Dữ liệu rác trong phòng tuyển trạch: cái giá của một cái nhãn sai

Mùa hè năm 2026, tại trung tâm huấn luyện Trigoria, tôi mở một tệp dữ liệu lúc sáu giờ sáng. Hệ thống nội bộ của AS Roma đẩy nó vào ngăn mang nhãn bóng đá. Bên trong là biên bản một cuộc tranh cãi giữa các khách mời của một chương trình truyền hình thực tế: một người dẫn, vài thí sinh, và một câu nói bị cho là thiếu tế nhị nhắm vào người dẫn của kênh đối thủ. Không có đội hình. Không có chỉ số. Không có một cầu thủ nào. Người dán nhãn cho tệp ấy là một thuật toán. Nó bắt gặp những từ gala, loại, đối thủ, người dẫn, cuộc thi rồi kết luận rằng đây là thể thao. Nếu tôi không mở tệp ra kiểm tra, cái nhãn sai kia sẽ nằm im trong kho dữ liệu, chờ một buổi họp tuyển trạch trích dẫn nó như một mẩu bằng chứng. Điều khiến tôi nghĩ mãi về buổi sáng hôm ấy nằm ở chỗ khác. Một cái nhãn sai trên bản tin thì vô hại. Một cái nhãn sai trong phòng tuyển trạch có thể thay đổi số phận của một cầu thủ. Kho dữ liệu lớn dần, số người đọc không tăng Dựa trên kinh nghiệm theo dõi các trận đấu và làm việc cùng các học viện ở Ý, tôi thấy các lò đào tạo hiện đại tiếp nhận khối lượng dữ liệu mà mười năm trước không ai hình dung nổi. Mỗi tuần, một học viện tầm trung ở Serie A nhận hàng nghìn tệp từ nhà cung cấp bên thứ ba: báo cáo tuyển trạch, gói chỉ số trận đấu, biên bản buổi tập. Tất cả đổ vào một đường ống chung và đều phải được gán nhãn trước khi ai đó kịp đọc. Số người đọc thì không tăng theo. Bộ phận phân tích của phần lớn câu lạc bộ châu Âu vẫn chỉ có vài người. Họ lọc bằng nhãn trước, đọc bằng mắt sau. Khi nhãn là đầu mối duy nhất để chọn tệp nào đáng mở, chất lượng cái nhãn trở thành chất lượng của cả quá trình tuyển trạch. Ở Việt Nam, các trung tâm như PVF hay học viện HAGL JMG cũng đang xây dựng kho dữ liệu riêng. Quy mô nhỏ hơn nhiều, nhưng bài toán giống hệt: nhập dữ liệu thì dễ, giữ cho dữ liệu sạch mới khó. Từ đa nghĩa là cửa ngõ của rác Cơ chế gây lỗi đơn giản đến mức khó tin. Máy phân loại học theo từ vựng bề mặt. Trong tiếng Anh và tiếng Tây Ban Nha, gala xuất hiện ở cả lễ trao giải Quả bóng vàng lẫn một chương trình truyền hình. Host vừa là đội chủ nhà, vừa là người dẫn. Elimination vừa là lượt trận loại trực tiếp ở cúp châu Âu, vừa là đêm loại thí sinh. Bốn từ khóa ấy đủ để một tệp giải trí lọt qua cửa kiểm soát. Nghề tuyển trạch vấp phải đúng loại bẫy ấy, chỉ khác ngôn ngữ. Một cầu thủ được mô tả là regista ở Serie B có thể thực chất chỉ là tiền vệ thu hồi bóng chơi thấp. Một bản báo cáo dịch máy từ tiếng Bồ Đào Nha sang tiếng Ý có thể biến một hậu vệ biên tấn công thành hậu vệ biên phòng ngự. Câu lạc bộ mua anh ta về với vai trò sai, huấn luyện theo khuôn mẫu sai, rồi sau hai năm kết luận rằng anh ta không đủ trình độ. Kỷ luật đầu tiên tôi học được từ trưởng bộ phận phát triển cầu thủ cũ: một tệp chỉ được mang một chủ đề. Nếu nguồn gốc nói về nhiều thứ, nó phải bị tách ra hoặc bị loại. Ô trống trung thực có giá trị hơn một phán đoán bịa Trong các báo cáo của mình, tôi viết câu không đủ thông tin để đánh giá thường xuyên đến mức các cộng sự trẻ trêu tôi là người của những ô trống. Họ không thích câu đó, vì nó khiến bản báo cáo trông như chưa hoàn thành. Nhưng giữa một ô trống và một phán đoán bịa, khoảng cách chính là uy tín của cả một bộ phận. Một ô trống còn mời người khác quay lại kiểm tra. Một phán đoán bịa thì khép hồ sơ lại. Đó là lý do tôi xem việc nói không biết là một hành động chuyên môn. Bài học này tôi trả bằng một cái giá cụ thể. Năm 2026, khi còn là trợ lý phân tích dữ liệu ở lò đào tạo AS Roma, tôi ngồi lại sau trận Cúp Ý gặp Virtus Entella để xem lại băng ghi hình. Tôi phát hiện tiền vệ trẻ Nicolò Zaniolo, khi ấy mười bảy tuổi, có tỷ lệ tiếp đất bằng chân trái lệch tới 62%, tạo áp lực bất đối xứng