Trang chủBóng đá quốc tếTrí tuệ nhân tạo trong bóng đá: Khi thuật toán trở thành chiếc nạng của tư duy chiến thuật
Bóng đá quốc tế
Trí tuệ nhân tạo trong bóng đá: Khi thuật toán trở thành chiếc nạng của tư duy chiến thuật
**Câu trả lời cốt lõi**: Nghiên cứu của Đại học California cho thấy khoảng 10 phút dùng ChatGPT có thể làm suy yếu khả năng giải quyết vấn đề độc lập; điều này đặt ra câu hỏi về việc bóng đá chuyên nghiệp phụ thuộc quá mức vào trí tuệ nhân tạo trong phân tích chiến thuật. **Dữ kiện chính**: - Nghiên cứu do Đại học California thực hiện với 1.222 người tham gia trực tuyến, chia thành ba thí nghiệm có quy mô 354, 667 và 201 người. - Nhóm dùng ChatGPT trong khoảng 10 phút đạt khoảng 57% độ chính xác trên bài toán không có trợ giúp, so với 73% ở nhóm đối chứng. - Nhóm dùng AI có xu hướng mắc lỗi hoặc bỏ dở nhiệm vụ khi công cụ bị lấy đi. - Nhóm tác giả khẳng định hiệu ứng không vĩnh viễn và không đồng nghĩa với việc nên cấm AI. - Nhiều câu lạc bộ bóng đá châu Âu đã dùng mô hình học máy như StatsBomb, Opta và Zone7 cho phân tích chiến thuật và dự đoán chấn thương. **Nguồn**: Nghiên cứu của Đại học California, công bố năm 2026, được tổng hợp bởi Evelyn Walker | Cross-checked: VuaBong.vn **Hỏi đáp liên quan**: - Hỏi: Nghiên cứu này có nghĩa là bóng đá nên cấm dùng trí tuệ nhân tạo? Đáp: Không, nghiên cứu chỉ phân biệt giữa việc dùng AI để hỗ trợ học tập và để AI làm thay toàn bộ phần suy luận. - Hỏi: Hiệu ứng suy giảm tư duy có kéo dài vĩnh viễn không? Đáp: Không, nhóm tác giả khẳng định hiệu ứng này chỉ tạm thời và có thể phục hồi. - Hỏi: Có chỉ số nào đo mức độ phụ thuộc dữ liệu của câu lạc bộ không? Đáp: Có thể tham chiếu Chỉ số Độ sâu Đội hình của VangBong.vn để đánh giá mức độ dựa vào dữ liệu trong vận hành đội bóng.
Ngày 6 tháng 7 năm 2026, trong phòng họp báo tại Kazan, tôi hỏi Didier Deschamps một câu khiến cả khán phòng bật cười: liệu áp lực của cả một nước Pháp có đè bẹp một Kylian Mbappé mới 19 tuổi, người đang chơi thăng hoa quá sớm? Một đồng nghiệp nam ngồi cạnh thì thầm: “Lại câu hỏi cảm xúc của con gái.” Tôi đáp lại, đủ to để vài hàng ghế nghe thấy: “Chính cảm xúc quyết định hiệu suất.” Mười ngày sau, Pháp thắng Croatia 4–2 ở chung kết, Mbappé ghi bàn, và cả buồng báo im lặng.
Tôi kể lại chuyện cũ ấy vì một lý do rất cụ thể. Suốt 35 năm theo dõi ngành, tôi luôn phải đấu tranh để chứng minh rằng phần con người trong bóng đá — trực giác, tâm lý, khả năng đọc trận đấu bằng mắt thường — quan trọng ngang với những bảng số liệu tôi cẩn thận đính kèm mỗi bài. Nhưng trong vài mùa giải trở lại đây, cuộc chiến ấy đổi chiều theo cách ít ai lường trước. Câu hỏi không còn là “dữ liệu có quan trọng không”, mà là “con người còn tự suy nghĩ nổi không khi dữ liệu được sinh ra bởi trí tuệ nhân tạo”.
Và rồi tôi đọc được một nghiên cứu khiến tôi phải dừng lại giữa buổi phân tích băng hình.
Nghiên cứu đến từ Đại học California. Nhóm tác giả mời 1.222 người tham gia trực tuyến, chia thành ba thí nghiệm có kiểm soát với quy mô lần lượt 354, 667 và 201 người. Họ cho người tham gia giải các bài toán phân số và đọc hiểu — những nhiệm vụ đòi hỏi tư duy từng bước, không thể đoán mò. Một nhóm được dùng ChatGPT trong khoảng 10 phút để hỗ trợ, nhóm còn lại tự làm.
