V roce 2007 jsem se stala nejvyšším státním zástupcem v New Jersey. Předtím jsem byla státním zástupcem v trestních řízeních na Manhattanu a potom na ministerstvu spravedlnosti.
In 2007, I became the attorney general of the state of New Jersey. Before that, I'd been a criminal prosecutor, first in the Manhattan district attorney's office, and then at the United States Department of Justice.
V roli nejvyššího státního zástupce se změnil můj pohled na trestní soudnictví. Začalo to tím, že jsem si položila několik základních otázek. Chtěla jsem pochopit, jaké lidi vlastně zatýkáme, obžalováváme a nakonec posíláme za mříže našich věznic. Chtěla jsem se také ujistit, zda naše rozsudky přispívají k větší ochraně veřejnosti. Jenže takové informace nebyly k mání. Velké úřady zabývající se trestním právem, jako byl ten můj, si obvykle nevedou záznamy o tom nejdůležitějším. Asi měsíc mě to hrozně frustrovalo. Pak jsem nakráčela do místnosti plné detektivů, kteří měli hromady složek. A ti detektivové si dělali poznámky k jednotlivým případům. Procházeli všechny případy za posledních pět let, aby z nich vytáhli informace, o které mi šlo. Výsledky, kterých jsme se nakonec dobrali, nebyly dobré. Ukázalo se, že se až příliš soustředíme na malé, lokální případy drogové kriminality.
But when I became the attorney general, two things happened that changed the way I see criminal justice. The first is that I asked what I thought were really basic questions. I wanted to understand who we were arresting, who we were charging, and who we were putting in our nation's jails and prisons. I also wanted to understand if we were making decisions in a way that made us safer. And I couldn't get this information out. It turned out that most big criminal justice agencies like my own didn't track the things that matter. So after about a month of being incredibly frustrated, I walked down into a conference room that was filled with detectives and stacks and stacks of case files, and the detectives were sitting there with yellow legal pads taking notes. They were trying to get the information I was looking for by going through case by case for the past five years. And as you can imagine, when we finally got the results, they weren't good. It turned out that we were doing a lot of low-level drug cases on the streets just around the corner
A pak jsem jednou strávila den na policejním oddělení
from our office in Trenton.
v Camdenu v New Jersey. Camden byl tehdy jedno z nejnebezpečnější měst v Americe. Proto jsem to policejní oddělení měla na starost. Přišla jsem tam na celodenní návštěvu. Zavedli mě ke služebně starším policistům. Všichni se usilovně snažili snížit v Camdenu kriminalitu. A zatímco jsem s nimi probírala, jak snížit kriminalitu, všimla jsem si, že si řada policistů cosi píše na nalepovací žluté papírky, které pak lepili na tabuli. Pak říkali, že tu nedávno měli vloupačku a přestřelku ale ani v jednom případě nemají žádné podezřelé. Neměli systém vyhodnocování dat. Vlastně se zločinem bojovali s pomocí žlutých lístečků.
The second thing that happened is that I spent the day in the Camden, New Jersey police department. Now, at that time, Camden, New Jersey, was the most dangerous city in America. I ran the Camden Police Department because of that. I spent the day in the police department, and I was taken into a room with senior police officials, all of whom were working hard and trying very hard to reduce crime in Camden. And what I saw in that room, as we talked about how to reduce crime, were a series of officers with a lot of little yellow sticky notes. And they would take a yellow sticky and they would write something on it and they would put it up on a board. And one of them said, "We had a robbery two weeks ago. We have no suspects." And another said, "We had a shooting in this neighborhood last week. We have no suspects." We weren't using data-driven policing. We were essentially trying to fight crime with yellow Post-it notes.
A tak jsem si uvědomila, jak moc selháváme. Nevěděli jsme nic o lidech v našem trestním systému. Neměli jsme žádná podstatná data. Neměli jsme systém sdílení dat ani analytické nástroje, abychom účinněji snižovali kriminalitu. A tak jsem se poprvé zamyslela, na základě čeho se rozhodujeme. Jako okresní i federální státní zástupkyně jsem si vždy nastudovala případ a tak nějak dala na svoje instinkty a zkušenosti. Jako nejvyšší státní zástupce jsem získala celkový pohled. A ke svému údivu jsem zjistila, že úplně stejně to funguje všude: od policejních oddělení přes státní zástupce až po soudy a věznice. A záhy jsem pochopila, že to naší práci škodí. Takže jsem na to chtěla jít jinak a učinit součástí naší práce důsledný rozbor statistických dat. Chtěla jsem to udělat jako v baseballu.
