Contenidos
Charla «Por qué las estadísticas inteligentes son la clave para combatir el crimen» de TED@BCG San Francisco en español.
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.
- Autor/a de la charla: Anne Milgram
- Fecha de grabación: 2013-10-30
- Fecha de publicación: 2014-01-28
- Duración de «Por qué las estadísticas inteligentes son la clave para combatir el crimen»: 761 segundos
Traducción de «Por qué las estadísticas inteligentes son la clave para combatir el crimen» en español.
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)
https://www.ted.com/talks/anne_milgram_why_smart_statistics_are_the_key_to_fighting_crime/