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.
Nel 2007 sono diventata procuratore generale dello stato del New Jersey. Prima di allora ero stata pubblico ministero prima nell'ufficio del procuratore distrettuale di Manhattan e poi al Dipartimento di Giustizia degli Stati Uniti.
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 from our office in Trenton.
Ma quando sono diventata procuratore generale sono successe due cose che mi hanno fatto cambiare il modo di vedere la giustizia penale. La prima è stata che credevo di fare domande davvero semplici. Volevo capire chi stavamo arrestando, chi stavamo accusando, chi stavamo tenendo nelle case circondariali e chi mettendo in prigione. Inoltre volevo capire se stavamo prendendo decisioni che ci rendessero più sicuri. Non sono riuscita ad avere queste informazioni. È risultato che la maggior parte degli uffici giudiziari come il mio non tengono traccia delle cose importanti. Quindi, dopo un mese di frustrazione incredibile sono entrata in un'aula per conferenze piena zeppa di investigatori e di montagne di pratiche, gli investigatori erano seduti lì con i loro blocchi gialli a prendere appunti. Stavano cercando di trovare le informazioni che stavo cercando guardando uno per uno i casi degli ultimi cinque anni. Come potete immaginare quando finalmente abbiamo avuto i risultati, non erano buoni. È risultato che stavamo seguendo un mucchio di casi minori di droga che stavano proprio dietro l'angolo del nostro ufficio di Trenton.
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.
La seconda cosa accaduta è che ho passato un giorno al dipartimento di polizia a Camden, New Jersey. A quel tempo Camden, New Jersey, era la città più pericolosa d'America. Sono stata lì proprio per questo. Ho passato la giornata al dipartimento di polizia, e mi hanno portata in una stanza dove c'erano ufficiali anziani, tutta gente che lavorava sodo per provare a ridurre il crimine a Camden. Quello che ho visto nella stanza, mentre discutevamo su come ridurre il crimine, era una serie di poliziotti con un sacco di bigliettini adesivi gialli. Prendevano un bigliettino giallo, ci scrivevano qualcosa e poi lo attaccavano su una lavagna. Uno di loro diceva, "Abbiamo avuto una rapina due settimane fa. Non ci sono sospetti." Un'altro: "C'è stata una sparatoria nella zona l'altra settimana. Non ci sono sospetti." Non stavamo usando metodi basati sui dati. In pratica stavamo cercando di combattere il crimine con dei Post-it gialli.
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.
Entrambe queste cose mi hanno fatto capire che fondamentalmente ci stavamo sbagliando. Non sapevamo neanche chi c'era nel nostro sistema giudiziario, non avevamo alcun dato sulle cose importanti e non scambiavamo informazioni, non usavamo l'analisi dei dati o strumenti per prendere decisioni migliori e per ridurre il crimine. Per la prima volta ho iniziato a pensare a come prendevamo le decisioni. Quando ero assistente del procuratore distrettuale e quando ero pubblico ministero, esaminavo in casi che avevo davanti e in genere prendevo decisioni sulla base del mio istinto e sulla mia esperienza. Quando sono diventata procuratore generale ho potuto vedere il sistema nel suo insieme, e mi sono sorpresa a scoprire che funzionava esattamente allo stesso modo, in tutto il sistema. Nei dipartimenti di polizia, negli uffici dei pubblici ministeri, nei tribunali e nelle prigioni. Ho capito subito che non stavamo facendo un buon lavoro. Volevo fare le cose diversamente. Volevo introdurre dati e ragionamenti ed un'analisi statistica rigorosa nel nostro lavoro. In pratica volevo fare Moneyball con la giustizia penale.
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.
Moneyball, come molti di voi sapranno, è quello che fecero gli Oakland Athletics quando usarono dati mirati e statistiche per scegliere i giocatori che li avrebbero fatti vincere. Passarono da un sistema basato su informatori che tenevano d'occhio i giocatori di baseball e usavano l'istinto e l'esperienza, l'istinto ed esperienza dei talent scout, per scegliere i giocatori, all'uso di dati intelligenti e dell'analisi statistica per scegliere i giocatori che li avrebbero fatti vincere.
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.
Ha funzionato per gli Oakland Athletics e ha funzionato nello stato del New Jersey. Abbiamo tolto Camden dalla cima della lista come città più pericolosa d'America. Abbiamo ridotto gli omicidi del 41 per cento, che in pratica significa 37 vite salvate. Abbiamo ridotto il crimine in città del 26 per cento. Abbiamo anche cambiato il modo di fare le indagini. Siamo così passati da reati minori per droga che accadevano appena fuori dal'ufficio a seguire casi di rilevanza statale su cose come ridurre la violenza delle persone più aggressive combattere le bande di strada, il traffico di armi e droga e la corruzione politica.
