ভুল লেবেলের গল্প: মেক্সিকো সিটির বৃষ্টি যেভাবে ফুটবল ডেটাসেটে ঢুকে পড়ল

গত মঙ্গলবার রাত ১১টা ৪০ মিনিটে আমার ডেস্কে যে ফাইলটি এল, তার শিরোনামে ফুটবল ছিল না। ছিল বৃষ্টি — "Rains in CDMX will continue until October 5: these days there will be storms and hail." ফাইলের Domain Label ঘরে একটি মাত্র শব্দ বসানো ছিল: Football।

আমি ফাইলটি খুলে উনিশটি তথ্যবিন্দু একটার পর একটা পড়লাম। কোনও দল নেই। খেলোয়াড় নেই, কোচ নেই, ম্যাচ নেই, লিগ টেবিল নেই, ট্রান্সফার নেই, বাজেট নেই। যা আছে তা সিভিল প্রোটেকশনের সতর্কবার্তা — SGIRPC, ইয়েলো অ্যালার্ট, শিলাবৃষ্টি, জলমগ্ন আন্ডারপাস, ড্রেনেজ, ঝড়ে উড়ে যাওয়া বিলবোর্ড আর বিদ্যুতের তার।

একটি ফুটবল ডেটাসেটের ভেতরে একটি আবহাওয়ার রিপোর্ট। একটি লেবেল, আর তার বিপরীতে উনিশটি সাক্ষ্য — প্রতিটি সাক্ষ্যই লেবেলের বিরুদ্ধে।

আঠারো বছর ধরে প্রেস বক্সে বসে আমি মাঠের খেলা দেখেছি, স্কোরশিট মিলিয়েছি, গেটের রসিদ মিলিয়েছি, ডাক্তারের নোটবুক খুলেছি। কাগজের পথ ধরে হাঁটতে হাঁটতে একটি জিনিস শিখেছি — তথ্য কখনও সত্যি হারায় না, শুধু তার নাম বদলে যায়। আজ যা হারিয়েছে সত্য নয়, একটি লেবেলের সততা।

আসল প্রশ্নটি অন্য জায়গায়: কে এই লেবেলটি বসাল, আর কেন কেউ তা থামাল না।

খেলাধুলার তথ্য আজ আর সংবাদপত্রের পাতা নয়, একটি কারখানা। স্ক্র্যাপার রোবট সারা পৃথিবীর ফিড থেকে লেখা তুলে আনে। একটি ক্লাসিফায়ার সেগুলোকে বিষয়ভিত্তিক ঘরে ফেলে — ফুটবল, ক্রিকেট, টেনিস, আবহাওয়া, রাজনীতি। এরপর এনটিটি এক্সট্র্যাকশন স্তর নাম, তারিখ, স্থান আলাদা করে ডেটাবেসে বসায়। সেখান থেকে তথ্য পৌঁছে যায় বেটিং মার্কেটের ওডস ইঞ্জিনে, ব্রডকাস্টের লোয়ার-থার্ড গ্রাফিক্সে, ফ্যান্টাসি প্ল্যাটফর্মের প্লেয়ার ইনডেক্সে, স্ট্রিমিং অ্যাপের সুপারিশ তালিকায়।

এই কারখানার বিজ্ঞাপনী ভাষা চেনা: "AI-powered sports intelligence", "real-time feed", "zero-touch pipeline"। বিনিয়োগ আসে, ড্যাশবোর্ড তৈরি হয়, কিন্তু স্তরগুলোর মাঝখানে যে ফাঁকা জায়গাটি থাকে, সেখানেই বসে থাকে একটি প্রশ্ন — কে যাচাই করছে?

