vô địch quốc gia Argentina; khả năng chuyền dưới áp lực; tần suất nhận bóng ở khoảng trống giữa tuyến.

Nhưng hồ sơ của tôi có một dòng khiến giám đốc thể thao của một câu lạc bộ tại Thâm Quyến gạch bỏ toàn bộ: quãng đường chạy trung bình 9,8 km, thấp hơn ngưỡng 11,2 km mà câu lạc bộ đó áp cho tiền vệ.

Anh ấy đọc đúng con số. Anh ấy đọc sai cái nhãn.

Cái nhãn ở đây là "tiền vệ phải chạy 11,2 km". Nhãn đó được xây cho một hệ thống pressing tầm cao, nơi tiền vệ phải bọc hai cánh liên tục. Tiền vệ người Argentina kia chơi ở một hệ thống khác, nơi giá trị của cậu ấy nằm ở việc giữ bóng, xoay trục và phát động. Hai hệ thống khác nhau, hai nhãn khác nhau, một kết luận bị bóp méo. Cậu ấy tên là Enzo Fernández. Tháng Một năm 2026, Chelsea mua Enzo Fernández với mức phí 106,8 triệu bảng, khi đó là kỷ lục chuyển nhượng của bóng đá Anh. Tháng Bảy năm 2026, Enzo Fernández giành Quả bóng vàng của FIFA Club World Cup cùng Chelsea.

Tôi không kể lại câu chuyện đó để tự khen. Tôi kể để chỉ ra rằng sai lầm không nằm ở dữ liệu. Dữ liệu về quãng đường chạy hoàn toàn chính xác. Sai lầm nằm ở việc một chỉ số của một hệ thống bị áp lên một cầu thủ của hệ thống khác, và không ai đặt câu hỏi về cái nhãn trước khi đặt câu hỏi về con số.

Trong bóng đá Việt Nam, lỗi này đang có điều kiện sinh sôi tốt hơn bao giờ hết, vì ba lý do.

Thứ nhất, dữ liệu sự kiện của V.League 1 không đồng nhất giữa các nhà cung cấp. Một đường chuyền vào vùng cấm ở nhà cung cấp A có thể bị nhà cung cấp B coi là đường chuyền vào khu vực nguy hiểm cấp hai. Khi hai câu lạc bộ dùng hai nguồn khác nhau để đàm phán về cùng một cầu thủ, họ đang tranh luận bằng hai thứ tiếng khác nhau.

Thứ hai, các mô hình mà câu lạc bộ Việt Nam nhập về phần lớn được huấn luyện trên dữ liệu châu Âu. Một mô hình tính bàn thắng kỳ vọng học từ hàng trăm nghìn cú sút ở Premier League, La Liga, Bundesliga. Nhưng phân bố cú sút ở V.League 1 khác: tỷ lệ sút xa cao hơn, tỷ lệ dứt điểm trong vùng cấm thấp hơn, số pha phản công từ sai lầm đối phương nhiều hơn. Đưa mô hình châu Âu vào đó mà không hiệu chỉnh lại nhãn nghĩa là bạn đang đo một giải đấu bằng thước của giải khác.

Thứ ba, và đây là điểm tôi muốn nhấn mạnh nhất: nhãn trong bóng đá Việt Nam phần lớn vẫn do một người duy nhất quyết định, không có quy trình đối chiếu chéo. Một nhân viên phân tích mới ra trường, làm việc một mình, ngồi cắt video và gán nhãn cho 1.200 sự kiện mỗi trận. Không có người thứ hai kiểm tra mẫu ngẫu nhiên. Không có định nghĩa nội bộ được viết thành văn bản. Không có nhật ký cho biết vì sao một sự kiện được gán nhãn này thay vì nhãn kia.

Đấy là điểm mù. Và điểm mù trong dữ liệu không sửa được bằng cách mua dữ liệu nhiều hơn.

Một chỉ số không bao giờ là bằng chứng - nó chỉ là một lời khai

Mỗi con số là một lời khai; người đủ kiên nhẫn mới nghe được phiên tòa trọn vẹn.

Hãy lấy một ví dụ đang được dùng nhiều trong các báo cáo chuyển nhượng ở Việt Nam: chạm bóng trong vùng cấm đối phương của các tiền đạo ngoại. Chỉ số này được dùng để trả lương, để gia hạn, để quyết định có nhập tịch hay không. Nhưng nó phụ thuộc gần như hoàn toàn vào nhãn "vùng cấm" và nhãn "đối phương".

