Por qué las estadísticas inteligentes son la clave para combatir el crimen

Cuándo fue nombrada Fiscal General de Nueva Jersey en 2007, Anne Milgram descubrió rápidamente unos datos sorprendentes: no sólo su equipo no sabía a quien encarcelaba, sino que tampoco tenían forma de entender si sus decisiones hacían que la población estuviera más segura. Y así empezó su búsqueda constante e inspiracional para introducir el análisis de datos y la estadística al sistema de justicia criminal de Estados Unidos.

En 2007, fui nombrada
Fiscal General

del estado de Nueva Jersey.

Antes de eso, había sido
fiscal en casos penales

primero en la oficina del
Fiscal General de Manhattan

y después en el Departamento
de Justicia de Estados Unidos.

Pero cuándo llegué
a ser Fiscal General,

pasaron dos cosas que cambiaron la forma
en que yo veía la justicia criminal.

La primera fue que me
pregunté qué pensaba

sobre cuestiones
realmente básicas.

Quería entender a
quienes arrestábamos.

a quienes estábamos acusando,

y a quienes estábamos enviando
a las cárceles y prisiones

de nuestro país.

También quería entender

si estábamos tomando las decisiones

de forma que nos diera
más seguridad.

Y no podía obtener
esta información.

Me encontré que la mayoría de
las agencias de justicia criminal

como la mía

no rastreaba las cosas que importan.

Así que tras un mes de estar
increíblemente frustrada,

entré a una sala de reunión

llena de detectives

y pilas y pilas de
expedientes de casos,

y los detectives
estaban sentados allí

tomando nota con
sus libretas amarillas.

Ellos trataban de
encontrar la información

que yo buscaba

mediante la revisión
de caso por caso

de los últimos 5 años.

Y como pueden imaginar,

cuando finalmente concluimos,
el resultado no era bueno.

Resultó que lo que
estábamos haciendo

eran muchos casos de
drogas de bajo nivel

de las calles alrededor

de nuestra oficina en Trenton.

Lo segundo que sucedió

es que pasé el día en el departamento
de policía de Camden, Nueva Jersey.

Entonces, en ese momento,
Camden, Nueva Jersey,

era la ciudad más peligrosa
en Estados Unidos.

Yo dirigía el departamento de policía
de Camden a causa de ello.

Pasé el día en el
departamento de policía,

y me llevaron a un cuarto con
los oficiales de policía veteranos,

todos ellos trabajaban duro

e intentaban intensamente en
reducir el crimen en Camden.

Y lo que vi en ese cuarto,

mientras hablábamos sobre
cómo reducir el crimen,

fue un grupo de oficiales con
muchas notitas amarillas adheribles.

Tomaban una nota amarilla adherible
y escribían algo en ella

y la colocaban en un tablero.

Y uno decía, "Tuvimos un robo
hace dos semanas.

No tenemos sospechosos".

Otro decía, "Tuvimos un tiroteo en este vecindario
la semana pasada. No hay sospechosos".

No teníamos una política
basada en datos duros.

Esencialmente, tratábamos
de combatir el crimen

mediante notas con Post-It.

Ahora, ambas cosas
me hicieron percatarme

de que estábamos
fallando fundamentalmente.

No sabíamos quien estaba en
nuestro sistema de justicia criminal,

no teníamos ningún dato sobre
las cosas que sí importaban,

y no compartíamos
datos o usábamos análisis

o herramientas que nos ayudaran
a tomar mejores decisiones

y a reducir el crímen.

Y por primera vez
empezaba a pensar

acerca de cómo
tomábamos decisiones.

Cuando fui abogada
asistente del Fiscal,

y cuando fui Fiscal Federal,

miraba los casos frente a mí,

y generalmente tomaba
decisiones basadas en mi instinto

y mi experiencia.

