खाली नोटबुक और भरा हुआ मैदान: जब एक्सट्रैक्शन पाइपलाइन क्रिकेट की कहानी खा जाती है

प्रेस बॉक्स में बैठे मुझे अठारह साल हो गए हैं, और उस दोपहर ब्रिस्बेन से ऑकलैंड तक जो मैंने देखा, वह क्रिकेट के बारे में नहीं था — वह उस चीज़ के बारे में था जो क्रिकेट के बारे में लिखी जानी थी और कभी लिखी ही नहीं गई। दो खाली फ़ील्ड, एक अधूरा टैग: cricket_asia। बस इतना। कोई शीर्षक नहीं, कोई स्रोत नहीं, कोई एक-वाक्य सारांश नहीं, सूचना-बिंदुओं की सूची सुनसान। यह वह क्षण है जब पत्रकारिता का सबसे पुराना डर सामने आ खड़ा होता है — कहानी मौजूद थी, मैदान भरा हुआ था, दर्शक चिल्ला रहे थे, और हमारी व्यवस्था ने उसे 'शोर' समझकर काट दिया। पचपन साल की उम्र में यह बात मुझे पहले से कहीं ज़्यादा चुभती है: मेरी दो नोटबुक हैं, एक में स्कोर, दूसरी में आवाज़। जिस दिन पहली नोटबुक खाली लौट आए, उस दिन पत्रकारिता नहीं, सिर्फ़ टेम्पलेट बचता है।

इस मामले में जो हुआ है, उसे मैं तकनीकी भाषा में 'एक्सट्रैक्शन फ़ेलियर' कह सकता हूँ, लेकिन इसका असली नाम 'नोइज़ क्लासिफ़िकेशन' है। ऊपर के सारे फ़ील्ड खाली हैं — Title, Source, Type, Author Stance, Information Points, Entities, Time Sensitivity। यानी सिस्टम ने यह तय कर लिया कि जो टेक्स्ट आया, वह खबर नहीं, कचरा है। नेविगेशन बार, कुकी सूचना, पेवॉल का प्लेसहोल्डर — इन तीनों के साथ जब पेजबॉडी एक ही कंटेनर में आ जाती है, तो क्लासिफ़ायर पूरे पेज को ही रद्दी मान लेता है। क्रिकेट कवरेज में यह समस्या और भी तीखी हो जाती है, क्योंकि हमारी सामग्री का बड़ा हिस्सा ऐसी भाषा में लिखा जाता है जो मशीन को 'डेटा' नहीं लगती — 'कल के मैच में…', 'पिछले सप्ताह…', 'सूत्रों के अनुसार…'। जहाँ अंग्रेज़ी टेक्स्ट में तारीख़ें और आँकड़े साफ़ दिखते हैं, वहाँ हिंदी या एशियाई भाषाओं की क्रिकेट रिपोर्टिंग में काल-क्रम अक्सर सापेक्ष शब्दों में आता है। एक्सट्रैक्टर उसे 'time-insensitive' मानकर छोड़ देता है, और फिर पूरी कहानी अदृश्य हो जाती है।

मुझे 2026 का मुंबई ऑक्शन याद है। उस बॉलरूम में आठ फ़्रैंचाइज़ियों के पर्स मैंने अपनी लेजर में उतारे थे — हर बोली, हर बचा हुआ पैसा, हर रिटेंशन क्लॉज़। उस वक़्त किसी ने नहीं कहा था कि यह 'डेटा' है, सबने कहा था कि यह 'क्रिकेट' है। आज वही लेजर अगर किसी सिस्टम में डाला जाए और वह उसे 'अनक्लासिफ़ाइड' कह दे, तो मेरे पास सिर्फ़ एक जवाब है: आपने डेटा नहीं खोया, आपने उस परिवार की कहानी खो दी जिसका बेटा उस बोली से बदल गया था। यही मेरी पहली बुनियादी बात है — सूचना-बिंदु केवल सूचना नहीं होते, वे उस दुनिया के भौतिक निशान होते हैं जिसे हम रोज़ कवर करते हैं। जब वे गायब होते हैं, तो सबसे पहले वही गायब होता है जिसे कोई कार्पोरेट रिपोर्ट 'मानवीय पक्ष' कहती है, और जिसे मैं 'मैदान का आदमी' कहता हूँ।