lên đầu gối phải sau mỗi pha xoay người. Tôi viết báo cáo gửi đội ngũ y tế. Không có hồi âm. Không lâu sau, Zaniolo đổ xuống trong một pha xoay người, dây chằng chéo trước đứt. Một cảnh báo không có người chịu trách nhiệm thì cũng giống như một cái nhãn sai không có người kiểm tra. Cả hai đều nằm im trong kho, và chỉ lộ diện khi đã quá muộn. Lớp trầm tích không lừa ai, chỉ lừa người không đủ kiên nhẫn đào. Ngược lại, có những dữ liệu chỉ đến được với người chịu khó quay lại. Mùa hè năm 2026, khi các sân vận động đóng cửa vì đại dịch, quá trình đào tạo bị cắt ngang. Tôi thiết kế một chương trình nhỏ cho mười lăm học viên của Roma: nhảy dây mười lăm phút, dây kháng lực, và một nhóm WhatsApp để theo dõi từng người. Phòng khách biến thành phòng gym, bởi tài năng không chờ ai kê giường. Trong danh sách ấy có Edoardo Bove, khi đó mười tám tuổi, một cái tên chẳng ai để ý. Tôi ghi lại từng buổi tập, từng nhịp thở. Khi mùa giải trở lại, Bove tăng 12% sức bền tối đa và được đôn lên đội một trong trận gặp Young Boys tại Europa League. Con số ấy không đến từ một nhà cung cấp dữ liệu nào. Nó đến từ việc một người ngồi đọc từng dòng do một người khác viết. Năm 2026, tại giải U-21 châu Âu, tôi theo đội tuyển Ý làm trợ lý phân tích. Trận tứ kết gặp Bồ Đào Nha, Ý thua 3-5 trên chấm luân lưu. Tỷ số không phải thứ tôi mang về. Tôi dành hai giờ ghi chép mười tám đường chuyền xuyên tuyến của Sandro Tonali, người liên tục lùi sâu để kéo trung vệ đối phương rời khỏi vị trí. Kết quả là một báo cáo dài bốn mươi trang về không gian giữa các tuyến, và huấn luyện viên đội trẻ quyết định đưa nó vào giáo án. Ba câu chuyện ấy chỉ về cùng một hướng. Thứ tạo ra giá trị trong tuyển trạch là số lần một con người chịu ngồi lại kiểm tra một dòng dữ liệu mà hệ thống đã tin là đúng. Ba lớp kiểm tra trước khi dữ liệu vào phòng họp Lớp thứ nhất là kiểm tra thực thể. Mọi cái tên trong tệp phải thuộc về bóng đá: cầu thủ, câu lạc bộ, giải đấu, huấn luyện viên, trọng tài. Một tệp mang nhãn bóng đá mà danh sách thực thể toàn người dẫn chương trình và thí sinh thì bị loại ngay ở cửa. Lớp thứ hai là một tệp một chủ đề. Tệp lẫn nội dung bị tách ra hoặc bỏ đi. Đây là quy tắc tốn thời gian nhất và cũng là quy tắc cứu nhiều buổi họp nhất. Lớp thứ ba là nguồn và thời điểm tuyệt đối. Mỗi dữ kiện đi kèm tên nguồn và một ngày cụ thể. Những cụm như tuần trước hay mới đây bị xóa khỏi báo cáo. Ba lớp này không cần phần mềm đắt tiền. Chúng cần một người chịu đọc. Góc phản trực giác: nhiễu sinh sản nhanh hơn tín hiệu Niềm tin phổ biến trong ngành là dữ liệu nhiều hơn sẽ cho tuyển trạch tốt hơn. Thực tế vận hành cho thấy điều ngược lại ở một điểm quan trọng: nhiễu sinh sản nhanh hơn tín hiệu. Một học viện nhập mười nghìn tệp mỗi mùa. Chỉ cần 2% bị gán nhãn sai, kho dữ liệu đã có hai trăm mục rác nằm lẫn. Vấn đề là rác nổi lên trước tín hiệu, vì nó được viết bằng thứ ngôn ngữ hấp dẫn hơn: tranh cãi, xung đột, những cái tên quen mặt. Tín hiệu thật thì lặng lẽ: một độ lệch 62%, một mức tăng 12% sức bền, mười tám đường chuyền không ai đếm. Cấu trúc khuyến khích trong nghề cũng đang đẩy rác vào nhanh hơn mọi lỗi thuật toán. Người viết không đủ thông tin để đánh giá bị xem là thiếu năng lực. Người bịa ra một so sánh nghe hợp lý được xem là có cá tính. Kho dữ liệu không tự sinh ra sai lầm, nó chỉ giữ lại những sai lầm mà người ta lười kiểm tra. Suy ngẫm Lợi thế cạnh tranh tiếp theo của các lò đào tạo có lẽ nằm ở việc dám vứt bỏ dữ liệu. Một câu lạc bộ dám nói tệp này không thuộc về chúng ta sẽ tiết kiệm được nhiều hơn một câu lạc bộ mua thêm một nhà cung cấp. Buổi sáng ở Trigoria năm ấy, tôi đã có thể lướt qua cái tệp mang nhãn bóng đá kia và tin vào hệ thống. Nếu tôi làm thế, chuyện gì sẽ xảy ra với những cái tên thật sự cần được đọc?