Cuando me hice Fiscal General,

y pude observar el
sistema como un todo,

lo que más me sorprendió
es que encontré

que era eso exactamente
lo que estábamos haciendo

a través de todo el sistema,

en los departamentos de policía,
en las oficinas de los fiscales,

en los tribunales y las cárceles.

Y lo que aprendí
muy rápidamente

es que no estábamos
haciendo un buen trabajo.

Así que quería hacer
las cosas diferente.

Quería introducir datos y análisis

y un riguroso análisis estadístico

en nuestro trabajo.

En definitiva, quería 'moneyball'
[optimizar] la justicia penal.

Ahora, 'moneyball', como
muchos de Uds. saben,

es lo que hicieron los entrenadores de Oakland,

cuando utilizaron datos
inteligentes y estadísticas

para determinar
cómo escoger jugadores

que les ayudarían a ganar juegos,

y pasaron de un sistema que se basaba
en los reclutadores de béisbol

que solían salir a
observar jugadores

y, en uso de su
instinto y experiencia,

de los instintos y experiencia
de cada reclutador

para escoger jugadores,
a un sistema que utilizaba

datos inteligentes y
riguroso análisis estadístico

para averiguar cómo escoger a los jugadores
que les ayudarían a ganar juegos.

Eso funcionó para
los Atléticos de Oakland,

y funcionó en el estado
de Nueva Jersey.

Quitamos a Camden
del inicio de la lista

de las ciudades más peligrosas
de los Estados Unidos.

Redujimos los asesinatos
en un 41%,

lo que en efecto significa
que salvamos 37 vidas.

Y redujimos todo el crimen
en la ciudad en un 26%.

También cambiamos la manera
que hacíamos los procesos penales.

Así que cambiamos de delitos
de posesión de drogas de bajo nivel

que ocurrían afuera
de nuestro edificio

hacia casos de importancia
estatal, actuando

en cosas como reducir la violencia
de los delincuentes más violentos,

acusación formal de
bandas callejeras,

tráfico de armas y drogas
y la corrupción política.

Y todo esto importa mucho,

porque la seguridad
pública para mí

es la función más
importante del gobierno.

Si no estamos seguros,
no podemos educarnos,

ni podemos estar sanos,

ni podemos hacer ninguna de las otras cosas
que queremos hacer en nuestras vidas.

Y hoy vivimos en un país

donde nos enfrentamos a
problemas graves de justicia penal.

Tenemos 12 millones
de arrestos cada año.

La gran mayoría
de esos arrestos

son por delitos de bajo nivel,
como conductas lesivas,

en un 70 a 80%.

Menos del 5% de
todas las detenciones

son por delitos violentos.

Sin embargo, gastamos
75 mil millones,

sí dije mil millones,

de dólares al año en
correccionales locales y estatales.

Justo ahora, hoy, tenemos
2.3 millones de personas

en nuestras cárceles y prisiones.

Y nos enfrentamos a increíbles
retos en seguridad pública

porque tenemos una situación

en la que 2/3 de las
personas en las cárceles

están aún esperado juicio.

Aún no han sido sentenciados
por algún delito.

Sólo están esperando
su día en la corte.

Y 67% de las personas regresan.

Nuestra tasa de reincidencia está
entre las más altas del mundo.

Casi 7 de cada 10
personas que se liberan

de la prisión serán
nuevamente detenidos

en un ciclo constante de
delito y encarcelamiento.

Así que cuando comencé
mi trabajo en la Fundación Arnold,

volví a mirar este
montón de preguntas,

y volví a pensar en cómo

usamos datos y análisis
para transformar

la forma en que ejercíamos
la justicia penal en Nueva Jersey.

Y cuando miro el sistema
de justicia penal

de los Estados Unidos
hoy en día,

me siento igual
que como me sentía

sobre el estado de Nueva Jersey
cuando empecé alli,

que era que sin duda
teníamos que hacer algo mejor,

y sé que podemos hacerlo mejor.