इस विफलता के तीन परतें हैं। पहली परत तकनीकी है: बॉडी सिलेक्टर का मिस होना। अगर पेज का मुख्य कंटेंट article टैग में नहीं, बल्कि किसी div में है जिसकी क्लास story-content या post-body है, और आपका एक्सट्रैक्टर सिर्फ़ article ढूँढ रहा है, तो वह कुछ नहीं पाएगा। फिर लंबाई की सीमा — अगर आपने 300 शब्द से कम को रद्दी माना है, तो छोटी खबरें, ब्रीफ़्स, और एजेंसी की तेज़ खबरें सब बाहर हो जाएँगी। क्रिकेट में ब्रीफ़्स की बहुत अहमियत है: 'फलाँ खिलाड़ी चोटिल, सीरीज़ से बाहर' — यह सिर्फ़ तीस शब्द है, लेकिन उससे पूरी प्लेइंग इलेवन बदल जाती है। अगर आपकी पाइपलाइन उसे नोइज़ कहती है, तो आपकी टीम चयन की खबरें हमेशा आधी रहेंगी।

दूसरी परत भाषाई है। 'सूत्रों के अनुसार' जैसे वाक्यांश पश्चिमी पत्रकारिता में कमज़ोर माने जाते हैं, लेकिन भारतीय क्रिकेट रिपोर्टिंग में यह एक स्थापित शैली है। मेरी अपनी नोटबुक में मैंने 2026 के स्पॉट-फ़िक्सिंग वसंत में नौ दिन एक टेप रोक कर रखा था, क्योंकि उसमें एक युवा स्ट्रिंगर का स्रोत दाँव पर था। उस टेप का हर वाक्य 'सूत्रों के अनुसार' से शुरू होता था — अगर वह टेक्स्ट किसी एक्सट्रैक्टर से गुज़रता और वह उसे 'अविश्वसनीय, कोई ठोस इकाई नहीं' कहकर गिरा देता, तो मेरी वह पूरी जाँच-पड़ताल काग़ज़ पर कभी न आती। स्रोत-रक्षा की मेरी नैतिकता और मशीन की 'एंटिटी-रिकग्निशन' की ज़रूरत, दोनों एक ही बिंदु पर टकराती हैं: स्रोत को नाम देना या न देना। यह टकराव क्रिकेट पत्रकारिता में सबसे तीखा है क्योंकि यहाँ हर 'सूत्र' के पीछे एक किस्मत जुड़ी होती है — चयन, अनुबंध, वीज़ा, परिवार।

तीसरी परत सिस्टम की है, और यह सबसे गहरी है। जब एक पूरी रिपोर्ट को 'अनक्लासिफ़ाइड' कहकर छोड़ दिया जाता है, तो असल में जो अनक्लासिफ़ाइड रह जाता है वह रिपोर्ट नहीं, उस रिपोर्ट का ऑडियंस है। उन 90 हज़ार लोगों की आवाज़ जो 2026 के ईडन गार्डन्स में हार के बाद भी नहीं उठे थे — वह आवाज़ किसी फ़ील्ड में नहीं आती। वह न सूचना-बिंदु है, न एंटिटी, न टाइम-सेंसिटिव। मेरी दूसरी नोटबुक ठीक इसीलिए बनी थी: जो स्कोरबुक में दर्ज नहीं होता, उसे कहीं और दर्ज करना पड़ता है। अगर हमारी पाइपलाइन सिर्फ़ पहली नोटबुक पढ़ती है, तो वह क्रिकेट को समझ ही नहीं सकती, क्योंकि क्रिकेट आधा आँकड़ों में है और आधा उस शोर में जो आँकड़ों के बाहर बैठा है।

यहाँ एक उलटा सवाल भी उठता है, और मैं इसे सीधे रखना चाहूँगा: क्या इस खाली आउटपुट को 'फ़ेलियर' मानना ही सही है? कुछ हद तक नहीं। कभी-कभी खाली आउटपुट एक ईमानदार जवाब होता है — यह कहना कि 'मुझे भरोसे से नहीं पता कि इस पाठ में क्या है, इसलिए मैं कुछ नहीं कहूँगा।' यह उस पत्रकार जैसा है जो स्रोत की पुष्टि न होने पर खबर नहीं छापता। मैंने 2026 में यही किया था और मेरे संपादक नाराज़ हुए थे। लेकिन एक महत्वपूर्ण फ़र्क़ है: पत्रकार खाली जगह में यह बताता है कि 'क्या पता नहीं चला और क्यों नहीं चला', जबकि यह आउटपुट सिर्फ़ चुप्पी है। चुप्पी और अस्पष्टता में फ़र्क़ होता है: अस्पष्टता बताती है कि कहाँ तक पता है, चुप्पी कुछ नहीं बताती। एक अच्छे सिस्टम को दूसरी स्थिति में रहना चाहिए। उसे कहना चाहिए: 'पेज मिला, 1,240 शब्द थे, लेकिन बॉडी सिलेक्टर ने 40 शब्द ही पकड़े; इसलिए मैंने कुछ नहीं निकाला।' यह एक ऐसा जवाब है जिस पर कोई इंसान काम कर सकता है। 'N/A' पर कोई काम नहीं कर सकता।