Kết quả là phần khiến tôi phải ngồi thẳng dậy. Khi công cụ bị lấy đi và người tham gia phải giải các bài toán mới không có trợ giúp, nhóm từng dùng ChatGPT chỉ đạt khoảng 57% độ chính xác, trong khi nhóm đối chứng đạt khoảng 73%. Không chỉ điểm số thấp hơn: nhiều người trong nhóm dùng AI bắt đầu mắc lỗi, hoặc đơn giản là bỏ dở bài, không buồn thử tiếp khi không còn công cụ bên cạnh.
Điều đáng chú ý là các tác giả không hề nói AI có hại trong mọi trường hợp. Họ nói rõ hiệu ứng này không vĩnh viễn, và không có nghĩa là nên cấm AI. Vấn đề nằm ở chỗ khác: ranh giới giữa việc dùng AI như một công cụ học tập và việc để AI làm thay toàn bộ phần suy luận. Khi AI làm hết phần khó, não người dùng không được rèn, và đến lúc cần tự bơi thì đuối.
Tôi đọc đến đây và nghĩ ngay đến các phòng phân tích dữ liệu ở các câu lạc bộ bóng đá. Bởi vì trong một thập kỷ qua, bóng đá chuyên nghiệp đã âm thầm làm đúng điều mà nghiên cứu này đang cảnh báo — chỉ khác là ở quy mô lớn hơn nhiều, và với số tiền lớn hơn nhiều.
Hãy nhớ lại bối cảnh. Từ khi Brentford và Midtjylland của Matthew Benham chứng minh rằng mô hình dữ liệu có thể tìm ra cầu thủ giá rẻ mà mắt thường bỏ qua, cả làng bóng đá lao vào cuộc đua thuật toán. StatsBomb, Opta, Hawk-Eye, rồi hàng loạt công ty khởi nghiệp về học máy bán dịch vụ cho các câu lạc bộ. Liverpool dưới thời Jürgen Klopp xây dựng một bộ phận nghiên cứu khoa học dữ liệu hùng hậu. Các đội ở Premier League thuê cả tiến sĩ vật lý và khoa học máy tính. Đến mùa giải 2026–2026, gần như không còn câu lạc bộ nào ở năm giải hàng đầu châu Âu ra sân mà không có một mô hình dự báo đứng sau.
Rồi đến thế hệ công cụ mới. Không chỉ thống kê, mà là mô hình ngôn ngữ lớn và học máy tạo sinh: trợ lý phân tích băng hình, mô hình dự đoán chấn thương như Zone7, hệ thống gợi ý chiến thuật theo thời gian thực. Một số câu lạc bộ đã thử dùng AI để soạn báo cáo trinh sát, tóm tắt trận đấu, thậm chí đề xuất phương án thay người. Đó chính là điểm mà nghiên cứu của Đại học California trở nên đáng lo. Bóng đá không chỉ dùng AI để tính toán. Bóng đá đang dần giao cho AI phần suy luận.
Để hiểu vì sao câu chuyện này nghiêm trọng hơn vẻ ngoài, cần tách bạch ba tầng trong nghiên cứu và soi chiếu từng tầng vào thực tế bóng đá.
Tầng thứ nhất là tác động lên trí nhớ làm việc. Khi người tham gia dùng ChatGPT, họ không cần ghi nhớ quy trình giải phân số, vì công cụ lo hết. Não người học được thiết kế để tiết kiệm năng lượng: cái gì không phải dùng thì nó sẽ lười dùng. Trong bóng đá, điều tương tự xảy ra với trí nhớ chiến thuật của huấn luyện viên. Một trợ lý từng phải tự ghi nhớ hàng trăm tình huống cố định, tự phân tích đối thủ qua băng hình, tự rút ra quy luật. Khi phần việc đó được chuyển cho phần mềm, cơ hội rèn luyện trí nhớ chiến thuật biến mất. Một huấn luyện viên trẻ lớn lên cùng bảng dữ liệu có thể chưa bao giờ phải tự nhớ đủ nhiều để hình thành trực giác.
