Per què l'estadística intel·ligent és la clau per a combatre el crim?

Quan va arribar a fiscal general de Nova Jersey al 2007, l'Anne Milgram ràpidament es va adonar d'alguns fets alarmants: no només que el seu equip no sabia realment a qui estaven ficant a la presó, sinó que a més no tenien forma d'entendre si les seves decisions estaven realment reforçant la seguretat pública. I així va començar la seva inspiradora croada, encara en curs, per tal de fer arribar l'anàlisi de dades i l'anàlisi estadístic al sistema de justícia penal dels Estats Units.

Al 2007 vaig esdevenir fiscal general

de l'estat de Nova Jersey.

Abans, havia estat fiscal penal,

al començament a la fiscalia del districte de Manhattan

i després al Departament de Justícia dels Estats Units.

Però quan vaig arribar a Fiscal General,

van passar dues coses que van canviar la meva forma de veure la justícia criminal.

La primera és que em vaig preguntar què en pensava

sobre questions molt bàsiques.

Volia entendre a qui estàvem detenint,

a qui estàvem acusant,

i a qui estàvem ficant a les cel·les i presons

de la nostra nació.

També volia entendre

si estàvem prenent les decisions

de forma que ens fessin estar més segurs.

I no vaig poder obtenir aquesta informació.

Va resultar que les principals agències de justícia penal,

com la meva,

no estaven monitoritzant les coses importants.

Així que, desprès d'estar increïblement frustrada durant un mes,

vaig entrar en una sala de conferències

que estava plena de detectius

i plies i piles d'arxius de casos,

i els detectius estaven allà asseguts

prenent apunts als seus blocs de notes grocs.

Estaven intentant obtenir la informació

que jo estava buscant

estudiant d'un en un els casos

dels últims cinc anys.

Com podeu imaginar,

quan finalment s'obtingueren els resultats, no van ser bons.

Va resultar que teníem

un munt de casos lleus de drogues,

dels carrers que envoltaven

la nostra oficina a Trenton.

La segona cosa que va passar

és que vaig passar un dia al departament de policia de Camden, Nova Jersey.

En aquells moments, Camden, New Jersey

era la ciutat més perillosa d'Amèrica,

per això portava el seu Departament de Policia.

Vaig passar el dia al Departament de Policia,

em van portar a una sala on hi havia policies d'alt rang,

els quals estaven treballant molt dur

i esforçant-se molt per tal de reduir el crim a Camden.

I el que vaig veure en aquella sala,

mentre parlàvem de com reduir el crim,

va ser una sèrie d'oficials amb un munt de notes grogues d'aquestes que s'enganxen.

I anaven agafant notes grogues i avanan escrivint-hi coses

i les anaven posant en un taulell.

I llavors un d'ells va dir: "Vam tenir un robatori fa dues setmanes.

No hi ha cap sospitós."

I un altre va dir: "Vam tenir un tiroteig en aquest barri la setmana passada. No hi ha cap sospitós."

No utilitzàvem estratègies policials basades en les dades.

Bàsicament estàvem intentant lluitar contra el crim

amb notes Post-it grogues.

Bé, aquestes dues coses van fer que m'adonés

fonamentalment que ens estàvem equivocant.

Ni tan sols no sabíem qui hi havia dins el nostre sistema de justícia criminal,

no teníem cap mena de dada sobre les coses importants,

no compartíem les dades ni feiem servir anàlisis

o eines que ens ajudessin a prendre millors decisions

i a reduir el crim.

I per primer cop, vaig començar a pensar

sobre com prenem decisions.

Quan era assistent de la fiscalia del districte,

i quan era fiscal federal,

observava els casos que tenia al davant

i generalment prenia decisions basades en el meu instint

i la meva experiència.

Quan vaig arribar a fiscal general,

podia veure el sistema en el seu conjunt,

i el que em va sorprendre va ser que vaig trobar

que així era exactament com ho estàvem fent

a través de tot el sistema:

als departament de policia, a les les fiscalies,

als tribunals i a les presons.

I el que vaig aprendre ràpidament

és que no estàvem fent una bona feina.

Així que volia fer les coses d'una altra manera.

Volia introduir les dades i l'analítica

i l'anàlisi estadística rigorosa

al nostre treball.

En poques paraules, volia fer-li el "moneyball" a la justícia penal.

El "moneyball", com molts de vosaltres sabeu,

és el que els Atlètics d'Oakland (equip de beisbol) van fer

quan van utilitzar la gestió intel·ligent de les dades i l'estadística

per tal de decobrir com escollir jugadors

que els ajudessin a guanyar partits,

i van passar d'un sistema basat en els caça-talents del beisbol

que acostumaven a anar i observar els jugadors

i utilitzaven el seu instint i experiència,

l'instint i l'experiència dels caça-talents,

per a escollir jugadors, a un sistema basat

en la gestió intel·ligent de les dades i de l'anàlisi estadística rigorosa

per a descobrir com escollir jugadors que els ajudessin a guanyar partits.