क्रिकेट कवरेज में इस चुप्पी की कीमत क्या है, यह मैं ठोस उदाहरण से बताता हूँ। मान लीजिए सोमवार की सुबह एक ऑस्ट्रेलियाई अख़बार छापता है कि एक भारतीय तेज़ गेंदबाज़ की कलाई की स्कैन रिपोर्ट चिंताजनक है और वह पहला टेस्ट नहीं खेलेगा। यह खबर 200 शब्दों की है, उसमें कोई उद्धरण नहीं, सिर्फ़ 'समझा जाता है' लिखा है। यही खबर अगर आपकी पाइपलाइन से गुज़रे और 'कोई एंटिटी नहीं, कोई सूचना-बिंदु नहीं' कहकर बाहर हो जाए, तो उस दिन आपकी टीम चयन की हर विश्लेषण-रिपोर्ट गलत होगी। आप खिलाड़ी की जगह किसी और को बैठा हुआ मानेंगे। यह कोई छोटी तकनीकी खराबी नहीं है; यह उस पूरे विश्लेषण-ढाँचे की नींव है जिस पर बाद में स्क्वाड-डेवलपमेंट, वेतन-बिल, और ट्रांसफ़र-विंडो की बातें टिकी होती हैं।

मेरा अनुभव कहता है कि इसका इलाज तीन स्तरों पर है, और तीनों पत्रकारिता के सिद्धांतों से ही आते हैं। पहला — फ़ॉलबैक सिलेक्टर की सूची उसी तरह बनाइए जैसे एक बीट रिपोर्टर अपने संपर्कों की सूची बनाता है। एक स्रोत बंद हो जाए तो दूसरा, दूसरा बंद हो तो तीसरा। अगर article नहीं मिला तो main, फिर क्लास-आधारित सिलेक्टर, फिर सबसे बड़ा टेक्स्ट ब्लॉक। दूसरा — न्यूनतम लंबाई की सीमा को संदर्भ-आधारित कीजिए, स्थिर नहीं। एजेंसी की खबरें छोटी होती हैं, फ़ीचर लंबे; दोनों को एक ही कैंची से मत काटिए। तीसरा — जब कुछ न मिले तो 'खाली' की जगह 'अधूरा' रिपोर्ट कीजिए। यह वही अंतर है जो एक अच्छे उप-संपादक और एक मशीन में है: उप-संपादक कॉपी पर लिख देता है 'यहाँ कुछ छूटा है', मशीन चुप रह जाती है।

इस पूरी बहस में एक बात मैं दोहराना चाहूँगा, क्योंकि मैं ऑस्ट्रेलिया से भारतीय क्रिकेट लिखता हूँ और यह मेरी स्थिति का सबसे ईमानदार हिस्सा है: दूर बैठकर लिखने का फ़ायदा यह है कि आप बोर्ड की ताक़त का आकार देख सकते हैं, बिना उसके अंदर खड़े हुए। नुक़सान यह है कि आप कभी-कभी मैदान की आवाज़ को अपने सिर में बजाकर सच मान लेते हैं। यही खतरा एक्सट्रैक्शन पाइपलाइन पर भी लागू होता है: जब डेटा खाली हो और आपको लगे कि 'अंदर कुछ तो होगा', तो आप अनुमान से भरना शुरू कर देते हैं। मैंने यह नहीं किया, क्योंकि cricket_asia टैग से कहानी का अनुमान लगाना उसी तरह का पाप है जैसे बिना स्रोत के खबर छापना। जो लिखा नहीं गया, उसे लिखा हुआ मान लेना क्रिकेट रिपोर्टिंग की सबसे पुरानी बीमारी है — और अब वह मशीनों में भी आ गई है।

2026 की उस टेप-घटना से मैंने जो सबक लिया था, वह यहाँ सीधे लागू होता है। उस वक़्त मेरे पास एक ऐसी कहानी थी जो दुनिया की सुर्ख़ियाँ बन सकती थी, और मैंने नौ दिन इंतज़ार किया क्योंकि एक युवा स्ट्रिंगर का भविष्य उससे जुड़ा था। कोई मुझे 'धीमा' कह सकता था। लेकिन उन नौ दिनों में मैंने जो सीखा, वह यह था कि जल्दबाज़ी में छपी खबर की कीमत अक्सर किसी और चुकाता है। एक्सट्रैक्शन पाइपलाइन की जल्दबाज़ी में छपी 'खाली रिपोर्ट' की कीमत भी कोई और चुकाता है — वह पाठक जो अगले दिन स्क्वाड की घोषणा पढ़कर चौंकता है, और वह विश्लेषक जिसने गलत आधार पर पूरी रणनीति बनाई।