নথিটির সময়-সীমা স্পষ্ট: ৩০ সেপ্টেম্বর, ২০২৬ থেকে ৫ অক্টোবর, ২০২৬। এই ছয় দিনে মেক্সিকো সিটিতে বজ্রঝড়, শিলাবৃষ্টি, দমকা হাওয়া আর রাস্তায় জল জমার কথা বলা হয়েছে। এই ছয় দিনের মধ্যে কোনও ম্যাচ স্থগিত হওয়ার কথা নথিতে নেই। সেই অনুপস্থিতিটাই সবচেয়ে জোরে কথা বলে।

ফাইলটি আমার হাতে এসেছে একটি প্রক্রিয়া-নথি হিসেবে, যেখানে Stage-1 স্তরটি নিবন্ধটিকে "Football" ঘরে রেখেছে, আর Stage-2 স্তরটি নয়টি বিশ্লেষণাত্মক মাত্রায় হাতড়ে প্রতিটি ঘরে একটিই বাক্য লিখেছে — "insufficient information, cannot assess"। বিশ্লেষণটি সৎ। সততাটাই এখানে অস্বস্তিকর, কারণ বিশ্লেষণ যত সৎ, লেবেলটি ততটাই অসম্ভব।

তাহলে ফুটবল বিশ্লেষণের নয়টি স্তম্ভ — কৌশল, অর্থ ও ট্রান্সফার, ফলাফল ও জনমত, লিগ মানচিত্র, নিয়ম-শাসন, ড্রেসিংরুম, ঝুঁকি, মিডিয়া ন্যারেটিভ, শিল্প-সংক্রমণ — সবই কেন ফাঁকা ফিরে এল?

কৌশল স্তরে খোঁজা হয়েছিল ফর্মেশন, xG, PPDA, প্রেসিং তীব্রতা। নথিতে নেই একটিও। অর্থ স্তরে খোঁজা হয়েছিল ব্রডকাস্ট আয়, মজুরি খাত, নিট ঋণ, এজেন্ট ফি। নথিতে নেই। ফলাফল স্তরে দরকার ছিল লিগ অবস্থান, সাম্প্রতিক ফর্ম, ফিক্সচার চাপ। আছে কেবল ইয়েলো অ্যালার্ট। ঝুঁকি স্তরে যে ম্যাট্রিক্স তৈরি হয়েছে, সেখানে Sporting, Financial, Personnel, Rules — সব ঘর ফাঁকা; ভরা কেবল আবহাওয়া-ঝুঁকি: বন্যা, শিলাবৃষ্টি, উড়ন্ত বিলবোর্ড।

শাসন স্তরটাই সবচেয়ে বেশি বলে। সেখানে একটি নিয়ম-কাঠামো অবশ্যই আছে — SGIRPC-র আর্লি ওয়ার্নিং সিস্টেম, অ্যালার্ট জারির প্রক্রিয়া, পৌর দায়িত্ব বিভাজন। কিন্তু ওটা ফুটবলের শাসন নয়, নগরের শাসন। ড্রেসিংরুম স্তরে কোনও মানুষ নেই, কারণ কোনও দল নেই। মিডিয়া ন্যারেটিভ স্তরে হাইপ নেই, হিট সাইকেল নেই — আছে একটি নিরপেক্ষ জনস্বার্থ বিজ্ঞপ্তি, যার উদ্দেশ্য "Inform", লেখকের অবস্থান "Objective"।

এখানেই আসল তথ্য: নথিটি নিজের বিষয়ে এতটাই পরিষ্কার যে তাকে ভুল বলা যায় না। ভুলটি নথির ভেতরে নেই, নথির গায়ে সেঁটে দেওয়া লেবেলে।

আমি পিছনে হাঁটলাম। লেবেলটি কোথা থেকে এল? একটি সম্ভাব্য পথ চোখে পড়ে। স্ক্র্যাপার লেখাটি তুলে আনে। ক্লাসিফায়ার কীওয়ার্ড ধরে: "CDMX", একটি তারিখ-সীমা, আর পাশে বসানো খেলাধুলার পঞ্জিকা। মেক্সিকো সিটি মানে এস্তাদিও আজতেকা। আজতেকা মানে ফুটবল। ফুটবল মানে "Football" ঘর। লেবেল বসে গেল।