Now, both of these things made me realize fundamentally that we were failing. We didn't even know who was in our criminal justice system, we didn't have any data about the things that mattered, and we didn't share data or use analytics or tools to help us make better decisions and to reduce crime. And for the first time, I started to think about how we made decisions. When I was an assistant D.A., and when I was a federal prosecutor, I looked at the cases in front of me, and I generally made decisions based on my instinct and my experience. When I became attorney general, I could look at the system as a whole, and what surprised me is that I found that that was exactly how we were doing it across the entire system -- in police departments, in prosecutors's offices, in courts and in jails. And what I learned very quickly is that we weren't doing a good job. So I wanted to do things differently. I wanted to introduce data and analytics and rigorous statistical analysis into our work. In short, I wanted to moneyball criminal justice.
Možná jste slyšeli, jak si baseballový tým z Oaklandu začal vybírat hráče na základě chytře zvolených statistických ukazatelů. Dříve to dělali lovci talentů, kteří sledovali, jak hráči hrají, a pak je vybírali na základě svých instinktů a zkušeností. Oakland však místo toho použil komplexní statistickou analýzu, a dokázal si tak vybrat hráče, díky nimž vyhrával.
Now, moneyball, as many of you know, is what the Oakland A's did, where they used smart data and statistics to figure out how to pick players that would help them win games, and they went from a system that was based on baseball scouts who used to go out and watch players and use their instinct and experience, the scouts' instincts and experience, to pick players, from one to use smart data and rigorous statistical analysis to figure out how to pick players that would help them win games.
A stejná metoda zabrala i v New Jersey. Camden už nebyl na vrcholu žebříčku nejnebezpečnějších měst. Počet vražd jsme snížili o 41 %, což znamenalo záchranu 37 životů. A celkovou kriminalitu jsme snížili o 26 %. Trestní stíhání začalo probíhat jinak. Prioritou už nebyla drobná, lokální drogová kriminalita, ale případy s celostátním dopadem, týkající se nejnebezpečnějších delikventů. Stíhali jsme pouliční gangy, obchod se zbraněmi a narkotiky, korupci v politice.
It worked for the Oakland A's, and it worked in the state of New Jersey. We took Camden off the top of the list as the most dangerous city in America. We reduced murders there by 41 percent, which actually means 37 lives were saved. And we reduced all crime in the city by 26 percent. We also changed the way we did criminal prosecutions. So we went from doing low-level drug crimes that were outside our building to doing cases of statewide importance, on things like reducing violence with the most violent offenders, prosecuting street gangs, gun and drug trafficking, and political corruption.
A to vše je nesmírně důležité, protože nejdůležitější úlohou vlády je zajistit ochranu veřejnosti. Bez toho se nelze vzdělávat, pečovat o zdraví a vést život tak, jak bychom chtěli. V současnosti se soudnictví v naší zemi potýká s vážnými problémy. Každý rok provedeme 12 milionů zatčení. Drtivá většina z nich, 70-80 %, je za drobné trestné činy a přestupky. Za násilnou činnost je ani ne 5 % všech zatčení. Nápravný systém nás však ročně stojí 75 miliard. Ne milionů, ale miliard. Za mřížemi u nás momentálně sedí 2,3 milionů lidí. A máme před sebou mimořádnou výzvu, protože dvě třetiny z těch lidí, kteří jsou za mřížemi, teprve čeká na proces. Nebyli usvědčeni; jen čekají na soud. A 67 % z nich se do vězení zase vrátí. Patříme mezi země s největší recidivou. Skoro 7 z 10 propuštěných je znovu zatčeno a ocitá se v bludném kruhu zločinu a věznění.
