Hệ thống phân tích thể thao rỗng đầu vào: bài học cho báo chí dữ liệu Việt Nam

Màn hình hiển thị một bảng dữ liệu với các ô trống màu xám. Phía dưới ghi rõ 'N/A'. Không có tên nhân vật, không có con số, không có trận đấu, không có một phát ngôn nào để bám vào. Nó giống như hồ sơ bệnh án của một võ sĩ mà bác sĩ vừa mới bước vào phòng cấp cứu, nhưng bệnh nhân lại đã rời đi. Với một nhà phân tích thể thao, bảng trống là một tiếng nói.

Bản phân tích này có tên 'Stage-1 deconstruction' – bước đầu tiên để mổ xẻ một bài báo thể thao. Tất cả trường thông tin từ tiêu đề, điểm số, chủ đề, cho đến các bệnh nhân, đều không xác định. Cơ quan phát hành không có một giá trị nào được đánh dấu. Đây không phải là một ca phân tích thất bại về mặt kỹ thuật. Đó là một hệ thống đang gào lên rằng nó không được cung cấp nhiên liệu.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi trong hơn mười lăm năm, tôi có thể nhìn thấy điều tương tự trong các phòng y tế ở các CLB bóng đá trẻ Việt Nam. GPS không được bật, báo cáo chấn thương viết vội vàng, huấn luyện viên nói 'cậu ấy chỉ mệt' nhưng không có chỉ số nào để chứng minh. Khi dữ liệu chết, phân tích cũng chết.

Hệ thống phân tích đã chia đánh giá thành bốn hạng mục: giá trị cạnh tranh, giá trị ngành, giá trị thời sự và giá trị tham chiếu. Tất cả đều nhận 0 sao. Con số 0 có vẻ đơn giản, nhưng nó là một bản cáo trạng. Trong một bài viết về võ thuật hay bóng đá, 0 sao về giá trị cạnh tranh có nghĩa là không có một pha bóng, một cú ra đòn hay một chiến thuật nào được ghi lại. 0 sao về giá trị ngành nghĩa là bài báo không bối cảnh hóa môn thể thao này trong hệ sinh thái hiện tại. Việc véo von 'không có đủ thông tin' không thay đổi bản chất: phân tích thể thao là nghề lắp ráp từ bằng chứng.

Điều khiến tôi quan tâm hơn là lời cảnh báo mức độ cao về nhãn 'martial_arts' không được phân loại rõ là đối kháng hiện đại hay biểu diễn truyền thống. Ở Việt Nam, sự khác biệt giữa võ cổ truyền và các giải đấu đối kháng như MMA hay Muay Thái là rất lớn. Chấn thương trong một trận đòn đau hoàn toàn khác với chấn thương do xoay vặn người trong biểu diễn. Khi hệ thống không biết mình đang phân tích môn gì, mọi công thức rủi ro trở nên vô nghĩa.

Một điểm quy chiếu đáng nhớ là ca chấn thương của tiền đạo Nguyễn Xuân Son tại AFF Cup 2026. Nhiều bình luận viên vội gọi đó là 'đen đủi' – một cú ngã không may. Nhưng nếu phân tích theo chiều sâu, bạn cần biết cậu ấy đã chơi bao nhiêu trận trong vòng 30 ngày, tổng số lần tăng tốc, thời gian nghỉ giữa các trận. Nếu không có dữ liệu đó, 'đen đủi' là cái tên cho một mảnh ghép chưa được điều tra. Như tôi từng viết: 'Thứ ta gọi là đen đủi thường chỉ là mảnh ghép chưa được điều tra.'

Ngược lại với suy nghĩ của nhiều người cho rằng càng ít dữ liệu, AI càng có thể 'sáng tạo' thêm, một bản phân tích rỗng chính là cơ hội để hệ thống tỏ rõ giới hạn. Các mô hình ngôn ngữ lớn hiện nay có thể sinh ra một bài phân tích dài về một trận đấu không tồn tại, nhưng điều đó không chỉ sai mà còn nguy hiểm. Trong lĩnh vực chấn thương, một kết luận được tạo ra từ sự tưởng tượng có thể khiến một vận động viên ra sân trong tình trạng không an toàn. Cơ thể không biết nói dối, nhưng dữ liệu cần người biết lắng nghe.

Những cảnh báo rủi ro trong bản đánh giá xếp theo thứ tự ưu tiên cho thấy gốc rễ vấn đề nằm ở 'Stage-1 input empty'. Thay vì cố đưa ra nhận định, một phân tích tốt phải dừng lại và yêu cầu được cung cấp thêm thông tin. Điều này nghe có vẻ phản trực giác với văn hóa báo chí hiện nay, nơi luôn muốn xử lý ngay bằng các công cụ AI. Nhưng tôi cho rằng một phân tích biết nói 'tôi cần nhiều hơn' có giá trị hơn một phân tích nói 'có lẽ thế này' từ một biểu đồ không có cột. Trận đấu có thể kết thúc, nhưng dấu vết chấn thương vẫn thì thầm suốt mùa sau.

Một hệ thống phân tích thể thao chỉ hữu dụng khi nó biết đối diện với sự thiếu hụt dữ liệu. Các nhà khoa học thể thao ở Việt Nam đang đứng trước bài toán tương tự: xây hạ tầng thu thập từ GPS, nhật ký tập luyện, báo cáo y khoa của từng vận động viên. Nếu không làm điều đó từ bây giờ, tất cả thuật toán chỉ là những chiếc bẫy đẹp đẽ.

Nhìn vào bảng phân tích trống rỗng, tôi không thấy sự thất bại của trí tuệ nhân tạo. Tôi thấy một phép thử đúng lúc cho ngành phân tích thể thao tại Việt Nam: đừng đổ lỗi cho mô hình khi chính chúng ta chưa ghi chép cẩn thận trận đấu. Mỗi nhóm dữ liệu trống là một bằng chứng về việc con người đã không lắng nghe. Trước khi là một cầu thủ, cậu ấy là một câu hỏi sinh tồn.

Hệ thống này đã từ chối đánh giá, và đó có thể là quyết định đúng đắn nhất mà nó đưa ra. Để tiến lên, chúng ta không cần một thuật toán lớn hơn, mà cần một quy trình kỷ luật để không bao giờ phân phát cho AI một trang giấy trắng không tên.