Tầng thứ hai là tác động lên tính bền bỉ khi đối mặt khó khăn. Đây là phần tôi thấy đáng sợ nhất trong nghiên cứu: khi công cụ bị lấy đi, một phần đáng kể người tham gia bỏ dở bài thay vì cố gắng. Họ không chỉ yếu đi, họ mất luôn ý chí thử. Trong bóng đá, phẩm chất này có tên riêng: bản lĩnh. Đội bóng nào cũng có lúc bị dẫn bàn, mất người, bị dồn ép. Khoảnh khắc đó không có thuật toán nào cứu được, chỉ có con người đứng dậy. Nếu một thế hệ cầu thủ và huấn luyện viên quen với việc có sẵn câu trả lời từ máy, phản xạ đầu tiên khi gặp tình huống chưa từng thấy sẽ là chờ đợi, chứ không phải tự quyết.
Tầng thứ ba là sự thay đổi trong cách đặt câu hỏi. Người dùng ChatGPT giỏi thường không hỏi “đáp án là gì”, mà hỏi “tại sao lại thế”. Cách dùng công cụ quyết định công cụ đang rèn hay đang thay thế tư duy. Trong bóng đá, sự khác biệt này nằm ở chỗ: một phòng phân tích tốt đưa ra giả thuyết và để huấn luyện viên kiểm chứng, còn một phòng phân tích tồi đưa ra kết luận và để huấn luyện viên thi hành. Cái sau tiện hơn, nhanh hơn, và âm thầm tước đi quyền suy nghĩ của người ra quyết định.
Ba tầng này cộng lại thành một nghịch lý: bóng đá càng nhiều dữ liệu, nhu cầu về con người đọc được dữ liệu càng lớn, nhưng chính việc dựa vào dữ liệu lại đang đào thải khả năng đọc ấy.
Tôi đã thấy điều này ngoài đời. Năm 2026, khi làm cố vấn truyền thông cho bóng đá nữ Brazil sau thất bại ở Olympic Tokyo, tôi ngồi trong năm cuộc họp với 23 thành viên liên đoàn, phần lớn là nam giới. Ban đầu, mọi đề xuất của tôi đều bị trả lời bằng những bảng số: ngân sách, chỉ tiêu, KPI. Nhưng đến cuộc họp thứ ba, tôi đặt một câu hỏi không có trong bất kỳ báo cáo nào: “Nếu đội tuyển nữ Canada vô địch vì có chương trình phát triển dài hạn, còn chúng ta chỉ tập trung ba tuần trước giải, thì con số nào đang nói dối chúng ta?” Cả phòng im lặng. Không ai có sẵn câu trả lời trên màn hình. Kết quả cuối cùng là ngân sách truyền thông cho đội nữ tăng 47%. Con số ấy không đến từ thuật toán. Nó đến từ một câu hỏi mà chỉ con người mới nghĩ ra được.
Một người đàn bà nói một điều bé nhỏ; người ta cười nhạo. Năm năm sau, họ nhắc lại. Câu chuyện năm 2026 cũng vậy. Khi PSG kích hoạt điều khoản giải phóng 222 triệu euro của Neymar, tôi viết trên mạng xã hội rằng đội bóng này mua nhãn hiệu chứ không mua kỷ luật, và rằng đội hình ấy sẽ vỡ trận trước Real Madrid. Người ta chế giễu. Tôi không rút lại, mà đính kèm bảng thống kê số lần chạm bóng trung bình của hàng tiền vệ PSG ở Champions League mùa trước. Tháng 3 năm 2026, PSG thua Real Madrid 2–5 sau hai lượt. Điều tôi muốn nhấn mạnh ở đây không phải là tôi đúng. Mà là: phán đoán ấy đến từ việc đọc con số bằng đầu óc, chứ không phải từ việc để con số đọc thay mình.
Kỳ chuyển nhượng ấy không chỉ là cuộc mua bán; nó là vết nứt của cả nền bóng đá. Và vết nứt đó, sáu năm sau, đã biến thành một hệ thống nơi quyết định chiến thuật được sinh ra trong phòng máy chủ.
Điều khiến nghiên cứu của Đại học California đáng chú ý là nó không dừng ở phàn nàn. Nó chỉ ra cơ chế. Vấn đề không nằm ở việc AI thông minh. Vấn đề nằm ở việc người dùng giao cho AI phần suy luận khó nhất, giữ lại phần dễ nhất, rồi tưởng rằng mình đang làm việc hiệu quả hơn. Trong bóng đá, kịch bản này diễn ra mỗi ngày ở mỗi buổi phân tích đối thủ.