Ở một số nguồn, quả bóng đi vào vùng cấm rồi bật ra vẫn được tính là một lần chạm bóng trong vùng cấm. Ở nguồn khác, phải là cầu thủ chủ động chạm bóng trong vùng cấm mới tính. Chênh lệch giữa hai cách gán nhãn có thể lên tới 15 đến 20% tổng số lần chạm bóng của một tiền đạo trong cả mùa. Với một cầu thủ ghi 12 bàn một mùa, sai số đó tương đương việc bạn đang đánh giá hai cầu thủ khác nhau.

Điều tương tự đúng với PPDA, chỉ số đo cường độ pressing. PPDA được tính bằng số đường chuyền đối phương thực hiện thành công chia cho số hành động phòng ngự của đội bạn trong vùng áp sát. Nhãn "hành động phòng ngự" ở đây gồm những gì thì mỗi nhà cung cấp trả lời một khác. Có nơi tính cả tình huống cầu thủ đứng chắn đường chuyền mà không chạm bóng. Có nơi không tính. Kết quả là hai đội có cùng một lối chơi có thể hiện ra chỉ số PPDA lệch nhau cả đơn vị.

Trong nghiên cứu tôi công bố năm 2026 về ảnh hưởng của việc thi đấu không khán giả, tôi từng phát hiện PPDA trung bình của đội chủ nhà giảm từ 9,6 xuống 8,9 khi sân vận động trống. Đó là một kết quả đẹp về mặt con số. Nhưng tôi chỉ dám công bố nó sau khi kiểm lại định nghĩa PPDA của hai nguồn dữ liệu độc lập, vì nếu hai nguồn định nghĩa khác nhau thì cái chênh lệch 0,7 kia có thể chỉ là sản phẩm của khác biệt trong khâu gán nhãn, chứ không phải của ánh mắt khán giả.

Sân không khán giả là phòng thí nghiệm lớn nhất mà bóng đá hiện đại từng có. Nhưng một phòng thí nghiệm chỉ có giá trị khi dụng cụ đo được hiệu chuẩn.

Nhãn sai tạo ra cầu thủ sai: trường hợp vị trí thi đấu

Lỗi dán nhãn nghiêm trọng nhất mà tôi gặp ở thị trường Đông Nam Á không liên quan tới xG. Nó liên quan tới định vị.

Một cầu thủ Việt Nam được gắn nhãn "tiền vệ trụ" từ học viện năm mười bảy tuổi, vì ở lứa tuổi đó cậu ấy cao nhất đội và chơi ở vị trí thấp nhất trong sơ đồ hình kim cương. Cái nhãn đó đi theo cậu ấy suốt bảy năm. Khi vào đội một, cậu ấy được dùng đúng theo nhãn: đá thấp, thu hồi bóng, phát động đơn giản. Nhưng dữ liệu theo dõi chuyển động cho thấy cậu ấy di chuyển vào khoảng trống nửa trái nhiều gấp ba lần so với trung bình của các tiền vệ trụ trong cùng giải đấu, và tỷ lệ chuyền có giá trị tạo cơ hội cao hơn hẳn.

Cậu ấy là một tiền vệ con thoi bị đóng khung thành một máy quét. Trong hai mùa đầu, không ai đặt câu hỏi về cái nhãn, vì cái nhãn đến từ học viện và học viện thì luôn biết rõ nhất.

Đấy là cơ chế quyền lực đằng sau mọi hệ thống dữ liệu: nhãn cũ có trọng lượng lớn hơn nhãn mới, kể cả khi nhãn mới đúng hơn. Trong tuyển trạch, cái nhãn đến từ giải đấu gốc của cầu thủ lại càng có trọng lượng. Một cầu thủ chơi ở giải hạng Nhất Việt Nam bị gán nhãn "chưa kiểm chứng được ở cấp độ cao" và nhãn đó tự động trừ đi 20 đến 30% giá trị định giá của cậu ấy trong mọi mô hình, bất kể dữ liệu theo dõi chuyển động nói gì.

Tôi từng đưa ra phản biện cho một báo cáo nội bộ ở Thâm Quyến bằng cách đối chiếu ba nguồn: dữ liệu sự kiện, dữ liệu chuyển động theo GPS, và băng hình gốc. Trong 60 tình huống lấy mẫu ngẫu nhiên, có 11 tình huống bị hai nguồn dữ liệu gán nhãn khác nhau, tức tỷ lệ bất đồng khoảng 18%. Đây là con số tôi luôn đặt lên đầu mọi báo cáo chuyển nhượng: tỷ lệ bất đồng nhãn giữa các nguồn. Nó không cho biết cầu thủ giỏi hay dở. Nó cho biết bạn đáng tin tới mức nào vào phần còn lại của báo cáo.