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 in a constant cycle of crime and incarceration.
Tutto ciò ha una grande importanza, perché per me garantire la sicurezza pubblica è la funzione più importante del governo. Se non siamo sicuri non possiamo essere istruiti, non possiamo pensare alla salute, non possiamo fare le cose che vorremmo nella nostra vita. Oggi viviamo in un paese che affronta problemi seri di giustizia criminale. Ci sono ogni anno 12 milioni di arresti, la maggioranza dei quali per reati minori, come le infrazioni, tra il 70 e l'80 per cento. Meno del 5 per cento di tutti gli arresti è per crimini violenti. Eppure spendiamo 75 miliardi di dollari all'anno, si miliardi, per costi di recupero locali e statali. Proprio adesso, oggi, ci sono 2,3 milioni di persone nelle case circondariali ed in prigione. Noi fronteggiamo incredibili sfide di sicurezza pubblica perché abbiamo una situazione dove due terzi delle persone in cella sono in attesa di processo. Non sono ancora state giudicate per un reato. Sono in attesa della loro udienza in tribunale. E il 67 per cento delle persone torna in prigione. Il nostro tasso di recidiva è tra i più alti al mondo. Quasi sette persone su 10 che vengono rilasciate dalla prigione verranno arrestate di nuovo. in un ciclo costante di crimine e carcere.
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, and I know that we can do better.
Quando ho iniziato a lavorare alla Fondazione Arnold, ho rifatto queste considerazioni e ho ripensato a come avevamo usato dati e analisi per trasformare il modo di fare giustizia nel New Jersey. E quando guardo l'odierno sistema giudiziario degli Stati Uniti, mi sento esattamente come quando ho iniziato nello stato del New Jersey e cioè che bisogna assolutamente fare meglio e io so che si può.
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 are being released.
Così ho deciso di concentrarmi sull'uso dei dati e dell'analisi per supportare la decisione più critica nel campo della sicurezza pubblica, cioè stabilire se qualcuno che è stato arrestato è un rischio per la sicurezza pubblica e deve stare in detenzione, oppure se non rappresenta un rischio per la sicurezza pubblica e dovrebbe essere rilasciato. Tutto quello che succede nei casi criminali dipende da questa singola decisione. Ha impatto su tutto. Ha impatto sulle sentenze. Ha impatto su un possibile trattamento terapeutico. Ha impatto sul crimine e sulla violenza. Quando parlo con i giudici in giro per gli Stati Uniti, cosa che faccio continuamente, mi dicono tutti la stessa cosa, cioè che mettiamo in cella le persone pericolose e lasciamo fuori quelle non pericolose e non violente. Ne sono convinti e ci credono. Ma quando si iniziano a guardare i dati che i giudici, tra l'altro, non hanno, se guardiamo i dati quello che constatiamo ogni volta è che non è così. Troviamo malviventi a basso rischio, che sono il 50 per cento di tutta la nostra popolazione carceraria, e scopriamo che sono in cella. Prendete Leslie Chew, un uomo texano, che aveva rubato quattro coperte in una fredda notte d'inverno. Fu arrestato e messo in cella, con una cauzione di 3500 dollari, una somma che non poteva pagare. È stato in cella per otto mesi fino a che il suo caso è arrivato al giudice, con un costo per i contribuenti di più di 9000 dollari. Ma anche all'altro estremo stiamo facendo un lavoro terribile. Le persone che risultano essere criminali ad alto rischio, quelle che riteniamo verosimilmente siano le più propense a commettere un nuovo crimine se rilasciate, vediamo che a livello nazionale il 50 per cento di queste viene rilasciato.
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 are strong data and analytics.
La ragione è nel modo in cui prendiamo le decisioni. I giudici hanno le migliori intenzioni quando prendono decisioni sul rischio, ma le prendono in modo soggettivo. Sono come gli informatori del baseball di 20 anni fa, che usavano istinto ed esperienza, per provare a decidere il rischio associato a qualcuno. Loro sono soggettivi e sappiamo cosa succede quando si prendono decisioni in questo modo, spesso sono sbagliate. Quello che serve In questo momento sono dati significativi ed analisi.
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.