Va funcionar per als Atlètics d'Oakland,

i va funcionar a l'estat de Nova Jersey.

Vam treure Camden de la primera posició

com a ciutat més perillosa d'Amèrica.

Vam reduir els assesinats en un 41%,

el que, de fet, vol dir que 37 vides van ser salvades.

I vam reduir el conjunt del crim a la ciutat en un 26%.

També vam canviar la forma en la que dúiem a terme la política penal.

Així que vam passar d'encarregar-nos de crims de drogues de poca importància

que estaven al voltant del nostre edifici

a encarregar-nos de casos d'importància estatal,

en coses com reduir la violència dels delinqüents més violents,

processant les bandes dels carrers,

el tràfic d'armes i drogues i la corrupció política.

I tot això és extremadament important

perquè, per a mi, la seguretat pública

és la funció més important del govern.

Si no estem segurs, no podem ser educats,

no podem estar sans,

no podem fer cap altra cosa de les què volem fer en les nostres vides.

I avui dia vivim en un país

on afrontem problemes seriosos de justícia penal.

Tenim 12 milions de detencions cada any.

La immensa majoria d'aquestes detencions

són per crims de poca importància, com faltes,

entre un 70% i un 80%.

Menys del 5% de les detencions totals

són per crims violents.

Tot i així gastem 75 mil milions,

mils de milions,

de dolars cada any en correccionals estatals i locals.

Ara mateix, avui, tenim 2,3 milions de persones

a les nostres cel·les i presons.

I en enfrontem a increïbles reptes en la seguretat pública

perquè tenim una situació

en la què dos terços de les persones empresonades

estan allà en espera de judici.

Encara no han estat condemnats per cap crim.

Només estan esperant el seu dia als tribunals.

I el 67% de la gent hi torna.

La nostra tasa de reincidència està entre les més altes del món.

Gairebé 7 de cada 10 persones alliberades

de la presó tornaran a ser detingudes

en un cicle constant de crim i empresonament.

Així que quan vaig començar a treballar a la Fundació Arnold

vaig tornar a fixar-me en moltes d'aquestes qüestions,

i vaig tornar a pensar en com

havíem utilitzat les dades i l'analítica per a transformar

la forma en què fèiem justícia penal a Nova Jersey.

I quan miro el sistema de justícia penal

d'avui als Estats Units

sento exactament el que sentia

per l'estat de Nova Jersey quan vaig començar allà,

que necessàriament ho hem de fer millor,

i jo sé que ho podem fer millor.

Així que vaig decidir centrar-me

en utilitzar les dades i l'analítica

per a ajudar a prendre les decisions més crítiques

en seguretat pública,

i aquella decisió és el fet de determinar

si algú que ha estat detingut,

si suposa un risc per a la seguretat pública

i hauria de ser detingut,

o si no suposa un risc per a la seguretat pública

i hauria de ser alliberat.

Tot allò que passa en els casos penals

prové d'aquesta decisió.

Té impacte en tot.

Té impacte en les sentències.

Té impacte en si algú rep o no tractament farmacològic.

Té impacte en el crim i en la violència.

I quan parlo amb jutges d'arreu dels Estats Units,

que és el que sempre faig ara per ara,

tots diuen el mateix,

que fiquem gent perillosa a la presó,

i deixem la gent no perillosa i no violenta fora.

Això és el que diuen i creuen.

Però quan comences a fixar-te en les dades,

cosa que, per cert, els jutges no tenen,

quan comences a fixar-te en les dades,

el que trobem una vegada i una altra,

és que aquest no és el cas.

Trobem delinqüents de poc risc,

que representen el 50% del total de gent en la nostra justícia penal,

trobem que estan a la presó.

Per exemple Leslie Chew, un home de Texas

que va robar quatre mantes en una freda nit d'hivern.

Va ser detingut i va ser mantingut a la presó

sota fiança de 3.500 dòlars,

una quantitat que no es podia permetre pagar.

I va estar a la presó vuit mesos

fins que va arribar el seu judici,

amb un cost per als contribuents de més de 9.000 dòlars.

I a l'extrem oposat,

estem fent una feina igualment terrible.

La gent que pensem

que són els delinqüents de més alt risc,

les persones que creiem que tenen la probabilitat més alta

de cometre un nou crim si són alliberats,

a nivell nacional veiem que el 50% d'aquestes persones

són alliberades.

La raó d'això és la forma en la que prenem decisions.

Els jutges tenen les millors intencions

quan prenen decisions sobre el risc,

però les estan fent subjectivament.

Són com els caça-talents de beisbol de fa vint anys

que feien servir el seu instint i la seva experiència

per a decidir quin risc suposava algú.

Estan sent subjectius,

i sabem el que passa quan les decisions es prenen subjectivament,

que és que sovint ens equivoquem.

El que necessitem en aquest espai

són dades fortes i anàlisis.