Góc phản trực giác: thủ phạm không phải là AI

Phản ứng dễ nhất khi đọc những dòng trên là đổ lỗi cho trí tuệ nhân tạo. Tôi cho rằng đó là phản ứng sai, và nó nguy hiểm vì nó khiến người ta bỏ qua thủ phạm thật.

Thủ phạm thật là bảng phân loại do con người viết ra, được con người truyền từ khóa này sang khóa khác, và chưa từng bị đem ra chất vấn. Mô hình chỉ học lại bảng phân loại đó rồi khuếch đại nó lên. Cái nhãn tôi gặp ở Thâm Quyến là một mô hình đọc sai; nhưng nguyên nhân sâu hơn là một tập dữ liệu huấn luyện trong đó có quá nhiều bài viết bị dán nhãn "bóng đá" vì chúng chứa từ khóa liên quan. Mô hình làm đúng những gì nó được dạy.

Trong bóng đá Việt Nam, phiên bản tương đương của vấn đề này là các buổi tuyển chọn dựa trên lời giới thiệu. Người đại diện nói cầu thủ này đá cánh trái. Câu lạc bộ ghi vào hồ sơ đá cánh trái. Ba tháng sau không ai kiểm tra lại. Sau một mùa, câu lạc bộ mua thêm một cầu thủ cùng vị trí vì thấy "thiếu", trong khi vấn đề nằm ở chỗ cầu thủ kia vốn không chơi ở vị trí đó.

Có một điểm nữa mà tôi cho rằng giới phân tích Việt Nam cần nhìn thẳng. Khi thị trường chuyển nhượng định giá cầu thủ bằng các con số đã qua gán nhãn, thì việc tạo ra cái nhãn trở thành một hoạt động có lợi nhuận. Trong thị trường chuyển nhượng, một con số 80 triệu euro có thể là... một trò đùa. Con số đó không được sinh ra từ sân cỏ; nó được sinh ra từ một chuỗi phòng họp nơi mỗi bên có động cơ riêng để chọn một cách gán nhãn có lợi cho mình.

Với quy mô của V.League 1, nơi phần lớn câu lạc bộ vận hành với ngân sách mùa trong khoảng vài chục đến hơn trăm tỷ đồng, các thương vụ ngoại binh thường chỉ vài chục nghìn đến vài trăm nghìn đô la Mỹ. Nên tác động của một nhãn sai ở đây không thể hiện bằng một khoản phí khổng lồ. Nó thể hiện bằng thời gian. Một ngoại binh về sai vai, mất bốn đến sáu tháng để thích nghi, và bị thanh lý hợp đồng trước khi mùa giải kết thúc. Câu lạc bộ mất một suất ngoại binh, mất một phần ngân sách, và mất luôn niềm tin vào toàn bộ bộ phận dữ liệu.

Đấy là chi phí thật: không phải tiền, mà là uy tín của phương pháp.

Đối chiếu với một ca cụ thể của bóng đá Việt Nam

Tôi muốn kể một trường hợp tôi theo dõi sát trong hai mùa gần đây. Một câu lạc bộ V.League 1 có một trung vệ nội được đánh giá là chậm. Nhãn "chậm" đến từ hai tình huống bị vượt qua ở mùa trước, được truyền thông lặp lại, và cuối cùng trở thành sự thật mặc định trong các cuộc thảo luận của cổ động viên.

Dữ liệu chuyển động cho thấy tốc độ tối đa của cầu thủ này nằm ở nhóm trung bình khá của giải. Vấn đề nằm ở chỗ khác: cậu ấy bị đặt vào tình huống một chọi một ở khoảng cách dài tới 40 mét nhiều hơn hẳn so với các trung vệ khác, vì hàng tiền vệ của đội để lộ khoảng trống lớn phía trước và đội chơi hàng thủ lùi sâu. Số lần cầu thủ này phải phòng ngự trong tình huống một chọi một có khoảng trống sau lưng cao gấp đôi mức trung bình giải đấu.

Cái nhãn "chậm" là một nhãn sai, và nó là một nhãn được tạo bởi tập thể, không phải bởi một người. Sửa nó đòi hỏi phải thay đổi cả một câu chuyện đã được kể lại hàng trăm lần.

Bóng đá Việt Nam có một lợi thế và một bất lợi trong loại công việc này. Lợi thế là quy mô giải đấu nhỏ: 14 câu lạc bộ, khoảng hai mươi vòng một mùa, nghĩa là một nhóm phân tích đủ nhỏ có thể tự tay kiểm tra lại nhãn của từng trận nếu họ tổ chức đúng. Bất lợi là nhóm đó hầu như không tồn tại ở dạng chính thức.