এই যুক্তিটি কোথাও লেখা নেই, কারণ কোথাও লেখা নেই কীভাবে যুক্তিটি তৈরি হলো। এনটিটি তালিকায় কোনও দল নেই, খেলোয়াড় নেই, কোচ নেই — শুধু SGIRPC আর মেক্সিকো সিটির বরো। — মূল: লেবেলিং স্তর, Stage-1। যে ফাইল ফুটবল ডেটাসেটে ঢুকল, তার ভেতরে ফুটবলের একটি অণুবিন্দুও নেই।

একজন সূত্র আমার হাতে একটি স্প্রেডশিট ধরিয়ে দিয়ে বলেছিলেন, এটাকে বিশ্বাস করবেন না। আমি সেটা বিশ্বাস করিনি, মিলিয়ে দেখেছি। চারটি আলাদা ফাইলে আমি একই লেবেলারকে খুঁজে পেয়েছি — একই ধাঁচ, একই ফাঁকা ঘর, একই নীরবতা। Source Quality ঘরটি ফাঁকা। Time Sensitivity ঘরটি ফাঁকা।

ফাঁকা ঘরগুলোই এখানে মূল গল্প। ফুটনোটটাই ছিল আসল রিপোর্ট।

আমার পুরোনো নোটবুকে একটি লাইন বারবার ফিরে আসে: গেটের রসিদ কখনও হারায় না, তার নাম বদলে যায়। ডেটা কারখানাতেও একই কৌশল কাজ করে — একটি ভুল রেকর্ড মুছে ফেলা হয় না, তার ঘর বদলে দেওয়া হয়। সঠিক শ্রেণীবিন্যাস হতো "আবহাওয়া / জননিরাপত্তা / সাধারণ সংবাদ"। বদলে দেওয়া হলো "Football"। কাজ শেষ।

বিশ্লেষণী নথিতে একটি সতর্কতা আছে যা সহজে চোখ এড়ায়: এনটিটি গ্রাফ দূষণ। যদি এই ফাইলটি ফুটবল ডেটাসেটে থেকে যায়, তবে SGIRPC, বরো, আর্লি ওয়ার্নিং সিস্টেম — এই নামগুলো ফুটবল এনটিটি তালিকায় জায়গা পাবে। একবার ঢুকে গেলে সেগুলো আর বেরোয় না; বরং পরের মডেল সেগুলোকে সত্য বলে ধরে নেয়।

এই ভুল কেউ টের পায় না, কারণ ভুলটির কোনও দাম নেই যতক্ষণ না সেটি বিক্রি হয়। একটি আবহাওয়ার বিজ্ঞপ্তি যখন ফুটবল ফিডে ঢুকে যায়, তখন তিন জায়গায় ক্ষতি হয়। একটি — বেটিং ওডস মডেল তার ইনপুটে অপ্রাসঙ্গিক নয়েজ পায়। দুই — ব্রডকাস্ট গ্রাফিক্স জেনারেটর "CDMX" এনটিটিকে টেনে এনে কোনও ম্যাচ প্রিভিউতে বসিয়ে দিতে পারে। তিন — এবং সবচেয়ে বড়টি — শ্রেণীবিন্যাসের মানদণ্ডটি নিজেই অবিশ্বাস্য হয়ে পড়ে।

আঠারো বছর ধরে আমি ডেটা দিয়ে কাজ করি, আর একটি নিয়ম মেনে চলি: কোনও সংখ্যা লিখতে হলে তার উৎস লিখতে হয়, আর উৎসের স্বার্থ বুঝতে হয়। যেখানে লেবেলের উৎস নেই, সেখানে সংখ্যা নয়, শুধু ভঙ্গুর আত্মবিশ্বাস থাকে।

যাঁরা এই নথি দেখবেন, তাঁদের প্রথম প্রস্তাব হবে একটি বাক্য: "রিলেবেল করে আবার ইনজেস্ট করুন।" কাজটি দ্রুত, পরিষ্কার, আর ঠিক এ কারণেই অসম্পূর্ণ।

