Ngày càng nhiều học viện và câu lạc bộ bóng đá đưa trí tuệ nhân tạo (AI) vào quá trình tuyển trạch cầu thủ trẻ. Tuy nhiên, một số nghiên cứu cảnh báo công nghệ này không bảo đảm sẽ nhận diện chính xác “ngôi sao tương lai”, thậm chí có thể lặp lại những thiên kiến và bất bình đẳng vốn đã tồn tại trong hệ thống.

Theo Gigazine ngày 11/6, Lia Moncis, nhà nghiên cứu khoa học thể thao tại Đại học Malmö của Thụy Điển, cho biết AI có thể hỗ trợ quá trình ra quyết định trong tuyển trạch, nhưng vẫn có giới hạn khi cố biến việc đánh giá tài năng thành một quy trình hoàn toàn khách quan.

Thời gian gần đây, nhiều học viện bóng đá và câu lạc bộ chuyên nghiệp đã sử dụng thiết bị định vị GPS, công cụ phân tích video tự động và các nền tảng AI để thu thập dữ liệu cầu thủ. Với các đội bóng, phát hiện cầu thủ tiềm năng càng sớm thì cơ hội thu về lợi ích càng lớn, vì vậy việc ứng dụng công nghệ ngày càng được đẩy mạnh.

Tuy nhiên, rủi ro nằm ở chỗ AI thường học từ dữ liệu quá khứ để tìm ra mẫu hình của những cầu thủ từng thành công. Nếu hoạt động tuyển trạch truyền thống trước đây vốn ưu ái những cầu thủ có thể chất nổi trội hoặc xuất thân từ một số nhóm kinh tế - xã hội nhất định, hệ thống AI cũng có thể tái tạo đúng những xu hướng đó.

Bóng đá từng chứng kiến nhiều trường hợp được phát hiện từ rất sớm. Lamine Yamal của Tây Ban Nha gia nhập hệ thống đào tạo trẻ của FC Barcelona từ năm 6 tuổi và ra mắt đội một khi mới 15 tuổi 9 tháng 16 ngày. Ở chiều ngược lại, Alex Morgan chỉ bắt đầu theo đuổi bóng đá nghiêm túc từ tuổi thiếu niên, còn Luca Toni chỉ vươn lên đẳng cấp cao khi đã ngoài 20 tuổi.

Theo Moncis, sự phát triển về thể chất, tinh thần và xã hội của mỗi cầu thủ diễn ra với tốc độ khác nhau, nên rất khó dự báo tiềm năng dài hạn chỉ từ dữ liệu thu thập ở giai đoạn đầu đời. AI cũng chưa chắc phản ánh đầy đủ những khác biệt này.

Bà nhấn mạnh cách tiếp cận dựa trên dữ liệu có thể hỗ trợ quyết định, nhưng không thể loại bỏ hoàn toàn yếu tố chủ quan. Lý do là con người vẫn là bên quyết định sẽ thu thập dữ liệu gì, phân tích theo cách nào và định nghĩa ra sao về “tài năng”. Ngay cả khi nhiều chỉ số đã được lượng hóa, dữ liệu vẫn khó bao quát trọn vẹn trải nghiệm cá nhân, tương tác trên sân và bối cảnh cụ thể của trận đấu.

Rủi ro này cũng gắn với những bất bình đẳng vốn tồn tại trong bóng đá. Con đường trở thành cầu thủ đỉnh cao chịu ảnh hưởng của điều kiện xã hội, kinh tế và văn hóa. Nếu AI học từ chính những dữ liệu đó, các bất bình đẳng sẵn có có thể tiếp tục bị khuếch đại.

Những cầu thủ phát triển thể chất sớm thường có lợi thế so với bạn đồng trang lứa, nhưng điều đó không đồng nghĩa với tiềm năng dài hạn vượt trội. Các trường hợp “nở muộn” như Ian Wright hay Luca Toni có thể bị hệ thống bỏ qua nếu mô hình đánh giá quá phụ thuộc vào dữ liệu ban đầu.

Ở góc độ quản lý cầu thủ, việc giám sát bằng dữ liệu cũng có thể làm tăng áp lực tâm lý. Khi cầu thủ trẻ biết rằng mọi chỉ số của mình liên tục bị thu thập và phân tích bằng AI, áp lực không chỉ dừng ở phong độ thi đấu. Nghiên cứu cho thấy mức độ giám sát cao hơn còn có thể tạo ra cảm giác bị đánh giá thường trực đối với cả huấn luyện viên và đội ngũ hỗ trợ.

Dù vậy, nghiên cứu không phủ nhận giá trị của AI trong tuyển trạch. Các câu lạc bộ vẫn có thể dùng công nghệ để phân tích khối dữ liệu lớn vượt quá khả năng xử lý của con người, phát hiện những mẫu hình dễ bị bỏ sót và theo dõi cầu thủ mà không bị giới hạn bởi khoảng cách địa lý.

Theo Moncis, vấn đề cốt lõi không nằm ở việc có nên áp dụng công nghệ hay không, mà là áp dụng theo cách nào. Thách thức sắp tới không phải chỉ là đưa thêm công nghệ mới vào hệ thống, mà là rà soát lại cách vận hành, hiểu rõ giới hạn của dữ liệu và tiếp tục đầu tư vào năng lực chuyên môn.

Cuộc tranh luận này cho thấy AI có thể nâng hiệu quả tuyển trạch cầu thủ, nhưng dữ liệu học máy và tiêu chí đánh giá không tự động trở nên công bằng. Trong thể thao, bài toán quan trọng hơn vẫn là cách diễn giải dữ liệu và kết hợp công nghệ với phán đoán của con người.