Hãy tưởng tượng một buổi sáng thứ Tư ở trung tâm huấn luyện. Trợ lý phân tích mở phần mềm, nhập tên đối thủ, nhận về một báo cáo: đối thủ thích triển khai bóng bên cánh phải, yếu ở các pha bóng cố định phòng ngự, hàng thủ chậm khi bị phản công. Báo cáo đẹp, có biểu đồ, có bản đồ nhiệt. Huấn luyện viên đọc, gật gù, đưa ra phương án. Buổi tập diễn ra theo phương án ấy. Không ai đặt câu hỏi: báo cáo này dựa trên bao nhiêu trận? Đối thủ có đang thay đổi không? Mẫu số liệu có đủ lớn để kết luận không? Và quan trọng nhất: nếu báo cáo sai thì sao?
Tôi nhớ một lần ở Maracanã, trong chuỗi livestream năm 2026 khi đại dịch đóng băng mọi giải đấu. Tôi mời anh João — người lao công sân đã hai mươi năm — lên kể chuyện. Tập phát sóng đạt 2,1 triệu lượt xem và quyên được hơn 340.000 real cho quỹ khẩn cấp. Năm 2026, tôi học cách nghe bóng đá bằng tim khi sân vận động không còn tiếng người. Điều tôi học được không phải là cảm xúc thay thế dữ liệu. Mà là dữ liệu không bao giờ kể hết câu chuyện. Anh João biết sân Maracanã ẩm thế nào vào tháng Ba, biết chỗ nào thoát nước kém, biết cầu thủ nào hay trượt chân ở góc nào. Không phần mềm nào có những dữ liệu ấy, vì không ai nghĩ đến việc thu thập chúng.
Có một khía cạnh khác của câu chuyện mà giới phân tích ít khi chạm tới: chi phí của sự phụ thuộc. Khi một câu lạc bộ trả tiền cho hệ thống AI, họ không chỉ mua phần mềm. Họ mua một thói quen. Thói quen ấy có giá trị khi đội thắng, và trở thành gánh nặng khi đội thua. Bởi khi kết quả đi xuống, câu hỏi đầu tiên mà ban lãnh đạo đặt ra thường là: mô hình của chúng ta sai ở đâu? Ít ai hỏi: chúng ta đã ngừng tự suy nghĩ từ lúc nào?
Tôi từng chứng kiến một trợ lý phân tích trẻ ở một câu lạc bộ hạng trung Brazil bị chỉ trích nặng nề sau chuỗi trận thua. Cậu ấy làm đúng quy trình: nhập dữ liệu, xuất báo cáo, trình bày trước ban huấn luyện. Nhưng khi bị hỏi “cậu nghĩ gì”, cậu ấy không trả lời được. Cậu ấy chỉ biết mô hình nghĩ gì. Đó là khoảnh khắc tôi nhận ra vấn đề không nằm ở công cụ, mà ở việc con người đã giao phó quá nhiều cho công cụ đến mức không còn ý kiến riêng.
Đến đây, tôi buộc phải tự phản biện, bởi tôi biết một bài viết chỉ toàn lo ngại về AI sẽ là một bài viết dở.
Thứ nhất, bóng đá không phải bài kiểm tra phân số. Nghiên cứu của Đại học California đo khả năng giải toán và đọc hiểu — những nhiệm vụ có đáp án đúng duy nhất, có quy trình chuẩn. Bóng đá thì ngược lại: không có đáp án đúng duy nhất, mỗi trận là một tình huống chưa từng tồn tại, và cái gọi là “quy trình chuẩn” thường là thứ bị phá vỡ nhanh nhất. Việc suy luận bị yếu đi trong một bài toán phân số không đồng nghĩa với việc trực giác chiến thuật bị yếu đi trên sân cỏ. Đây là điểm mà những người hoài nghi AI trong bóng đá hay bỏ qua: họ đồng nhất hai loại tư duy khác nhau.
Thứ hai, nghiên cứu tự nói rõ hiệu ứng không vĩnh viễn và không có nghĩa là nên cấm AI. Việc một số người bỏ dở bài khi mất công cụ có thể phản ánh cả sự lười biếng sẵn có, chứ không hẳn là hậu quả của việc dùng AI. Tương quan không phải nhân quả. Một cầu thủ dùng công cụ phân tích để xem lại pha bóng của mình không vì thế mà mất khả năng đọc trận đấu; cậu ấy có thể đang học nhanh hơn.
Thứ ba, và đây là điều tôi tin nhất: vấn đề không nằm ở công cụ, mà ở văn hóa sử dụng công cụ. Cùng một phần mềm, một câu lạc bộ dùng nó để đặt câu hỏi tốt hơn, một câu lạc bộ khác dùng nó để khỏi phải đặt câu hỏi. Sự khác biệt không nằm ở thuật toán, mà ở người ngồi trước màn hình. Nếu huấn luyện viên vẫn tự xem băng hình, tự tranh luận với trợ lý, tự đặt giả thuyết và tự kiểm chứng, thì AI chỉ là một công cụ mạnh hơn. Nếu huấn luyện viên chờ báo cáo để biết phải nghĩ gì, thì không công cụ nào cứu được ông ta — dù có AI hay không.