अब ज़रा उस स्थिति की कल्पना कीजिए जब यह सिस्टम ठीक से काम करे। उसी दिन, उसी सुबह, पाइपलाइन कहे: 'पेज मिला, 1,240 शब्द, तीन सूचना-बिंदु, एक एंटिटी — गेंदबाज़ का नाम, एक तारीख़, एक चोट का उल्लेख, स्रोत: अख़बार का खेल विभाग, प्रकाशन तिथि सोमवार।' अब उस पर काम हो सकता है। कोई पूछ सकता है: क्या यह चोट उसी पैर की है जिसकी सर्जरी पिछले साल हुई थी? क्या यह उस सीरीज़ से पहले है जहाँ उसका अनुबंध समाप्त हो रहा है? यही सवाल हैं जो खेल पत्रकारिता को 'स्कोर' से 'कहानी' की ओर ले जाते हैं। और यही वह जगह है जहाँ मैं अपनी दूसरी नोटबुक खोलता हूँ — क्योंकि उस चोट की खबर में जो सबसे ज़रूरी बात है, वह यह नहीं कि स्कैन रिपोर्ट में क्या लिखा है; वह यह है कि उस गेंदबाज़ के गाँव में उसके पिता ने उस सुबह किससे फ़ोन पर बात की।

मेरे करियर का सबसे लंबा सबक यही है कि तकनीक कभी कहानी की जगह नहीं ले सकती, लेकिन तकनीक अगर कहानी को खा जाए तो नुक़सान असली होता है। 2026 में ईडन गार्डन्स में मैंने देखा था कि 90 हज़ार लोग हार के बाद भी नहीं उठे — उस दिन मैंने पहली बार महसूस किया कि मैच रिपोर्ट सिर्फ़ स्कोर नहीं होती। अगर उस दिन किसी सिस्टम ने उस माहौल को 'नोइज़' कहकर काट दिया होता, तो आज मेरे पास वह याद भी न होती जिससे मैं यह लेख लिख रहा हूँ। खेल पत्रकारिता की असली पूँजी वे विवरण हैं जो पहली नज़र में अनावश्यक लगते हैं — खाली कुर्सियाँ, अधूरे वाक्य, रुकी हुई साँसें। इन्हें अगर हमारी मशीनें कचरा समझेंगी, तो अगली पीढ़ी के पाठकों को सिर्फ़ स्कोरबोर्ड मिलेगा, कहानी नहीं।

इसलिए मेरा सुझाव साफ़ है: पाइपलाइन ठीक कीजिए, लेकिन उसे ठीक करते वक़्त यह मत भूलिए कि आप किस चीज़ को बचा रहे हैं। जिस पेज को आप 'अनक्लासिफ़ाइड' कह रहे हैं, उस पर किसी ने घंटों मेहनत की है — किसी रिपोर्टर ने, किसी उप-संपादक ने, किसी फ़ोटोग्राफ़र ने। उसकी एक तारीख़ है, एक स्रोत है, एक कारण है कि वह लिखा गया। अगर आपका सिस्टम उसे नहीं पढ़ पा रहा, तो गलती उस पाठ में नहीं, आपके पढ़ने के तरीक़े में है। और जब तक वह तरीक़ा ठीक न हो, 'खाली' लौटाना 'ग़लत' लौटाने से बेहतर है — लेकिन सबसे बेहतर यह है कि हम लौटकर बताएँ कि हम कहाँ अटके।

कल सुबह जब अगली स्क्वॉड घोषणा आएगी, तब मेरी दोनों नोटबुकें खुली होंगी। एक में नाम और आँकड़े, दूसरी में वह आवाज़ जो आँकड़ों के पीछे बैठी है। मेरी एक ही शर्त है: जिस पाइपलाइन से यह सब गुज़रेगा, वह कम से कम यह बताए कि उसने क्या पढ़ा और क्या नहीं पढ़ पाया। बाक़ी काम मैं कर लूँगा — क्योंकि बीट सिर्फ़ घटनाओं की सूची नहीं होती, वह एक लय होती है जिसे लोग जीते हैं, और उस लय को पकड़ने के लिए मशीन को भी ईमानदार होना पड़ेगा।