Así que decidí enfocarme

en el uso de datos y análisis

para apoyar la toma de
decisiones más críticas

en seguridad pública,

y esa decisión
es la determinación

de que, cuando alguien
ha sido arrestado,

determinar si suponen un riesgo
para la seguridad pública

y por tanto debe ser detenido,

o si no supone un riesgo
para la seguridad pública

y debe ser liberado
en consecuencia.

Todo lo que sucede en
los casos criminales

parte de esa única decisión.

Impacta todo.

Afecta a la sentencia.

Afecta si alguien recibe
tratamiento contra las drogas.

Afecta al crimen y a la violencia.

Y cuando hablo con los jueces
alrededor de los Estados Unidos,

cosa que hago todo el tiempo,

todos dicen lo mismo,

que es "pongamos a la gente
peligrosa en la cárcel,

y soltemos a las personas que
no son peligrosos o no violentos".

Lo dicen y lo creen.

Pero cuando empiezas
a mirar los datos,

que, por cierto,
no tienen los jueces,

cuando comenzamos
a mirar los datos,

lo que encontramos
una y otra vez,

es que este no ocurre así.

Nos encontramos con
los delincuentes de bajo riesgo,

que constituye el 50% de nuestra población
entera en el sistema de justicia penal,

nos encontramos con
que están en la cárcel.

Miren a Leslie Chew, un tejano

que robó 4 mantas en una
noche fría de invierno.

Lo arrestaron y lo
retuvieron en la cárcel

con una fianza
de 3500 dólares,

una cantidad que
él no podía pagar.

Y permaneció preso
durante 8 meses

hasta que su caso
pasó a juicio,

con un costo para los contribuyentes
de más de 9 mil dólares.

Y en el otro
extremo del espectro,

estamos haciendo un
trabajo igualmente terrible.

Las personas que encontramos

que son los delincuentes
de mayor riesgo,

las personas que creemos
que tienen la mayor probabilidad

de cometer un nuevo
delito, si son liberados,

a nivel nacional vemos que
el 50% de esas personas

están siendo liberados.

La razón de esto es la manera
en que tomamos decisiones.

Los jueces tienen
las mejores intenciones

cuando toman estas
decisiones acerca del riesgo,

pero las hacen subjetivamente.

Son como los reclutadores
de béisbol hace 20 años

que usaban su instinto
y su experiencia

para tratar de decidir
qué riesgo implica alguien.

Están siendo subjetivos,

y sabemos lo que pasa
con decisiones subjetivas,

que a menudo
están equivocadas.

Lo que necesitamos
en este espacio

son datos duros y análisis.

Lo que he decidido buscar

son datos duros y herramientas
analíticas de evaluación de riesgos,

algo que podría hacer que los
jueces realmente entiendan

con una forma
científica y objetiva

cuál es el nivel de
riesgo que plantea

alguien presentado ante ellos.

Busqué por todo el país,

y encontré que
entre 5 y 10%

de todas las jurisdicciones
de Estados Unidos

usa cualquier tipo de herramienta
de evaluación de riesgos,

y cuando miré
esas herramientas,

rápidamente me
di cuenta del porqué.

Eran increíblemente
costosas para adminsitrarse,

eran muy lentos,

estaban limitados a
la jurisdicción local

en el cual había sido creadas.

Así que, básicamente,
no podía escalarse

o transferirse a otros lugares.

Así que salí y conjunté
un fenomenal equipo

de investigadores y
científicos de datos

y estadísticos

para construir una herramienta de
evaluación de riesgo universal,

para que cada juez en
los Estados Unidos

pueda tener una medida de
riesgo objetiva y científica.

En la herramienta
que construímos

lo que hicimos fue que recogimos
1.5 millones de casos

de todo los Estados Unidos,

de las ciudades, de condados,

de cada estado en el país,

de los distritos federales.

Y con esos 1.5 millones de casos,

que son la colección más grande
de datos previos a un juicio

en los Estados Unidos hoy en día,

hemos sido capaces de
encontrar básicamente que había

unos 900 factores de
riesgo que podríamos ver

para tratar de averiguar
lo que más importa.