And all of this matters greatly, because public safety to me is the most important function of government. If we're not safe, we can't be educated, we can't be healthy, we can't do any of the other things we want to do in our lives. And we live in a country today where we face serious criminal justice problems. We have 12 million arrests every single year. The vast majority of those arrests are for low-level crimes, like misdemeanors, 70 to 80 percent. Less than five percent of all arrests are for violent crime. Yet we spend 75 billion, that's b for billion, dollars a year on state and local corrections costs. Right now, today, we have 2.3 million people in our jails and prisons. And we face unbelievable public safety challenges because we have a situation in which two thirds of the people in our jails are there waiting for trial. They haven't yet been convicted of a crime. They're just waiting for their day in court. And 67 percent of people come back. Our recidivism rate is amongst the highest in the world. Almost seven in 10 people who are released from prison will be rearrested
Když jsem přešla k Arnold Foundation,
in a constant cycle of crime and incarceration.
tak jsem se k těmto problémům vrátila. Uvažovala jsem, jak jsme s pomocí dat a jejich analýzy změnili systém trestní justice v New Jersey. Při pohledu na trestní justici v dnešním USA mám úplně stejné pocity jako kdysi v New Jersey. Musíme na to prostě jít lépe. A já vím, že na to máme.
So when I started my job at the Arnold Foundation, I came back to looking at a lot of these questions, and I came back to thinking about how we had used data and analytics to transform the way we did criminal justice in New Jersey. And when I look at the criminal justice system in the United States today, I feel the exact same way that I did about the state of New Jersey when I started there, which is that we absolutely have to do better,
Zaměřila jsem se na to, jak s pomocí dat a analytiky
and I know that we can do better.
lépe rozhodovat v případech klíčových pro ochranu veřejnosti. Jde například o rozhodnutí, zda ten, kdo byl zatčen, představuje společenskou hrozbu a měl by být uvězněn, nebo zda je neškodný a měl by být propuštěn. Právě okolo toho se točí celá kriminální justice. Má to vliv na všechno. Na to, zda je zatčený odsouzen nebo se musí jít léčit. Na to, zda klesá zločinnost a násilí. Mluvím teď neustále se soudci z celé Ameriky a všichni tvrdí totéž: nebezpečné lidi prý posílají za mříže a neškodné lidi pouští ven. Jsou o tom upřímně přesvědčeni. Ale když se podíváme na data, která soudci mimochodem nemají, tak se najednou znovu a znovu ukazuje, že skutečnost je jiná. Za mřížemi jsou drobní zlodějíčci, kteří tvoří až 50 % všech lidí vedených v trestní evidenci. Třeba Leslie Chew, muž z Texasu, který v zimě ukradl čtyři přikrývky. Byl zatčen a kauci ve výši 3.500 dolarů si nemohl dovolit zaplatit. Než se dostal k soudu, strávil ve vazbě 8 měsíců. Daňové poplatníky to vyšlo na víc než 9.000 dolarů. Jenže stejně špatně si vedeme i na druhé straně spektra. Co se týče nejvíc nebezpečných delikventů, lidí, u kterých nejvíc hrozí po propuštění recidiva, asi 50 % z nich bývá celostátně propouštěno.
So I decided to focus on using data and analytics to help make the most critical decision in public safety, and that decision is the determination of whether, when someone has been arrested, whether they pose a risk to public safety and should be detained, or whether they don't pose a risk to public safety and should be released. Everything that happens in criminal cases comes out of this one decision. It impacts everything. It impacts sentencing. It impacts whether someone gets drug treatment. It impacts crime and violence. And when I talk to judges around the United States, which I do all the time now, they all say the same thing, which is that we put dangerous people in jail, and we let non-dangerous, nonviolent people out. They mean it and they believe it. But when you start to look at the data, which, by the way, the judges don't have, when we start to look at the data, what we find time and time again, is that this isn't the case. We find low-risk offenders, which makes up 50 percent of our entire criminal justice population, we find that they're in jail. Take Leslie Chew, who was a Texas man who stole four blankets on a cold winter night. He was arrested, and he was kept in jail on 3,500 dollars bail, an amount that he could not afford to pay. And he stayed in jail for eight months until his case came up for trial, at a cost to taxpayers of more than 9,000 dollars. And at the other end of the spectrum, we're doing an equally terrible job. The people who we find are the highest-risk offenders, the people who we think have the highest likelihood of committing a new crime if they're released, we see nationally that 50 percent of those people
A děje se to kvůli tomu, na základě čeho se rozhodujeme.
are being released.