Ngược lại, hãy nhìn vào đội tuyển quốc gia. Việt Nam vô địch ASEAN Championship 2026, hạ Thái Lan 5-3 sau hai lượt trận vào tháng Một năm 2026. Trong giải đấu đó, Nguyễn Xuân Son ghi bàn đều đặn trước khi dính chấn thương nặng ở lượt về trận chung kết. Một đội vô địch khu vực vẫn phải đối mặt với thực tế rằng ngay sau đó, ở vòng loại thứ ba World Cup 2026, Việt Nam kết thúc bảng đấu ở vị trí cuối cùng.

Sự chênh lệch giữa hai kết quả ấy là một bài toán dữ liệu. Đội vô địch khu vực và đội xếp cuối vòng loại châu lục là cùng một đội, trong cùng một chu kỳ hai năm. Cái thay đổi không phải là con số về chất lượng cầu thủ, mà là cái nhãn về đối thủ. Gặp Thái Lan ở Đông Nam Á và gặp Nhật Bản, Hàn Quốc, Iran hay Ả Rập Xê Út ở châu Á là hai bài kiểm tra khác hẳn nhau về tốc độ ra quyết định và chất lượng khoảng trống.

Tôi không tin vào may mắn - tôi tin vào một mẫu dữ liệu đủ lớn. Và một trong những cái nhãn sai lớn nhất của bóng đá Việt Nam trong nhiều năm là nhãn "thành tích ở Đông Nam Á là thước đo năng lực thật".

Điều cần theo dõi trong vòng đấu tiếp theo và kỳ chuyển nhượng này

Croatia 2026 dạy tôi: xác suất 12% vẫn là một con số đáng để đặt cược. Nhưng xác suất đó chỉ đáng tin khi dữ liệu đầu vào được gán nhãn đúng.

Trong kỳ chuyển nhượng trước mùa giải 2026-27, có bốn tín hiệu tôi sẽ theo dõi và tôi cho rằng giới phân tích Việt Nam cũng nên theo dõi.

Tín hiệu thứ nhất là sự xuất hiện của một văn bản định nghĩa chỉ số bằng tiếng Việt được ít nhất ba câu lạc bộ dùng chung. Khi tồn tại một định nghĩa chung cho "chuyền tiến tuyến", "cơ hội lớn" và "hành động phòng ngự", thị trường chuyển nhượng nội địa sẽ định giá cầu thủ bằng cùng một thước. Đó là điều kiện nền để mọi thứ khác có nghĩa.

Tín hiệu thứ hai là sự xuất hiện của vai trò kiểm tra chéo nhãn trong câu lạc bộ. Không cần phòng dữ liệu lớn. Chỉ cần một người thứ hai lấy mẫu ngẫu nhiên 100 sự kiện mỗi trận và ghi lại tỷ lệ bất đồng. Con số đó, được công bố công khai trong nội bộ, sẽ nhanh chóng trở thành thước đo uy tín của cả bộ phận.

Tín hiệu thứ ba là cách các câu lạc bộ định giá ngoại binh trong giai đoạn đàm phán cuối. Nếu một câu lạc bộ trả giá cao cho một cầu thủ chỉ dựa vào số bàn thắng ghi ở một giải đấu có chất lượng phòng ngự thấp, câu lạc bộ đó đang mua một cái nhãn chứ không mua một cầu thủ.

Tín hiệu thứ tư, và là tín hiệu tôi chờ đợi nhất, là việc đội tuyển quốc gia chuyển từ tuyển chọn theo phong độ sang tuyển chọn theo chức năng. Một cầu thủ ghi 15 bàn ở V.League 1 không tự động là người phù hợp với vai trò mà đội tuyển cần ở vòng loại châu lục. Nhãn "vua phá lưới" rất dễ đọc và rất dễ sai.

Nhãn sai không tự sửa. Nó chỉ ngừng tồn tại khi có người đủ can đảm xóa nó đi và viết lại từ đầu.

Tôi sẽ dành mùa giải này để đếm xem có bao nhiêu cái nhãn được viết lại ở V.League 1. Và tôi cho rằng con số đó sẽ nói cho chúng ta biết nhiều hơn bất kỳ bảng xếp hạng nào về việc bóng đá Việt Nam có thực sự bước vào kỷ nguyên dữ liệu hay chỉ đang mua áo GPS để mặc cho đẹp.