Y encontramos que había
9 cosas específicas

que importaban en todo el país

y que esos eran los factores de
predicción del riesgo más precisos.

Y así, hemos construido una herramienta
de evaluación de riesgo universal.

Y se parece a esto.

Como pueden ver,
ponemos algo de información,

pero la mayor parte
es increíblemente simple,

es fácil de usar,

se centra en cosas cómo:
condenas anteriores del acusado,

si has sido condenado
a encarcelamiento,

si se han vinculado a
actos de violencia antes,

si no ha podido evitar
volver al juzgado.

Y con esta herramienta,
podemos predecir 3 cosas:

Primera, si alguien
cometería o no de nuevo

un crimen si fuera liberado.

Segunda, por primera vez,

y creo que es muy importante,

podemos predecir
si alguien cometerá

un acto de violencia
si fuera liberado.

Y esto es la cosa
más importante

que los jueces dicen
cuando hablan con ellos.

Tercera, podemos
predecir cuándo alguien

volverá al juzgado.

Y cada juez en los Estados
Unidos puede utilizarlo,

porque se creó con un
conjunto universal de datos.

Lo que los jueces ven si usan
la herramienta de evaluación de riesgo

es esto: un panel de control.

En la parte superior, verás el Puntaje
de Nueva Actividad Criminal,

en donde, por supuesto,
6 es el más alto,

y a la mitad ven:
"riesgo de violencia elevado".

Lo que te dice
que esa persona

es alguien que tiene
un riesgo elevado de violencia

y que el juez debe
analizarlo dos veces.

Y luego, hacia la parte inferior,

ves el Puntaje
de Falla al Asistir,

que es la probabilidad de

que alguien volverá
a los tribunales.

Ahora quiero decir
algo muy importante.

No es que crea que
deberíamos eliminar

el instinto y la experiencia del juez

de este proceso.

No.

En realidad creo que
el problema que vemos

y la razón por la que tenemos estos
increíbles errores en el sistema,

donde estamos encarcelando a
personas de bajo riesgo, no violentas

y liberamos a personas
de alto riesgo, peligrosas,

es porque no tenemos
una medida objetiva de riesgo.

Pero lo que creo
debe suceder

es que deberíamos tomar este
examen de riesgo basado en datos

y combinarlo con el instinto
y la experiencia del juez

lo que nos llevará a una
mejor toma de decisiones.

La herramienta se utilizará estatalmente
en Kentucky a partir del 1 de julio,

y vamos a utilizarla en un número importante
de otras jurisdicciones de Estados Unidos.

Nuestro objetivo, sencillamente,
es que cada juez individual

en los Estados Unidos utilce una herramienta
de medición de riesgo basada en datos

dentro de los próximos 5 años.

Ahora, estamos trabajando en
herramientas de medición de riesgo

para los fiscales y agentes de la policía,

para tratar de tomar
un sistema que actúa hoy

en Estados Unidos de la misma manera
que lo ha hecho en 50 años,

basado en el instinto y la experiencia,

y convertirlo en
uno que funcione

con base a datos y análisis.

Ahora, la gran
noticia de todo esto,

y tenemos mucho
trabajo por hacer,

y tenemos mucha
cultura que cambiar,

pero la gran noticia
sobre todo

es que sabemos que funciona.

Por eso Google es Google,

por eso todos estos equipos
de beisbol usan 'moneyball'

para ganar juegos.

La gran noticia
para nosotros es

que esta es la manera en
que podemos transformar

el sistema de justicia
penal estadounidense.

Es cómo podemos hacer
nuestras calles más seguras,

podemos reducir
nuestros costos de prisión,

y podemos hacer nuestro sistema
mucho más equitativo

y más justo.

Algunas personas lo
llaman "ciencia de datos".

Yo lo llamo Optimizar la Justicia Penal.

Gracias.

(Aplausos)