Vậy nên tôi không kêu gọi các câu lạc bộ vứt bỏ trí tuệ nhân tạo. Tôi kêu gọi họ phân biệt rõ hai chế độ: để AI hỗ trợ việc học, hay để AI làm thay việc nghĩ. Nghiên cứu của Đại học California cho thấy khoảng cách giữa hai chế độ này chỉ khoảng 10 phút — nhưng hệ quả của việc chọn sai chế độ có thể kéo dài cả một sự nghiệp.
Còn một điều nữa khiến tôi day dứt. Nghiên cứu này đo trên người lớn trong một môi trường học thuật. Nhưng bóng đá không chỉ có người lớn. Ở các học viện, những đứa trẻ 14, 15 tuổi đang được dạy đọc trận đấu bằng chính đôi mắt của mình — hoặc đang được dạy để tin vào màn hình. Nếu chúng ta trao cho một đứa trẻ mười bốn tuổi một công cụ trả lời mọi câu hỏi chiến thuật, chúng ta không dạy nó bóng đá. Chúng ta dạy nó tra cứu. Và đến khi nó phải tự quyết định trong một trận đấu mà không công cụ nào theo kịp, nó sẽ đứng yên.
Tôi nghĩ đến Marta và Debinha trong trận chung kết Olympic Tokyo 2026, khi Brazil hòa Canada 0–0 suốt 120 phút rồi thua 2–3 trên chấm luân lưu. Trên sân đêm ấy, không có thuật toán nào đá quả luân lưu thay họ. Chỉ có con người, đôi chân run, và một bộ não phải tự trấn an chính mình. Đó là phần bóng đá mà trí tuệ nhân tạo không bao giờ chạm tới, và cũng là phần mà chúng ta đang có nguy cơ để mai một nếu quá dựa vào máy.
Nếu dự đoán của tôi đúng, trong ba đến năm năm tới, các câu lạc bộ hàng đầu sẽ bắt đầu tuyển những người không chỉ giỏi dữ liệu, mà giỏi đặt câu hỏi ngược lại dữ liệu — một vai trò mới, kiểu “người phản biện thuật toán”. Và những câu lạc bộ đi trước trong việc rèn trực giác chiến thuật cho huấn luyện viên trẻ, song song với việc dùng AI, sẽ có lợi thế trong những trận đấu mà thuật toán không kịp cập nhật.
Tôi có thể sai. Nhưng tôi sẵn sàng ký tên vào dự đoán này, kèm theo một cột số liệu bảo vệ nó — như tôi vẫn làm suốt 35 năm qua. Bởi giữa một thế giới bóng đá ngày càng tin vào máy móc, việc giữ được một bộ não biết tự suy nghĩ có thể là lợi thế cạnh tranh cuối cùng mà không thuật toán nào mua được.


Cầu thủ liên quan
Bài đề xuất
Ole Romeny ghi năm bàn trong năm trận cho Indonesia: hiệu suất, hợp đồng và những điểm mù của câu chuyện2026-09-26
Bộ đồ bơi của Keely Hodgkinson và cuộc chiến quyền lực phía sau hậu trường Olympic 20282026-09-24
Đặng Văn Lâm và nghịch lý dữ liệu: khi tiếng vang thảm đỏ lấn át tiếng vang sân cỏ2026-10-02
Putellas rời Barcelona đến London City Lionesses: Khi 11 điểm rơi của nhà vô địch kể câu chuyện lớn hơn cả cúp2026-10-01
Lamine Yamal: Bóc lớp hào quang để tìm thấy hệ thống2026-09-16
Bài đề xuất
Greuther Fürth U17 và hồ sơ Constantín Sánchez: hai sai số trong một tiêu đề, và phần còn lại phải kiểm chứng2026-09-20
Kane ký đến tuổi 38, một tiền vệ bị định giá 100 triệu bảng, và mùa đông giả của thị trường chuyển nhượng2026-10-17
Tệp dữ liệu trống: bài học về sự chắc chắn giả trong phân tích bóng đá2026-10-22
Tanaka và ba mét vuông cỏ không nằm trong bảng thống kê2026-09-27
Ichihara và bài học 'đối thủ không dễ': Người Nhật trẻ giữa kỳ vọng sân nhà và thực tế khắc nghiệt châu Á2026-09-23