Ho deciso di cercare uno strumento potente di analisi e di valutazione del rischio, qualcosa che potesse aiutare i giudici a capire in modo scientifico ed oggettivo il tipo di rischio che rappresentava chi gli stava di fronte. Ho cercato in tutto il paese e ho scoperto che tra il cinque e il 10 per cento di tutte le giurisdizioni negli USA in realtà usa qualche strumento di valutazione del rischio. Quando ho guardato questi strumenti ho capito subito perché. Erano incredibilmente costosi da gestire, erano lenti, erano limitati alla giurisdizione locale per la quale erano stati creati. In pratica non potevano essere adattati o trasferiti in altri posti.
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.
Allora ho formato una squadra fenomenale di esperti di dati, ricercatori e statistici per creare uno strumento universale di valutazione del rischio in modo che ogni giudice degli Stati Uniti d'America potesse avere una misura del rischio scientifica ed oggettiva. Nel nostro strumento abbiamo raccolto un milione e mezzo di casi da tutti gli Stati Uniti, da città, da contee, da ogni singolo stato del paese, dai distretti federali. Con questo milione e mezzo di casi, che oggi è il più grande archivio di indagini preliminari degli Stati Uniti, in pratica abbiamo scoperto che c'erano più di 900 fattori di rischio che potevamo considerare per stabilire quello che ci importava di più. Abbiamo trovato che c'erano nove fattori specifici che contavano davvero in tutto il paese che erano quelli più importanti per la previsione del rischio. Quindi abbiamo creato uno strumento di valutazione universale. Ed è fatto così. Come vedete, ci mettiamo dentro qualche informazione, ma la maggior parte è davvero semplice, è facile da usare, si concentra su cose come le sentenze precedenti dell'accusato, se era stato condannato al carcere, se era mai stato coinvolto prima in atti violenti, se era stato portato nuovamente in tribunale. Con questo strumento possiamo prevedere tre cose. La prima, se qualcuno commetterà un nuovo crimine una volta rilasciato. La seconda, per la prima volta, e credo che sia incredibilmente importante, possiamo prevedere se qualcuno commetterà un atto violento se rilasciato. Questa è la cosa più importante secondo i giudici quando ci parli. Terzo, possiamo prevedere se qualcuno tornerà dal giudice. Ogni giudice negli Stati Uniti d'America può usarlo, perché è stato creato su una base di dati universale.
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.
Quando i giudici utilizzano lo strumento di valutazione del rischio vedono questo: è un cruscotto. In cima vedete il punteggio di Nuova Attività Criminale, naturalmente sei è il più alto, e nel mezzo abbiamo un "Rischio elevato di violenza". Questo vuole dire che quella persona ha un rischio elevato di violenza e che il giudice dovrebbe guardare bene quel caso. Poi, verso il basso, vedete il punteggio sulla eventualità di non comparire che è la probabilità che qualcuno ritorni in tribunale.
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 on data and analytics.
Adesso voglio dire una cosa molto importante. Non penso che dovremmo eliminare l'istinto e l'esperienza del giudice da questo processo. Non lo penso. In realtà credo che il problema che vediamo ed il motivo di questi incredibili errori di sistema, in cui incarceriamo persone non violente a basso rischio e rilasciamo persone pericolose ad alto rischio, sia che non abbiamo una misura oggettiva del rischio. Ma credo che si debbano combinare la valutazione del rischio proveniente dai dati con l'istinto e l'esperienza del giudice per guidarci verso decisioni migliori. Lo strumento è stato introdotto nel Kentucky il 1° di luglio, e lo stiamo portando in altre giurisdizioni degli Stati Uniti. Il nostro obiettivo, molto semplicemente, è che ogni giudice negli Stati Uniti possa usare uno strumento di valutazione del rischio entro i prossimi cinque anni. Adesso stiamo lavorando su strumenti di rischio anche per i pubblici ministeri e ufficiali di polizia, per cercare di cambiare un sistema che in America funziona come 50 anni fa, basato su istinto ed esperienza, e farne uno che funziona su dati ed analisi.
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.
La grande notizia in tutto questo, anche se c'è ancora un sacco di lavoro da fare e dobbiamo modificare ancora molto la cultura, ma la grande notizia è che sappiamo che funziona. È perché Google è Google, ed è perché tutte le squadre di baseball usano Moneyball per vincere gli incontri. La grande notizia per noi è anche che così possiamo trasformare il sistema giudiziario americano. Così possiamo rendere più sicure le nostre strade, possiamo ridurre i costi di incarcerazione, e possiamo rendere il nostro sistema più equo e più giusto. Qualcuno lo chiama scienza dei dati. Io lo chiamo l'arte di vincere per la giustizia.
Thank you.
Grazie.
(Applause)
(Applausi)