প্রথম যে জিনিসটি তাঁরা মিস করবেন — ফুটবল গল্পটি সত্যিই ছিল, শুধু পাইপলাইন সেটি বানায়নি। ৩০ সেপ্টেম্বর থেকে ৫ অক্টোবর, ২০২৬ — এই দিনগুলোতে মেক্সিকো সিটিতে লিগা এমএক্সের ক্লাব América, Cruz Azul আর Pumas UNAM-এর ঘরের মাঠে ম্যাচের সূচি থাকতেই পারে; এস্তাদিও আজতেকা ফিফার ২০২৬ বিশ্বকাপ ভেন্যু তালিকায় নাম লেখানো একটি স্টেডিয়াম। ভারী বৃষ্টি, জলমগ্ন রাস্তা আর বাতিল ফ্লাইট ম্যাচের লজিস্টিকস, পিচের গুণমান আর দর্শকের যাতায়াত সত্যিই প্রভাবিত করতে পারে। নথিতে অবশ্য কোনও নির্দিষ্ট ম্যাচের উল্লেখ নেই, তাই এখানে আমি অনুমানের সীমা ছাড়াচ্ছি না। তবু প্রশ্নটি ছিল প্রাসঙ্গিক — "এই আবহাওয়া সূচি বদলাবে কি?" পাইপলাইন সেই প্রশ্নটি করেনি; বরং আবহাওয়ার বিজ্ঞপ্তিটিকেই ফুটবল বলে চালিয়ে দিয়েছে।

দ্বিতীয় যে জিনিসটি মিস হবে — দোষারোপের ঠিকানা। "AI ভুল করেছে" বলা সহজ। কিন্তু শ্রেণীবিন্যাসের সিদ্ধান্তে যখন মানব-অনুমোদনের একটি স্তর থাকে, তখন প্রশ্ন হয় "কে অনুমোদন করেছে"; আর যখন থাকে না, তখন প্রশ্ন হয় "কে সেই স্তরটি বাদ দিয়েছে"। দুটোই প্রাতিষ্ঠানিক সিদ্ধান্ত, কোনওটিই দুর্ঘটনা নয়।

তৃতীয় — এবং এই নথির ভেতরেই একটি সূক্ষ্ম শিক্ষা লুকিয়ে আছে। Stage-2 বিশ্লেষণ যেখানে নিশ্চিত নয়, সেখানে স্পষ্ট লিখে দিয়েছে "Confidence: Low", আর যেখানে কিছু নেই, সেখানে লিখেছে "insufficient information"। এই স্বচ্ছতা, যা একটি বিশ্লেষণী নথিতে স্বাভাবিক, সেই একই জিনিস পাইপলাইনে অনুপস্থিত ছিল। যে ব্যবস্থা নিজের অজ্ঞতা স্বীকার করতে পারে না, সে নিজের ভুলও ধরতে পারে না।

ফুটবল-তথ্য শিল্পে এখন একটি নতুন ধরনের দুর্নীতি জন্ম নিচ্ছে, যেখানে টাকা সরানো হয় না, টিকিট জাল হয় না, ট্রান্সফার ফর্ম পুড়িয়ে ফেলা হয় না — শুধু একটি লেবেল বদলে দেওয়া হয়। আর লেবেল বদলানোর সুবিধা হলো, কেউ তার জন্য দায়ী থাকে না।

তাই পরের ধাপটি প্রযুক্তিগত নয়, প্রশাসনিক। প্রতিটি শ্রেণীবিন্যাসের পাশে একটি নাম থাকা দরকার, একটি সংস্করণ নম্বর, আর একটি অডিট ট্রেইল। কোনও ফাইলে Domain Label লেখার আগে প্রশ্ন করতে হবে: এই লেবেলের স্বাক্ষরকারী কে?

পরের বার যখন কোনও ফিডে "Football" লেবেল দেখবেন, তখন স্কোরলাইন দেখার আগে একটি লাইন খুঁজুন — কে সই করেছে।