El que vaig decidir buscar era

una bona eina de valoració del risc basada en les dades i l'anàlisi,

quelcom que permetés als jutges entendre realment,

d'una manera científica i objectiva,

quin era el risc que suposava

algú qui tenien davant.

Vaig mirar per tot el país,

i vaig trobar que entre el 5% i el 10%

de totes les jurisdiccions dels Estats Units

de fet no utilitzen cap eina de valoració del risc,

i quan vaig veure aquestes eines,

ràpidament em vaig adonar del per què.

Eren increiblement cares d'administrar,

requerien molt temps,

estaven limitades a les jurisdiccions locals

en les quals havien estat creades.

Així que bàsicament no poden ser aplicades

o transferides a d'altres llocs.

Així que vaig construir un equip fenomenal

d'analistes de dades i investigadors

i estadistes

per a construir una eina de valoració del risc universal,

per tal que cada un dels jutges dels Estats Units d'Amèrica

pugui tenir una mesura del risc objectiva i científica.

A l'eina que hem construït

el que vam fer va ser recollir un milió i mig de casos

d'arreu dels Estats Units,

de les ciutat, dels comtats,

de cada un dels estats del país,

dels districtes federals.

I amb aquell milió i mig de casos,

que és el conjunt de dades més gran en la prèvia al judici

dels Estats Units avui dia,

vam ser capaços bàsicament d'adonar-nos que hi havia

més de 900 factors de risc en què podíem fixar-nos

per intentar esbrinar què importava més.

I vam trobar que hi havia nou coses específiques

que importaven arreu del país

i que eren les més predictores de risc.

I així vam construir una eina universal de valoració del risc.

I té aquest aspecte.

Com veieu hi posem alguna informació,

la major part és increïblement simple,

és fàcil de fer servir,

se centra en coses com les condemnes anteriors dels acusats,

si han estat sentenciats a ser empresonats,

si han comès actes de violència anteriorment,

si algun cop han deixat d'anar al tribunal.

I amb aquesta eina, podem predir tres coses:

En primer lloc, si algú cometrà o no

un nou crim en cas de ser alliberat.

En segon lloc i per primer cop,

i crec que és increïblement important,

podem predir si algú cometrà o no

un acte de violència en cas de ser alliberat.

I aquesta és la més important de les coses

segons el que diuen els jutges.

I, en tercer lloc, podem predir si algú

tornarà al tribunal.

I tots els jutges dels Estats Units d'Amèrica poden fer-lo servir

perquè ha estat creat d'un conjunt de dades universal.

El que els jutges veuen si utilitzen l'eina de valoració del risc

és això, és un panell d'indicadors.

A dalt de tot, es veu la puntuació en Nova Activitat Criminal,

per suposat el sis és el més alt,

i llavors al mig veus "Risc elevat de violència".

El que diu és que aquesta persona

és algú que té un risc elevat de violència

i que el jutge hauria de mirar-s'ho bé.

I llavors, cap al final,

veus la puntuació de No assistència

que un cop més és la probabilitat

de que algú tornarà al tribunal.

Ara vull dir una cosa realment important.

No és que cregui que hauríem d'estar eliminant

l'instint i l'experiència dels jutges

d'aquest procés.

No ho crec.

De fet, crec que el problema que veiem

i la raó de que tinguem aquests increïbles errors del sistema,

pels què estem empresonant gent amb crims no violents de baix nivell

i estem alliberant gent realment perillosa,

és que no tenim una mesura objectiva del risc.

Però el que crec que hauria de passar

és que hauríem de fer servir la valoració del risc giuada per les dades

i combinar-la amb l'instint i l'experiència del jutge

per tal de millorar la presa de decisions.

L'eina es va llançar estatalment a Kentucky el dia 1 de juliol,

i estem a punt de seguir en algunes altres jurisdiccions dels Estats Units.

La nostra meta, simplement, és que cada jutge

dels Estats Units utilitzi una eina de risc guiada per les dades

en els pròxims cinc anys.

Ara estem treballant en eines de risc

també per als fiscals i per als oficials de policia,

per a intentar que un sistema que funciona avui

a Amèrica de la mateixa manera que ho feia fa 50 anys,

basat en l'instint i l'experiència,

es transformi en un sistema que funcioni

a través de les dades i l'analítica.

Les millors notícies de tot això,

i tenim una tona de feina per fer,

i tenim molt per canviar,

però la millor notícia de tot plegat

és que sabem que funciona.

És per això que Google és Google,

i és pel què tots aquells equips de beisbol fan servir el "moneyball"

per a guanyar partits.

La bona notícia també està en que

aquesta és la manera en què podem canviar

el sistema de justícia penal americà.

És com podem fer més segurs els nostres carrers,

podem reduir les despeses en presons,

i podem fer que el nostre sistema sigui molt més imparcial

i més just.

Alguna gent l'hi diu ciència de les dades.

Jo l'hi dic fer "moneyball" a la justícia penal.

Gràcies.

(Aplaudiments)