Soudci jistě vyhodnocují rizika s těmi nejlepšími úmysly, ale rozhodují se subjektivně. Stejně jako lovci talentů v baseballu vycházejí při své činnosti z instinktů a zkušenosti. Jejich rozhodnutí jsou subjektivní, a subjektivita, jak víme, často může vést k omylu. A proto potřebujeme kvalitní data a metody zpracování.
The reason for this is the way we make decisions. Judges have the best intentions when they make these decisions about risk, but they're making them subjectively. They're like the baseball scouts 20 years ago who were using their instinct and their experience to try to decide what risk someone poses. They're being subjective, and we know what happens with subjective decision making, which is that we are often wrong. What we need in this space
Začala jsem tedy hledat nástroj, který by soudcům umožnil
are strong data and analytics.
na základě kvalitních dat vědecky a objektivně vyhodnocovat rizika plynoucí z propuštění zatčených osob. Zjistila jsem, že se po celé zemi takový typ nástroje používá jen asi v 5 až 10 % amerických jurisdikcí. A při bližším pohledu mi hned došlo proč. Jejich správa přišla na neskutečné peníze, byly časově náročné a použitelné jen pro jurisdikci, kde byly vytvořeny. V podstatě je nešlo rozšířit nebo přenést jinam.
What I decided to look for was a strong data and analytic risk assessment tool, something that would let judges actually understand with a scientific and objective way what the risk was that was posed by someone in front of them. I looked all over the country, and I found that between five and 10 percent of all U.S. jurisdictions actually use any type of risk assessment tool, and when I looked at these tools, I quickly realized why. They were unbelievably expensive to administer, they were time-consuming, they were limited to the local jurisdiction in which they'd been created. So basically, they couldn't be scaled or transferred to other places.
A tak jsem sestavila tým brilantních odborníků na data, výzkumníků a statistiků, aby vytvořili univerzální nástroj, s nímž by kterýkoliv soudce v USA mohl objektivně a vědecky stanovovat rizikovost. Shromáždili jsme kvůli tomu 1,5 milionů případů z celých Spojených států, od měst přes okresy a jednotlivé státy až po federální obvody. Těch 1,5 milionů případů je dnes v USA největší soubor dat o předsoudních procedurách. Přišli jsme díky nim na to, že míru rizika lze posoudit s pomocí více než 900 rizikových faktorů. Nejvíc o riziku vždy prozradilo 9 konkrétních faktorů, které se objevovaly v případech po celé zemi. A tak jsme vytvořili univerzální nástroj. Vypadá nějak takhle. Je třeba do něj zadat určité informace, ale jinak je neuvěřitelně jednoduchý a intuitivní. Hodnotí například předchozí trestnou činnost obžalovaného, jestli už byl ve vězení, jestli má historii násilného jednání, jestli se někdy vyhýbal soudu. A můžeme takto odhadovat tři věci. Zaprvé, zda dotyčný po propuštění znovu spáchá trestný čin. Zadruhé, a to je opravdu důležité a bezprecedentní, můžeme odhadnout, zda se dotyčný po propuštění nedopustí násilí. Podle soudců, s nimiž mluvím, je to to nejdůležitější. A zatřetí můžeme odhadnout, zda se dotyčný nepokusí vyhýbat soudu. Nástroj může používat kterýkoliv soudce v USA, protože je postaven na univerzálním souboru dat.
So I went out and built a phenomenal team of data scientists and researchers and statisticians to build a universal risk assessment tool, so that every single judge in the United States of America can have an objective, scientific measure of risk. In the tool that we've built, what we did was we collected 1.5 million cases from all around the United States, from cities, from counties, from every single state in the country, the federal districts. And with those 1.5 million cases, which is the largest data set on pretrial in the United States today, we were able to basically find that there were 900-plus risk factors that we could look at to try to figure out what mattered most. And we found that there were nine specific things that mattered all across the country and that were the most highly predictive of risk. And so we built a universal risk assessment tool. And it looks like this. As you'll see, we put some information in, but most of it is incredibly simple, it's easy to use, it focuses on things like the defendant's prior convictions, whether they've been sentenced to incarceration, whether they've engaged in violence before, whether they've even failed to come back to court. And with this tool, we can predict three things. First, whether or not someone will commit a new crime if they're released. Second, for the first time, and I think this is incredibly important, we can predict whether someone will commit an act of violence if they're released. And that's the single most important thing that judges say when you talk to them. And third, we can predict whether someone will come back to court. And every single judge in the United States of America can use it, because it's been created on a universal data set.
