Mùa hè năm 2026, tại Foro Italico ở Rome, ban tổ chức Giải vô địch thế giới các môn dưới nước phải in lại bảng kỷ lục gần như mỗi buổi thi đấu. Trong tám ngày, hơn 40 kỷ lục thế giới bị xóa, con số chưa từng có trong lịch sử bơi lội hiện đại. Điều bất thường không nằm ở số lượng. Nó nằm ở điều kiện tạo ra chúng: áo bơi polyurethane, thứ mà FINA cấm hoàn toàn kể từ ngày 1 tháng 1 năm 2026. Đêm chung kết 200 mét tự do nam, Paul Biedermann bơi 1 phút 42 giây 00, phá kỷ lục thế giới của Michael Phelps lập ở Bắc Kinh 2026 với 1 phút 42 giây 96.

Bối cảnh kỹ thuật cần được nói rõ, vì rất nhiều bảng so sánh trên mạng bỏ qua nó. Áo polyurethane thế hệ 2026–2026 là một cấu trúc kín khí, giúp cơ thể nổi cao hơn, giảm lực cản và ổn định đường bơi. Tác động của nó không phân bố đều: nội dung càng ngắn, hiệu ứng càng nhỏ; nội dung càng dài, lợi thế nổi càng lớn. Áo bơi không làm mọi kỷ lục dịch chuyển cùng một tốc độ.

World Aquatics, khi đó mang tên FINA, đưa ra lộ trình hạn chế độ dày và tính nổi của áo từ năm 2026. Hệ quả là một vùng dữ liệu bị nhiễu nằm gọn trong khoảng 2026–2026, nhưng lại đứng giữa chuỗi số liệu liên tục mà bất kỳ mô hình dự đoán nào cũng cần. Mọi mô hình hồi quy về thành tích bơi lội từ đó đều phải xử lý một vấn đề chưa có lời giải sạch: những kỷ lục đó là thật, nhưng điều kiện tạo ra chúng không còn tồn tại.

Điều tôi quan tâm với tư cách người làm số là hệ quả ở tầng dữ liệu. Trong phân tích bơi lội có ba tầng: thời gian chung cuộc, split từng 50 mét, và các chỉ số dẫn xuất như tần số quạt tay hay quãng đường mỗi chu kỳ. Áo polyurethane tác động mạnh nhất lên tầng thứ ba, gián tiếp lên tầng thứ hai, và để lại dấu vết mờ nhất ở tầng thứ nhất. Một mô hình chỉ đọc thời gian chung cuộc sẽ không thấy gì bất thường. Một mô hình đọc split sẽ thấy ngay: các vận động viên mất ít tốc độ hơn ở 100 mét cuối so với chính họ trong các mùa khác. Mẫu hình đó không lặp lại sau 2026.

Đây là dạng lỗi khiến tôi mất nhiều thời gian nhất khi dựng mô hình: dữ liệu không sai, nhưng bối cảnh sinh ra nó đã chết. Thuật toán không tự biết điều đó. Chúng học theo phân phối, và phân phối 2026–2026 đẩy đường hồi quy lên cao hơn thực tế. Khi mùa giải 2026–2026 trở lại bình thường, những mô hình chưa cập nhật vẫn dự đoán sai theo hướng lạc quan quá mức, và sai một cách có hệ thống chứ không ngẫu nhiên.

Điều thú vị là chính các kỷ lục đó lại tạo ra hiệu ứng ngược. Theo dữ liệu World Aquatics, các kỷ lục của Biedermann tại Rome 2026 vẫn chưa bị xóa khỏi bảng kỷ lục thế giới. Chúng tồn tại như một hòn đảo dữ liệu nằm giữa vùng biển đã hạ nhiệt. Bất kỳ ai xây dựng bảng xếp hạng theo chuỗi thời gian đều phải quyết định: giữ nguyên vị trí, gắn cờ, hay loại khỏi mẫu. Không có lựa chọn nào trung lập. Mỗi lựa chọn kể một câu chuyện khác nhau về việc ai là người bơi nhanh nhất.

Và đây là chỗ câu chuyện chạm vào nghề của tôi. Trong bất kỳ bảng dữ liệu bơi lội nào luôn có những ô trống. Một split bị thiếu do lỗi thiết bị. Một nội dung không đủ vòng loại. Một vận động viên mới nổi chưa đủ mẫu để tính trung bình ổn định. Dữ liệu trống là chuyện bình thường. Cách con người xử lý ô trống mới là vấn đề.

Khi nhìn vào một ô trống, phản ứng mặc định của số đông là lấp nó bằng một câu chuyện. Vận động viên đó chưa bung sức. Cô ấy đang giấu bài. Anh ấy vừa đổi giáo án. Những câu đó nghe rất hợp lý, và đó chính là nguy hiểm. Một ô trống được lấp bằng giả thuyết sẽ trở thành dữ kiện trong lần đọc tiếp theo, rồi thành tiền đề trong lần phân tích thứ ba. Sau vài vòng, không ai còn nhớ nó từng trống. Số liệu không có giới tính, nhưng người đọc chúng thì có. Và người đọc cũng có một thói quen khác: sợ khoảng trắng hơn sợ sai.

Kỷ lục thường được xem là chỉ số đáng tin nhất, trong khi thực tế nó dễ gây hiểu lầm nhất. Một kỷ lục là điểm dữ liệu đơn lẻ, đo trong ngày tốt nhất của một người, dưới một điều kiện cụ thể, với một trạng thái tâm lý cụ thể. Nó không đại diện cho năng lực trung bình, càng không đại diện cho năng lực tương lai.

Giới phân tích nghiệp dư thường lấy kỷ lục cá nhân làm mốc so sánh mặc định, vì đó là con số dễ tìm nhất. Đó là lựa chọn tiện lợi, không phải lựa chọn đúng. Khi một vận động viên bơi kém hơn kỷ lục cá nhân ba giây, câu hỏi đúng không phải là cô ấy đang chậm đi, mà là ba giây đó đặt cạnh độ lệch chuẩn của chính cô ấy trong 24 tháng qua thì ở đâu. Với phần lớn vận động viên, khoảng dao động đó rộng hơn nhiều so với những gì khán giả tưởng.

Tôi từng chứng kiến một mô hình dự đoán tỷ lệ chấp bị lệch gần như toàn bộ vòng loại vì toàn bộ tập huấn luyện của nó nằm trong vùng dữ liệu nhiễu. Không ai gian lận. Chỉ là một ô trống không được đánh dấu, và một câu chuyện được viết vào chỗ đó.

Giới hạn của dữ liệu: bài viết này nói về số, nhưng phần quan trọng nhất lại nằm ngoài số. Tôi không có dữ liệu về cảm giác của một vận động viên bước lên bục xuất phát sau chấn thương. Tôi không đo được áp lực của một suất Olympic trong một gia đình. Tôi không lượng hóa được điều gì xảy ra trong đầu một người khi họ biết mình đang bơi nhanh hơn kỷ lục thế giới ở 50 mét cuối. Những thứ đó là dữ liệu, chỉ là dữ liệu mà chúng ta chưa có công cụ để đọc.

Điều tôi giữ lại sau mỗi lần dựng lại bảng dữ liệu bơi lội không phải là ai nhanh nhất. Mà là: ô trống nào trong bảng của tôi đang được lấp bằng một câu chuyện, và nếu gỡ câu chuyện đó ra, kết luận của tôi còn đứng được bao lâu.