Když si soudce nástroj spustí, zobrazí se takovýto souhrn. Nahoře je "Hodnocení nové trestné činnosti", nejvyšší hodnota je 6. Uprostřed je "Zvýšené riziko násilí". To nám říká, že daná osoba je náchylnější k násilí a soudce by to měl pečlivě zvážit. Dole je "Hodnocení rizika nedostavení", což je pravděpodobnost, že se člověk nedostaví k soudu.
What judges see if they run the risk assessment tool is this -- it's a dashboard. At the top, you see the New Criminal Activity Score, six of course being the highest, and then in the middle you see, "Elevated risk of violence." What that says is that this person is someone who has an elevated risk of violence that the judge should look twice at. And then, towards the bottom, you see the Failure to Appear Score, which again is the likelihood that someone will come back to court.
Teď ale musím něco důležitého upřesnit. Mým cílem není z procesu rozhodování vyloučit instinktivní pocity a zkušenosti soudců. To ne. Skutečným problémem a příčinou neskutečných systémových chyb, kdy za mřížemi končí drobní, nikoho neohrožující zlodějíčci, zatímco skutečně nebezpečné zločince pouštíme, je to, že neumíme objektivně posuzovat rizikovost. Ale relevantně vyhodnocená data by se měla propojit s instinkty a zkušenostmi soudců, a umožnit jim lépe se rozhodovat. 1. července byl náš nástroj spuštěn v Kentucky, a brzy bude spuštěn i v řadě dalších jurisdikcí. Naším cílem je, aby do 5 let měl každý soudce v USA tento nástroj k dispozici. Teď pracujeme na nástrojích pro státní zástupce a policisty. Chceme, aby systém používaný v Americe už 50 let a založený na instinktech a zkušenostech získal nový základ v podobě dat a jejich rozboru.
Now I want to say something really important. It's not that I think we should be eliminating the judge's instinct and experience from this process. I don't. I actually believe the problem that we see and the reason that we have these incredible system errors, where we're incarcerating low-level, nonviolent people and we're releasing high-risk, dangerous people, is that we don't have an objective measure of risk. But what I believe should happen is that we should take that data-driven risk assessment and combine that with the judge's instinct and experience to lead us to better decision making. The tool went statewide in Kentucky on July 1, and we're about to go up in a number of other U.S. jurisdictions. Our goal, quite simply, is that every single judge in the United States will use a data-driven risk tool within the next five years. We're now working on risk tools for prosecutors and for police officers as well, to try to take a system that runs today in America the same way it did 50 years ago, based on instinct and experience, and make it into one that runs
Čeká nás ještě kupa práce. Musíme měnit zažité principy.
on data and analytics.
Ale dobrá zpráva je, že víme, že to funguje. Stejné metody dělají Google Googlem a pomáhají baseballovým týmům vyhrávat zápasy. A dobrá zpráva je, že týmiž metodami lze transformovat americkou trestní justici. V našich městech bude bezpečněji, snížíme náklady na provoz věznic a učiníme náš systém férovější a spravedlivější. Někteří tomu říkají kouzla s daty. Já tomu říkám efektivní trestní justice.
Now, the great news about all this, and we have a ton of work left to do, and we have a lot of culture to change, but the great news about all of it is that we know it works. It's why Google is Google, and it's why all these baseball teams use moneyball to win games. The great news for us as well is that it's the way that we can transform the American criminal justice system. It's how we can make our streets safer, we can reduce our prison costs, and we can make our system much fairer and more just. Some people call it data science. I call it moneyballing criminal justice.
Děkuji vám.
Thank you.
(potlesk)
(Applause)